【Pandas】pandas DataFrame abs

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值

pandas.DataFrame.abs()

pandas.DataFrame.abs() 方法用于返回 DataFrame 中每个元素的绝对值。该方法适用于包含数值型数据的 DataFrame，对负数取正，正数保持不变。

---

一、方法签名

DataFrame.abs()

参数说明：

• 无参数。

返回值：

• 返回一个新的 DataFrame，其形状与原 DataFrame 相同，其中每个元素是原元素的绝对值。

---

二、示例及结果

示例1：基本使用

import pandas as pd

df = pd.DataFrame({
    'A': [-1, -2, 3],
    'B': [4, -5, -6]
})

result = df.abs()
print(result)

输出：

   A  B
0  1  4
1  2  5
2  3  6

解释：

• 所有负数被转换为正数，正数保持不变。

---

示例2：包含浮点数和负零

df = pd.DataFrame({
    'X': [-0.1, 2.5, -3.7],
    'Y': [0, -10.3, 15.2]
})

result = df.abs()
print(result)

输出：

     X     Y
0  0.1   0.0
1  2.5  10.3
2  3.7  15.2

解释：

• 浮点数的绝对值也被正确计算。
• -0.0 被转换为 0.0。

---

示例3：处理 NaN 值

import numpy as np

df = pd.DataFrame({
    'P': [-1, np.nan, 3],
    'Q': [np.nan, -5, -6]
})

result = df.abs()
print(result)

输出：

     P    Q
0  1.0  NaN
1  NaN  5.0
2  3.0  6.0

解释：

• NaN 值保持不变，不会参与计算。

---

三、适用场景

场景	描述
数据清洗	将负值统一转为正值，如温度、误差等数据。
特征工程	在机器学习中构造新特征时，去除符号影响。
统计分析	计算偏差、误差等指标时，仅关注大小不关心方向。

---

四、注意事项

• 只能作用于数值型列（int、float），非数值类型列会被忽略或抛出错误。
• 不会修改原始 DataFrame，而是返回一个新的对象。
• 对 NaN 值不做处理，保留原样。

---

五、总结

特性	描述
功能	返回 DataFrame 每个元素的绝对值
适用类型	数值型（int、float）
NaN 处理	保留原值
是否修改原数据	否，返回新 DataFrame

abs() 是一个简单但实用的方法，常用于数据预处理和特征工程中，帮助消除数值的符号影响。