Numpy là một thư viện toán học phổ biến và mạnh mẽ của Python. Nó cung cấp các hàm để tạo và thao tác với các mảng.
Các hàm tính toán trên mảng của Numpy có thể được sử dụng để thực hiện các phép toán như cộng, trừ, nhân, chia,… trên các phần tử của mảng.
Các hàm tính toán trên mảng
Một số hàm tính toán trên mảng phổ biến của Numpy bao gồm:
- sum: Tính tổng các phần tử của mảng.
- mean: Tính trung bình các phần tử của mảng.
- median: Tính giá trị trung vị của các phần tử của mảng.
- min: Tính giá trị nhỏ nhất của các phần tử của mảng.
- max: Tính giá trị lớn nhất của các phần tử của mảng.
Áp dụng trên mảng 1D và 2D
Các hàm tính toán trên mảng của Numpy có thể được áp dụng cho các mảng 1D và 2D.
Ví dụ, để tính tổng các phần tử của một mảng 1D, bạn có thể sử dụng mã sau:
import numpy as np # Tạo mảng 1D arr = np.array([1, 2, 3, 4, 5]) # Tính tổng các phần tử của mảng sum = np.sum(arr) # In ra tổng print(sum) Đầu ra: 15Để tính tổng các phần tử của một mảng 2D, bạn có thể sử dụng mã sau:
import numpy as np # Tạo mảng 2D arr = np.array([[1, 2, 3], [4, 5, 6]]) # Tính tổng các phần tử của mảng sum = np.sum(arr) # In ra tổng print(sum) Đầu ra: 21Tính toán theo trục riêng biệt
Các hàm tính toán trên mảng của Numpy cũng có thể được sử dụng để tính toán theo trục riêng biệt.
Ví dụ, để tính tổng các phần tử của một mảng 2D theo trục hàng, bạn có thể sử dụng mã sau:
import numpy as np # Tạo mảng 2D arr = np.array([[1, 2, 3], [4, 5, 6]]) # Tính tổng các phần tử của mảng theo trục hàng sum_by_row = np.sum(arr, axis=1) # In ra tổng print(sum_by_row) Đầu ra: [6 15]Để tính tổng các phần tử của một mảng 2D theo trục cột, bạn có thể sử dụng mã sau:
import numpy as np # Tạo mảng 2D arr = np.array([[1, 2, 3], [4, 5, 6]]) # Tính tổng các phần tử của mảng theo trục cột sum_by_col = np.sum(arr, axis=0) # In ra tổng print(sum_by_col) Đầu ra: [10 15]Kết luận
Các hàm tính toán trên mảng của Numpy là một công cụ mạnh mẽ để thực hiện các phép toán trên các phần tử của mảng. Các hàm này có thể được áp dụng cho các mảng 1D và 2D, và cũng có thể được sử dụng để tính toán theo trục riêng biệt.
Nếu bạn là newbie có thể tham khảo bài viết này để tìm hiểu lộ trình học DA trong 3 tháng của SmartData.
Nếu bạn thấy bài viết hay và hữu ích, bạn có thể tham gia các kênh sau của SmartData để nhận được nhiều hơn nữa:
