NumPy được biết đến là thư viện xử lý mảng được sử dụng rộng rãi trong Python. Trong bài viết này, Got It sẽ giúp bạn có cái nhìn khái quát nhất về thư viện này nhé!
- Đọc thêm: Tự học lập trình Python trong 6 tháng
Mục lục
1. NumPy trong Python là gì?
NumPy hay Numeric Python là thư viện lõi phục vụ cho khoa học máy tính của Python. Nó cung cấp một đối tượng mảng đa chiều hiệu suất cao và các công cụ để làm việc với các mảng này.
NumPy chứa các tính năng khác nhau bao gồm những tính năng quan trọng sau:
- Đối tượng mảng N-chiều mạnh mẽ
- Các chức năng broadcasting
- Phép biến đổi Fourier, khả năng số ngẫu nhiên
- Các công cụ để tích hợp mã C / C ++ và Fortran.
Bên cạnh những công dụng khoa học rõ ràng, NumPy cũng có thể được sử dụng như một nơi chứa dữ liệu chung đa chiều hiệu quả. Các kiểu dữ liệu tùy ý có thể được xác định bằng cách sử dụng NumPy, cho phép NumPy tích hợp liền mạch và nhanh chóng với nhiều loại cơ sở dữ liệu.
NumPy được viết bằng ngôn ngữ gì?
NumPy là một thư viện Python được viết một phần bằng Python và hầu hết các phần được viết bằng C hoặc C ++. Và nó cũng hỗ trợ các phần mở rộng bằng các ngôn ngữ khác, thường là C ++ và Fortran.
NumPy có dễ học không?
NumPy là một thư viện trong Python mã nguồn mở chủ yếu được sử dụng để thao tác và xử lý dữ liệu dưới dạng mảng. Nó rất dễ học vì nó hoạt động nhanh, hoạt động tốt với các thư viện khác, có nhiều chức năng tích hợp và cho phép bạn làm các phép toán ma trận.
2. Cài đặt NumPy
Người dùng Mac và Linux có thể cài đặt NumPy thông qua lệnh pip:
pip install numpy
Đối với Windows, bạn vui lòng tải xuống trình cài đặt cửa sổ được tạo sẵn cho NumPy từ [theo cấu hình hệ thống và phiên bản Python của bạn]. Sau đó cài đặt các gói theo cách thủ công.
3. Các thao tác với NumPy
Khai báo thư viện
import numpy as np
Khởi tạo mảng
Khởi tạo mảng một chiều
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]
Output:
[1 3 4 5 6]
Khởi tạo mảng hai chiều
arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
Output:
[[[2 4 0 6]
[4 7 5 6]]
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]0
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]1
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]2
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]3
Khởi tạo các hàm có sẵn
- np.zeros[[3,4], dtype = int]: Tạo mảng hai chiều các phần tử 0 với kích thước 3×4.
- np.ones[[2,3,4], dtype = int]: Tạo mảng 3 chiều các phần tử 1 với kích thước 2x3x4.
- np.arange[1,7,2]: Tạo mảng với các phần tử từ 1 – 6 với bước nhảy là 2.
- np.full[[2,3],5]: Tạo mảng 2 chiều các phần tử 5 với kích thước 2×3.
- np.eye[4, dtype=int]: Tạo ma trận đơn vị với kích thước là 4×4.
- np.random.random[[2,3]]: Tạo ma trận các phần tử ngẫu nhiên với kích thước 2×3.
Thao tác với mảng
- dtype: Kiểu dữ liệu của phần tử trong mảng.
- shape: Kích thước của mảng.
- size: Số phần tử trong mảng.
- ndim: Số chiều của mảng.
print["Kiểu dữ liệu của phần tử trong mảng:", arr2.dtype] print["Kích thước của mảng:", arr2.shape] print["Số phần tử trong mảng:", arr2.size] print["Số chiều của mảng:", arr2.ndim]
Output:
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]4
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]5
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]6
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]7
Truy cập các phần tử trong mảng
Các phần tử trong mảng được đánh số từ 0 trở đi
- arr[i]: Truy cập tới phần tử thứ i của mảng 1 chiều.
- arr1[i,j]: Truy cập tới phần tử hàng i, cột j của mảng 2 chiều.
- arr2[n,i,j]: Truy cập tới phần tử chiều n, hàng i, cột j của mảng 3 chiều.
- arr[a:b]: Truy cập tới các phần tử từ a đến b-1 trong mảng 1 chiều.
- arr1[:,:i]: Truy cập tới phần tử từ cột 0 đến cột i-1, của tất cả các hàng trong mảng 2 chiều.
print["arr[2]=", arr[2]] print["arr1[1:2]=", arr1[1,2]] print["arr2[1,2,3]=", arr2[1,1,3]] print["arr[0:3]=", arr[0:3]] print["arr1[:,:1]=", arr1[:,:2]]
Output:
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]8
#Khởi tạo mảng một chiều với kiểu dữ liệu các phần tử là Integer arr = np.array[[1,3,4,5,6], dtype = int] #Khởi tạo mảng một chiều với kiểu dữ liệu mặc định arr = np.array[[1,3,4,5,6]] print[arr]9
arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
0arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
1arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
2arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
3Các hàm thống kê
- arr.max[] hoặc np.max[arr]: Lấy giá trị lớn nhất của mảng arr.
- arr.min[] hoặc np.min[arr]: Lấy giá trị nhỏ nhất của mảng arr.
- arr.sum[] hoặc np.sum[arr]: Tổng tất cả các phần tử trong mảng arr.
- arr.mean[] hoặc np.mean[arr]: Trung bình cộng của tất cả các phần tử trong mảng arr.
- np.median[arr]: Trả về giá trị trung vị của mảng arr.
print["Giá trị lớn nhất của mảng arr là:", np.max[arr]] print["Giá trị nhỏ nhất của mảng arr là:", np.min[arr]] print["Tổng tất cả các phần tử của mảng arr là:", np.sum[arr]] print["Trung bình cộng tất cả các phần tử của mảng arr là:", np.mean[arr]] print["Giá trị trung vị của mảng arr là:", np.median[arr]]
Output:
arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
4arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
5arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
6arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
7arr2 = np.array[[[[2,4,0,6], [4,7,5,6]],
[[0,3,2,1], [9,4,5,6]],
[[5,8,6,4], [1,4,6,8]]], dtype = int]
print[arr2]
8Trên đây là cũng kiến thức tổng quan nhất về NumPy trong Python. Chúc các bạn thành công! Hãy theo dõi Got It blog để cập nhật thêm các kiến thức bổ ích về công nghệ thông tin cũng như những công việc hấp dẫn của chúng mình nhé!!!