Numpy ndarray là gì
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: Cài đặt thư viện Numpy- Mở Command Prompt và gõ lệnh: pip install numpy Các thao tác với Numpy1. Khai báo thư việnimport numpy as np2. Khởi tạo mảnga) 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
3. Thao tác với mảng
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
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 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
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
Toán tử trong NumPy Array a = np.array([2,1,3,4,5])
Lời kếtNhư 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 ĐÂYđể tham khảothêm. Ở bài sau mình sẽ giới thiệu cho các bạn về cách xử lý dữ liệu với thư viện Pandas. |