numpy.absolute

麻木的。Absolute ( x , / , out=None , * , where=True , casting='same_kind' , order='K' , dtype=None , subok=True [ , signature , extobj ] ) = <ufunc 'absolute'>

按元素计算绝对值。

np.abs是这个函数的简写。

参数：

x类似数组

输入数组。

out ndarray、None 或 ndarray 和 None 的元组，可选

存储结果的位置。如果提供，它必须具有输入广播到的形状。如果未提供或无，则返回新分配的数组。元组（只能作为关键字参数）的长度必须等于输出的数量。

其中array_like，可选

该条件通过输入广播。在条件为 True 的位置，输出数组将设置为 ufunc 结果。在其他地方，输出数组将保留其原始值。请注意，如果通过 default 创建 未初始化的outout=None数组，则其中条件为 False 的位置将保持未初始化状态。

**夸格

对于其他仅关键字参数，请参阅 ufunc 文档。

返回：

绝对ndarray

包含x中每个元素的绝对值的 ndarray 。对于复数输入，的绝对值为a + ib\(\sqrt{ a^2 + b^2 }\)。如果x是标量，则这是标量。

例子

>>> x = np.array([-1.2, 1.2])
>>> np.absolute(x)
array([ 1.2,  1.2])
>>> np.absolute(1.2 + 1j)
1.5620499351813308

在 上绘制函数：[-10, 10]

>>> import matplotlib.pyplot as plt

>>> x = np.linspace(start=-10, stop=10, num=101)
>>> plt.plot(x, np.absolute(x))
>>> plt.show()

在复平面上绘制函数：

>>> xx = x + 1j * x[:, np.newaxis]
>>> plt.imshow(np.abs(xx), extent=[-10, 10, -10, 10], cmap='gray')
>>> plt.show()

该abs函数可以用作np.absoluteon ndarrays 的简写。

>>> x = np.array([-1.2, 1.2])
>>> abs(x)
array([1.2, 1.2])