pandas abs() 计算数值数据的绝对值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

abs() 方法用于计算数值数据的绝对值，适用于 pandas 中的 Series 和 DataFrame 对象。

支持的数据类型

pandas.Series
pandas.DataFrame

语法

Series.abs()
DataFrame.abs()

参数说明

abs() 方法没有参数。

返回值

Series: 返回一个新的 Series，其中每个元素都是原 Series 中对应元素的绝对值。
DataFrame: 返回一个新的 DataFrame，其中每个元素都是原 DataFrame 中对应元素的绝对值。

使用场景

abs() 方法主要用于处理包含负数的数据，将其转化为正数，便于进一步的数据分析和处理。常见的使用场景包括金融数据分析、科学计算等。

示例

Series 中的绝对数值。

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
'''

复数序列中的绝对数值。

s = pd.Series([1.2 + 1j])
s.abs()
'''
0    1.56205
dtype: float64
'''

具有Timedelta元素的Series中的绝对数值。

s = pd.Series([pd.Timedelta('1 days')])
s.abs()
'''
0   1 days
dtype: timedelta64[ns]
'''

使用argsort选择数据最接近特定值的行:

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
'''

案例

例1：对 Series 应用 `abs()`

import pandas as pd

# 创建一个包含负数的 Series
s = pd.Series([-1, -2, 3, -4, 5])

print("Initial Series:")
print(s)

# 计算绝对值
abs_s = s.abs()

print("\nSeries after applying abs():")
print(abs_s)

输出：

Initial Series:
0   -1
1   -2
2    3
3   -4
4    5
dtype: int64

Series after applying abs():
0    1
1    2
2    3
3    4
4    5
dtype: int64

例2：对 DataFrame 应用 `abs()`

# 创建一个包含负数的 DataFrame
df = pd.DataFrame({
    'A': [-1, -2, 3],
    'B': [4, -5, -6],
    'C': [-7, 8, -9]
})

print("Initial DataFrame:")
print(df)

# 计算绝对值
abs_df = df.abs()

print("\nDataFrame after applying abs():")
print(abs_df)

输出：

Initial DataFrame:
   A  B  C
0 -1  4 -7
1 -2 -5  8
2  3 -6 -9

DataFrame after applying abs():
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

小结

pandas 的 abs() 方法提供了一种简单而高效的方式来计算数值数据的绝对值，适用于 Series 和 DataFrame。它在处理包含负数的数据时特别有用，便于进一步的数据分析和计算。通过上述例子，我们可以看到 abs() 方法在不同数据结构中的应用及其结果。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.abs.html