Pandas系列中abs()方法的用途是什么？

Pandas系列的abs函数将返回一个包含每个元素绝对数值的系列。此abs函数将计算系列中每个元素的绝对值。

此函数**仅适用于仅包含数值元素的系列对象。它**不适用于任何缺失元素（NaN值），并且可用于计算复数的绝对值。

示例

import pandas as pd

# create a series
s = pd.Series([-3.43, -6, 21, 6, 1.4])

print(s, end='

')

# calculate absolute values
result = s.abs()

#print the result
print(result)

解释

我们有一个包含5个数值元素的简单Pandas系列对象，我们的任务是找到系列元素的绝对值。为了计算绝对值，我们需要在系列中包含一些负值，这就是为什么我们创建了一个包含一些负值的系列。

为了找出整个系列的绝对值，我们可以将abs函数应用于系列对象，例如's.abs()'。这样，abs函数将计算系列中每个元素的绝对值。

输出

0   -3.43
1   -6.00
2   21.00
3    6.00
4    1.40
dtype: float64

0    3.43
1    6.00
2   21.00
3    6.00
4    1.40
dtype: float64

在上面的代码块中，我们可以看到一个包含负值的初始系列，以及另一个通过使用abs()方法计算出的绝对值系列。

示例

# importing pandas packages
import pandas as pd
import numpy as np


#creating a series with null data
s_obj = pd.Series([-2.3, np.nan, 9, 6.5, -5, -8, np.nan])

print(s_obj, end='

')

#calculate absolute values
result = s_obj.abs()

#print the result
print(result)

解释

此示例用于计算包含缺失数据（即NaN）的系列的绝对值。为此，我们最初使用NumPy.nan属性创建了一个包含一些NaN值的Pandas系列。

输出

0   -2.3
1    NaN
2    9.0
3    6.5
4   -5.0
5   -8.0
6    NaN
dtype: float64

0   2.3
1   NaN
2   9.0
3   6.5
4   5.0
5   8.0
6   NaN
dtype: float64

在这里，我们可以看到原始系列对象以及系列对象中每个元素的绝对值的输出。

更新于：2021年11月18日

265 次查看

启动您的职业生涯

完成课程后获得认证

开始
广告