Numpy (Numeric Python): là một thư viện toán học phổ biến và mạnh mẽ của Python. Cho phép làm việc hiệu quả với ma trận và mảng, đặc biệt là dữ liệu ma trận và mảng lớn với tốc độ xử lý nhanh hơn nhiều lần khi chỉ sử dụng “core Python” đơn thuần.
Hãy cùng tìm hiểu về thư viện này trong bài viết dưới đây:
Bạn đang xem: Tìm Hiểu Thư Viện NumPy Trong Python
Cài đặt thư viện Numpy
– Mở Command Prompt và gõ lệnh: pip install numpy
Các thao tác với Numpy
1. Khai báo thư viện
import numpy as np
2. Khởi tạo mảng
a) 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]
b) Khởi tạo mảng hai chiều
arr1 = np.array([(4,5,6), (1,2,3)], dtype = int) print(arr1)
OUTPUT:
[[4 5 6]
[1 2 3]]
c) Khởi tạo mảng ba 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]]
[[0 3 2 1]
[9 4 5 6]]
[[5 8 6 4]
[1 4 6 8]]]
d) Khởi tạo với 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.
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:
Kiểu dữ liệu của phần tử trong mảng: int32
Kích thước của mảng: (3, 2, 4)
Số phần tử trong mảng: 24
Số chiều của mảng: 3
Truy cập 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
arr[2]= 4
arr1[1:2]= 3
arr2[1,2,3]= 6
arr[0:3]= [1 3 4]
arr1[:,:1]= [[4 5]
[1 2]]
Đọc mảng từ file .txt
Xem thêm : Cây vọng cách, rau vọng cách
diem_2a = np.loadtxt(‘Diem_2A.txt’, dtype = int, delimiter=’,’) #ở đây tất cả phần tử là số nguyên nên mình để kiểu int cho dễ nhìn, các phần tử phân tách nhau bởi dấu “,” print(“File dữ liệu điểm lớp 2A:n”, diem_2a)
Output
Các 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:
Giá trị lớn nhất của mảng arr là: 6
Giá trị nhỏ nhất của mảng arr là: 1
Tổng tất cả các phần tử của mảng arr là: 19
Trung bình cộng tất cả các phần tử của mảng arr là: 3.8
Giá trị trung vị của mảng arr là: 4.0
NumPy dtype
Basic Type
Available Numpy types Comments
Boolean
bool
Elements are 1 byte in size.
Integer
int8, int16, int32, int64, int128, int
int defaults to the size of int in C for the platform.
Unsigned Integer
uint8, uint16, uint32, uint64, uint128, uint
uint defaults to the size of unsigned int in c for the platform.
Float
float32, float64, float,
longfloat
Float is always a double precision floating point value (64 bits). longfloat represents large precision floats. Its size is platform dependent.
Complex
complex64, complex128, complex
The real and complex elements of a complex64 are each represented by a single precision (32 bit) value for a total size of 64 bits.
Strings
str, unicode
Unicode is always UTF32 (UCS4)
Object
object Represent items in array as Python objects.
Records
void
Used for arbitrary data structures in record arrays.
Toán tử trong NumPy Array
a = np.array([2,1,3,4,5]) Toán tử Ví dụ
Kết quả
Xem thêm : Thay loa iPad 3
(+) Một số với mảng
3 + arr
arr +3
[4, 6, 7, 8, 9]
(+) Mảng với mảng
arr + a
a + arr
[3, 4, 7, 9, 11]
(-) Một số với mảng
arr – 3
3 – arr
[-2, 0, 1, 2, 3]
[2, 0, -1, -2, -3]
(-) Mảng với mảng
arr – a
a – arr
[-1, 2, 1, 1, 1]
[1, -2, -1, -1, -1]
(*) Một số với mảng
arr * 3
3 * arr
[3, 9, 12, 15, 18]
(*) Mảng với mảng
arr * a
a * arr
[2, 3, 12, 20, 30]
(/) Một số với mảng
arr / 3
3 / arr
[0.33333333, 1., 1.33333333, 1.66666667, 2.]
[3., 1., 0.75, 0.6, 0.5]
(/) Mảng với mảng
arr / a
a / arr
[0.5, 3., 1.33333333, 1.25, 1.2]
[2., 0.33333333, 0.75, 0.8, 0.83333333]
Hạng của ma trận
np.rank(arr)
np.rank(arr1)
1
2
Lời kết
Như vậy là mình đã giới thiệu cơ bản cho bạn về thư viện NumPy trong Python, nếu bạn muốn tìm hiểu thêm về thư viện NumPy thì bạn có thể vào ĐÂY để tham khảo thêm. Ở bài sau mình sẽ giới thiệu cho các bạn về cách xử lý dữ liệu với thư viện Pandas.
Nguồn: https://sigma.edu.vn
Danh mục: Công Nghệ
