pandas系列中abs()方法有什么用？

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。

此功能仅适用于只有数字元素的系列对象。它不适用于任何缺失元素（NaN 值），它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='\n\n')

# calculate absolute values
result = s.abs()

#print the result
print(result)

解释

我们有一个包含 5 个数字元素的简单 Pandas 系列对象，这里我们的目标是找到系列元素的绝对值。为了计算绝对值，我们的系列中需要有一些负值，这就是为什么我们创建了一个负值很少的系列。

要找出整个系列的绝对值，我们可以使用 abs 函数对像“ ”这样的对象进行系列化。这样 abs 函数将计算每个串联元素的绝对值。s.abs()

输出结果

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

在上面的块中，我们可以看到一个初始值为负的序列，以及使用该abs()方法计算出的另一个绝对值序列。

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='\n\n')

#calculate absolute values
result = s_obj.abs()

#print the result
print(result)

解释

此示例用于计算具有缺失数据的系列的绝对值（只有 NaN ）。为此，我们最初使用NumPy.nan属性创建了一个带有一些 NAn 值的 Pandas 系列。

输出结果

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的输出以及系列对象中每个元素的绝对值。