pandas.DataFrame.abs#
Return a Series/DataFrame with absolute numeric value of each element.
This function only applies to elements that are all numeric.
Series/DataFrame containing the absolute value of each element.
Calculate the absolute value element-wise.
For complex inputs, 1.2 + 1j , the absolute value is \(\sqrt< a^2 + b^2 >\) .
Absolute numeric values in a Series.
>>> s = pd.Series([-1.10, 2, -3.33, 4]) >>> s.abs() 0 1.10 1 2.00 2 3.33 3 4.00 dtype: float64
Absolute numeric values in a Series with complex numbers.
>>> s = pd.Series([1.2 + 1j]) >>> s.abs() 0 1.56205 dtype: float64
Absolute numeric values in a Series with a Timedelta element.
>>> s = pd.Series([pd.Timedelta('1 days')]) >>> s.abs() 0 1 days dtype: timedelta64[ns]
Select rows with data closest to certain value using argsort (from StackOverflow).
>>> df = pd.DataFrame( . 'a': [4, 5, 6, 7], . 'b': [10, 20, 30, 40], . 'c': [100, 50, -30, -50] . >) >>> df a b c 0 4 10 100 1 5 20 50 2 6 30 -30 3 7 40 -50 >>> df.loc[(df.c - 43).abs().argsort()] a b c 1 5 20 50 0 4 10 100 2 6 30 -30 3 7 40 -50
pandas.DataFrame.abs#
Return a Series/DataFrame with absolute numeric value of each element.
This function only applies to elements that are all numeric.
Series/DataFrame containing the absolute value of each element.
Calculate the absolute value element-wise.
For complex inputs, 1.2 + 1j , the absolute value is \(\sqrt< a^2 + b^2 >\) .
Absolute numeric values in a Series.
>>> s = pd.Series([-1.10, 2, -3.33, 4]) >>> s.abs() 0 1.10 1 2.00 2 3.33 3 4.00 dtype: float64
Absolute numeric values in a Series with complex numbers.
>>> s = pd.Series([1.2 + 1j]) >>> s.abs() 0 1.56205 dtype: float64
Absolute numeric values in a Series with a Timedelta element.
>>> s = pd.Series([pd.Timedelta('1 days')]) >>> s.abs() 0 1 days dtype: timedelta64[ns]
Select rows with data closest to certain value using argsort (from StackOverflow).
>>> df = pd.DataFrame( . 'a': [4, 5, 6, 7], . 'b': [10, 20, 30, 40], . 'c': [100, 50, -30, -50] . >) >>> df a b c 0 4 10 100 1 5 20 50 2 6 30 -30 3 7 40 -50 >>> df.loc[(df.c - 43).abs().argsort()] a b c 1 5 20 50 0 4 10 100 2 6 30 -30 3 7 40 -50
pandas.Series.abs#
Return a Series/DataFrame with absolute numeric value of each element.
This function only applies to elements that are all numeric.
Series/DataFrame containing the absolute value of each element.
Calculate the absolute value element-wise.
For complex inputs, 1.2 + 1j , the absolute value is \(\sqrt< a^2 + b^2 >\) .
Absolute numeric values in a Series.
>>> s = pd.Series([-1.10, 2, -3.33, 4]) >>> s.abs() 0 1.10 1 2.00 2 3.33 3 4.00 dtype: float64
Absolute numeric values in a Series with complex numbers.
>>> s = pd.Series([1.2 + 1j]) >>> s.abs() 0 1.56205 dtype: float64
Absolute numeric values in a Series with a Timedelta element.
>>> s = pd.Series([pd.Timedelta('1 days')]) >>> s.abs() 0 1 days dtype: timedelta64[ns]
Select rows with data closest to certain value using argsort (from StackOverflow).
>>> df = pd.DataFrame( . 'a': [4, 5, 6, 7], . 'b': [10, 20, 30, 40], . 'c': [100, 50, -30, -50] . >) >>> df a b c 0 4 10 100 1 5 20 50 2 6 30 -30 3 7 40 -50 >>> df.loc[(df.c - 43).abs().argsort()] a b c 1 5 20 50 0 4 10 100 2 6 30 -30 3 7 40 -50
Функция abs() в Python
В этой статье мы представим функцию Python abs() с различными модулями, такими как NumPy и Pandas.
Python имеет огромное количество встроенных функций для выполнения математических и статистических операций. Одной из таких функций является функция abs().
Функция abs() function возвращает абсолютную величину или значение входных данных, переданных ей в качестве аргумента. Он возвращает фактическое значение ввода без учета знака.
Она принимает только один аргумент, который должен быть числом, и возвращает абсолютную величину числа.
- Если входные данные имеют тип integer или float — функция возвращает абсолютную величину / значение.
- Если введено complex number , функция abs() возвращает только часть величины числа.
num = -25.78 print("Absolute value:",abs(num)) Функция Pandas DataFrame.abs()
Модуль Python Pandas имеет встроенную DataFrame.abs() function для вычисления абсолютного значения всех значений данных, присутствующих в конкретной переменной / столбце данных фрейма данных набора данных.
import pandas as pd import numpy as np data = pd.read_csv("C:/marketing_tr.csv") data.head(10) data['cons.conf.idx'].abs() В приведенном выше фрагменте кода мы использовали pandas.read_csv() function для импорта и загрузки набора данных в среду. Функция DataFrame.head(n) function фактически представляет первые n значений набора данных.
Далее мы выяснили абсолютные значения столбца cons.conf.idx.
0 42.0 1 42.7 2 36.4 3 42.7 4 46.2 . 7409 36.4 7410 42.7 7411 46.2 7412 42.0 7413 36.4 Name: cons.conf.idx, Length: 7414, dtype: float64
Функция numpy.absolute()
Модуль Python NumPy имеет numpy.absolute() function для получения абсолютных значений переданных ему элементов массива.
import numpy as np arr = [10, -20, 30, -40] abs_res = np.absolute(arr) print("The absolute values of the array elements:",abs_res) The absolute values of the array elements: [10 20 30 40]
pandas.DataFrame.abs#
Return a Series/DataFrame with absolute numeric value of each element.
This function only applies to elements that are all numeric.
Series/DataFrame containing the absolute value of each element.
Calculate the absolute value element-wise.
For complex inputs, 1.2 + 1j , the absolute value is \(\sqrt< a^2 + b^2 >\) .
Absolute numeric values in a Series.
>>> s = pd.Series([-1.10, 2, -3.33, 4]) >>> s.abs() 0 1.10 1 2.00 2 3.33 3 4.00 dtype: float64
Absolute numeric values in a Series with complex numbers.
>>> s = pd.Series([1.2 + 1j]) >>> s.abs() 0 1.56205 dtype: float64
Absolute numeric values in a Series with a Timedelta element.
>>> s = pd.Series([pd.Timedelta('1 days')]) >>> s.abs() 0 1 days dtype: timedelta64[ns]
Select rows with data closest to certain value using argsort (from StackOverflow).
>>> df = pd.DataFrame( . 'a': [4, 5, 6, 7], . 'b': [10, 20, 30, 40], . 'c': [100, 50, -30, -50] . >) >>> df a b c 0 4 10 100 1 5 20 50 2 6 30 -30 3 7 40 -50 >>> df.loc[(df.c - 43).abs().argsort()] a b c 1 5 20 50 0 4 10 100 2 6 30 -30 3 7 40 -50