python数据分析numpy基础之fabs用法和示例
1 python数据分析numpy基础之fabs用法和示例
python的numpy库的fabs()函数用于计算多维数组的每个元素的绝对值，绝对值都为浮点数，并且不能计算复数的绝对值，速度会比abs()快。
用法
numpy.fabs(x, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'fabs'>
描述
numpy.fabs()对数组的每个元素(非复数)计算绝对值，并且绝对值为浮点数，返回ndarray数组或标量。
入参
x：必选，array-like
需计算绝对值的数字数组，可以是ndarray或类ndarray(比如元组、列表等)或标量，不能为复数；
out：可选，ndarray
存储绝对值结果的数组。若提供，则需为ndarray，out元素类型必须为浮点数，与返回值一致，若未提供，返回新的ndarray；
where：可选，bool
表示是取哪的结果作为出参，默认为True，表示abs绝对值运算结果作为出参；若为False，若传了out则结果取out的值，若未传out则结果取最近一次的out的值，最近一次out若为out=None则取随机值；
出参
返回x的浮点型绝对值，x是array-lie则返回ndarray，若为标量则返回标量。
1.1 入参x
np.fabs()的入参x为必选入参，表示需计算绝对值的ndarray或元组或列表或标量。可以是整数、浮点数，不能为复数。
>>> import numpy as np
>>> np.abs(-1)
1
# 标量，通过np.fabs()计算绝对值
>>> np.fabs(-1)
1.0
# 元组，通过np.fabs()计算绝对值
>>> np.fabs((-1,-2,-3))
array([1., 2., 3.])
# 列表，通过np.fabs()计算绝对值
>>> np.fabs([-1,-2,-3])
array([1., 2., 3.])
# ndarray，通过np.fabs()计算绝对值
>>> np.fabs(np.array((-4,-5,-6.2)))
array([4. , 5. , 6.2])
# 复数，不能通过np.fabs()计算绝对值
>>> np.fabs(-1-2j)
Traceback (most recent call last):
File "" , line 1, in <module>
np.fabs(-1-2j)
TypeError: ufunc 'fabs' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
# 复数，通过np.abs()计算绝对值
>>> np.abs(-1-2j)
2.23606797749979
1.2 入参out
np.fabs()的入参out为可选入参，表示存放绝对值结果的ndarray，若提供，则需为ndarray，out元素类型必须为浮点数，与返回值一致，若未提供，返回新的ndarray；如果是标量用fabs()，则out的每个元素都赋值为标量的绝对值。
>>> import numpy as np
>>> list1=[-1,-2,-3]
>>> ar1=np.array([-4,-5,-6])
>>> ar2=np.zeros(3)
# np.fabs()的out(ar2)存放绝对值结果，若入参x为array-like，则out需为ndarray
>>> np.fabs(list1,out=ar2)
array([1., 2., 3.])
>>> ar2
array([1., 2., 3.])
>>> list1,ar2
([-1, -2, -3], array([1., 2., 3.]))
# np.fabs()的out(ar1)的dtype与返回值的dtype不一致，报错
>>> np.fabs(ar1,out=ar1)
Traceback (most recent call last):
File "" , line 1, in <module>
np.fabs(ar1,ar1)
numpy.core._exceptions._UFuncOutputCastingError: Cannot cast ufunc 'fabs' output from dtype('float64') to dtype('int32') with casting rule 'same_kind'
>>> ar3=np.array([-4,-5,-6.2])
# np.fabs()的out的dtype与返回值的dtype一致，成功
>>> np.fabs(ar3,ar3)
array([4. , 5. , 6.2])
# np.fabs()的out未指定则返回新的ndarray
>>> np.fabs(ar1)
array([4., 5., 6.])
>>> a=1
# out 必须为ndarray
>>> np.fabs(-5,a)
Traceback (most recent call last):
File "" , line 1, in <module>
np.fabs(-5,a)
TypeError: return arrays must be of ArrayType
>>> np.fabs(-5)
5.0
# out的每个元素都赋值为标量的绝对值
>>> np.fabs(-5,ar3)
array([5., 5., 5.])
1.3 入参where
np.fabs()的入参where为可选入参，表示是取哪的结果作为出参，默认为True表示取绝对值结果为出参，若为False却指定out则取out为出参，未指定out则取随机值。
>>> import numpy as np
>>> list1=[-1,-2,-3]
>>> ar1=np.array([-4,-5,-6.8])
# 未指定out，where=False取随机值
>>> np.fabs(list1,where=False)
array([8.18434960e-085, 2.64937394e+180, 9.57484969e+247])
# 未指定out，where=True取绝对值结果作为出参
>>> np.fabs(list1,where=True)
array([1., 2., 3.])
# 指定out，where=False取out作为出参
>>> np.fabs(list1,out=ar1,where=False)
array([-4. , -5. , -6.8])