CHƯƠNG 1.

CÔNG NGHỆ THÔNG TIN TRONG CÁCH MẠNG CÔNG

NGHIỆP 4.0 VÀ THỜI CHUYỂN ĐỔI SỐ 7
1.1. Cuộc Cách mạng Công nghiệp 4.0 7
1.2. Chuyển đổi số 12
1.2.1. Thời chuyển đổi số 12
1.2.2. Các cấp độ của chuyển đổi số 13
1.2.3. Các yếu tố của chuyển đổi số 15
1.3. Vai trò của CNTT trong Cách mạng Công nghiệp 4.0 và Thời chuyển đổi số
18
1.3.1. Công nghệ lõi trong Cách mạng Công nghiệp 4.0 18
1.3.2. CNTT trong xây dựng hạ tầng số 23
1.4. Cách mạng công nghiệp 4.0 ở một số quốc gia 27
1.4.1. Xây dựng cơ sở hạ tầng số 27
1.4.2. Thanh toán điện tử - Thương mại điện tử 29
1.4.3. Chính phủ điện tử 31
1.4.4. Chuyển đổi số và những thành tựu đạt được 33
CHƯƠNG 2. PYTHON VÀ MÔI TRƯỜNG LÀM VIỆC 37
2.1. Giới thiệu về Python 37
2.1.1. Lịch sử của Python 37
2.1.2. Các tính năng chính của Python 37
2.1.3. Sử dụng Python 39
2.1.4. Những lý do chọn Python để lập trình 39
2.1.5. Cài đặt và thực thi Python 40
2.2. Môi trường làm việc Anaconda 43
2.3. Jupiter notebook 46
2.3.1. Tổng quan về notebook 47
2.3.2. Làm việc với notebook 48
2.4. Bài Tập 51
CHƯƠNG 3. KIỂU DỮ LIỆU TRONG PYTHON 53
3.1. Định danh và từ khóa 53

1
 3.2. Biến trong Python 54
3.3. Kiểu dữ liệu số trong Python 54
3.3.1. Các kiểu dữ liệu số 54
3.3.2. Chuyển đổi giữa các kiểu dữ liệu số 56
3.4. Module Decimal trong Python 57
3.5. Module Fraction trong Python 58
3.6. Module Math trong Python 59
CHƯƠNG 4. CÂU LỆNH 63
4.1. Lệnh lựa chọn if 63
4.1.1. Lệnh if 63
4.1.2. Lệnh if-else 65
4.1.3. Lệnh if-elif-else 66
4.1.4. Lệnh if lồng nhau 68
4.2. Lệnh lặp 69
4.2.1. Lệnh for..in 69
4.2.2. Lệnh while 74
4.3. Lệnh break và continue 76
4.3.1. Lệnh break 76
4.3.2. Lệnh continue 77
4.4. Bài tập 79
CHƯƠNG 5. HÀM TRONG PYTHON 83
5.1. Cơ bản về hàm trong Python 83
5.1.1. Hàm trong Python là gì? 83
5.1.2. Cú pháp của hàm Python 83
5.1.3. Ví dụ về hàm Python 84
5.1.4. Gọi hàm trong Python 84
5.1.5. Docstring trong Python 85
5.1.6. Lệnh return trong hàm Python 85
5.1.7. Phạm vi và thời gian tồn tại của các biến 86
5.1.8. Các loại hàm trong Python 87

2
5.2. Các hàm Python tích hợp sẵn 87
5.3. Hàm Python do người dùng tự định nghĩa 91
5.3.1. Hàm Python do người dùng định nghĩa là gì? 91
5.4. Tham số hàm Python 92
5.4.1. Tham số của hàm Python 92
5.4.2. Tham số mặc định trong hàm Python 93
5.4.3. Tham số keyword trong Python 94
5.4.4. Tham số tùy biến trong hàm Python 95
5.5. Hàm đệ quy trong Python 96
5.5.1. Hàm đệ quy trong Python là gì? 96
5.5.2. Ví dụ về hàm đệ quy trong Python 96
5.5.3. Ưu điểm của hàm đệ quy 97
5.5.4. Nhược điểm của đệ quy: 98
5.6. Hàm vô danh, Lambda trong Python 99
5.6.1. Hàm Lambda trong Python là gì? 99
5.6.2. Cú pháp hàm Lambda trong Python 99
5.6.3. Ví dụ về hàm Lambda trong Python 99
5.6.4. Sử dụng Lambda trong Python 100
5.7. Biến toàn cục (global), biến cục bộ (local), biến nonlocal trong Python 101
5.7.1. Biến toàn cục trong Python 101
5.7.2. Biến cục bộ trong Python 102
5.7.3. Biến cục bộ và biến toàn cục 102
5.7.4. Biến nonlocal trong Python 104
5.8. Từ khóa global trong Python 104
5.8.1. Quy tắc của từ khóa global trong Python 105
5.8.2. Cách sử dụng từ khóa global trong Python 105
5.9. Module trong Python 108
5.9.1. Module trong Python là gì? 108
5.9.2. Làm sao để nhập module trong Python? 109
5.9.3. Sử dụng lệnh import 109

3
 5.9.4. Nhập module và sửa tên khi nhập 110
5.9.5. Lệnh from...import trong Python 110
5.9.6. Nhập tất cả tên 110
5.9.7. Đường dẫn tìm kiếm module Python 111
5.9.8. Nạp lại module 111
5.9.9. Hàm dir() trong Python 112
5.10. Package trong Python 113
5.10.1. Package trong Python là gì? 113
5.10.2. Nhập module từ package trong Python 114
5.11. Bài tập 115
CHƯƠNG 6. DỮ LIỆU CÓ CẤU TRÚC TRONG PYTHON 123
6.1. List 123
6.1.1. Kiểm tra sự tồn tại của một phần tử 124
6.1.2. Duyệt mảng 125
6.1.3. Các phép toán trên mảng 125
6.1.4. Trích xuất mảng con 126
6.1.5. Xóa phần tử của mảng 126
6.1.6. Một số phương thức xử lý trong mảng 126
6.1.7. List lồng nhau 128
6.1.8. List và chuỗi 128
6.2. Dictionary 128
6.2.1. Thêm một phần tử 129
6.2.2. Một số hàm, phương thức thông dụng 129
6.3. Tuple 129
6.4. Mảng một chiều 130
6.4.1. Khởi tạo mảng một chiều 130
6.4.2. Truy cập mảng một chiều 131
6.4.3. Các phép toán trên mảng một chiều 132
6.4.4. Tích vô hướng của hai vector 133
6.5. Mảng nhiều chiều 133

4
 6.5.1. Khởi tạo ma trận 134
6.5.2. Truy cập vào các phần tử của ma trận 135
6.5.3. Các phép toán trên ma trận 136
6.5.4. Các phép toán giữa hai ma trận 138
6.5.5. Các phép toán giữa ma trận và vector 138
6.5.6. Tích giữa hai ma trận, tích giữa ma trận và vector 139
6.5.7. Chuyển vị ma trận 140
6.5.8. Reshape ma trận 140
6.6. Bài tập 142

5
CHƯƠNG 1. CÔNG NGHỆ THÔNG TIN TRONG CÁCH
MẠNG CÔNG NGHIỆP 4.0 VÀ THỜI CHUYỂN ĐỔI SỐ

1.1. Cuộc Cách mạng Công nghiệp 4.0

Có nhiều cách kiến giải khác nhau và đa chiều về khái niệm Công nghiệp 4.0
(CN4.0). Ví dụ: có nghiên cứu xem CN4.0 ‘là sự hợp nhất của những công nghệ, tạo sự
liên kết giữa không gian vật lý, số và sinh học… là khả năng hàng tỷ người có thể kết
nối với nhau thông qua các thiết bị di động với năng lực tính toán và khả năng lưu trữ
dữ liệu cực lớn và việc truy cập không giới hạn với tri thức nhân loại’; công nghệ lõi
thúc đẩy những liên kết này là robot tự hành, dữ liệu lớn (big data), trí tuệ nhân tạo
(AI), in 3D, điện toán đám mây, thực tế ảo, internet vạn vật (IoT) [1].

Hình 1-1. Các cuộc cách mạng công nghiệp đã diễ ra.

7
Một số nhận đinh về cuộc Cách mạng công nghiệp 4.0 được thể hiện ở các điểm
quan trọng sau [2]:
Tuy điểm vượt trội của CN4.0 nằm ở sự hợp nhất, kết nối giữa các công nghệ với
nhau, nhưng không nhất thiết phải ứng dụng đầy đủ nhiều công nghệ trong cùng một
chuỗi giá trị. Điều này có ý nghĩa quan trọng, bởi chi phí lớn và năng lực tiếp cận hạn
chế đối với các công nghệ ở bậc cao như AI, robot, blockchain sẽ làm nản lòng các
doanh nghiệp và hệ thống công quyền đặc biệt ở các nước đang phát triển và cấp địa
phương trong việc đầu tư ứng dụng và phát triển CN4.0. Ngược lại, nhận thức CN4.0
có thể triển khai với kết nối internet, ứng dụng thông minh, điện toán đám mây,
blockchain sẽ giúp các địa phương và doanh nghiệp nhỏ và vừa mạnh dạn đổi mới, ứng
dụng công nghệ với chi phí thấp, hiệu quả cao cho những mô hình cung cấp hàng hóa
và dịch vụ truyền thống của mình.

Bản chất của CN4.0 là sự kết hợp giữa thế giới thực và ảo trên nền tảng số, qua
đó làm thay đổi không gian vật lý, mối quan hệ giữa thông tin và trí tuệ, giữa chủ động
và tự động hóa, giữa máy móc và dữ liệu. Hệ quả là mỗi sự đổi mới này lại kéo theo
những thay đổi căn bản về mô hình kinh doanh và tổ chức doanh nghiệp, bao gồm thiết
kế, sản xuất, phân phối và dịch vụ. Có thể thấy, những công nghệ đã tạo lập những thể
chế mới, chiều hợp tác mới, thay đổi hẳn mối quan hệ giữa nhà sản xuất – người tiêu
dùng, hàng hóa – dịch vụ.

Khác với các cuộc cách mạng công nghiệp trước đây, khi các công nghệ mới thay
thế công nghệ cũ như năng lượng điện thay thế máy hơi nước, cách mạng CN4.0 không
thay thế mà còn bổ sung, mở rộng năng lực của công nghệ thế hệ trước, ví dụ: các mô
hình co-working, smart city sẽ mở rộng không gian và tạo nền tảng phát triển các hoạt
động kinh doanh truyền thống. Như vậy, mặc dù CN4.0 đều nhấn mạnh sự tích hợp,
kết nối giữa các công nghệ, nhưng không loại trừ ứng dụng riêng biệt của các công
nghệ đơn lẻ.

Lợi ích của CN4.0 là vô cùng rộng lớn và còn đang phát triển. Có ý kiến cho rằng
CN4.0 đang phát triển theo cấp số nhân. Nếu chúng ta chứng kiến sự nâng cấp cấu hình
của các dòng sản phẩm điện thoại di động và sản phẩm kỹ thuật số khác thì có thể thấy
nhận xét này không hề thổi phồng triển vọng phát triển của CN4.0; và người ta chưa

8
nhìn thấy giới hạn của xu hướng này.

Tốc độ phát triển của những đột phá trong cách mạng công nghiệp lần thứ tư này
là không có tiền lệ trong lịch sử. Nếu như các cuộc cách mạng công nghiệp trước đây
diễn ra với tốc độ theo cấp số cộng (hay tuyến tính) thì tốc độ phát triển của cách mạng
công nghiệp lần thứ tư này là theo cấp số nhân. Thời gian từ khi các ý tưởng về công
nghệ và đổi mới sáng tạo được phôi thai, hiện thực hóa các ý tưởng đó trong các phòng
thí nghiệm và thương mại hóa ở qui mô lớn các sản phẩm và qui trình mới được tạo ra
trên phạm vi toàn cầu được rút ngắn đáng kể.Những đột phá công nghệ diễn ra trong
nhiều lĩnh vực như kể trên với tốc độ rất nhanh và tương tác thúc đẩy nhau đang tạo ra
một thế giới được số hóa, tự động hóa và ngày càng trở nên hiệu quả và thông minh
hơn.

Cuộc cách mạng công nghiệp lần thứ tư có những tác động to lớn về kinh tế, xã
hội và môi trường ở tất cả các cấp – toàn cầu, khu vực và trong từng quốc gia. Các tác
động này mang tính rất tích cực trong dài hạn, song cũng tạo ra nhiều thách thức điều
chỉnh trong ngắn đến trung hạn.

Về mặt kinh tế, cuộc cách mạng công nghiệp lần thứ tư có tác động đến tiêu
dùng, sản xuất và giá cả. Từ góc độ tiêu dùng và giá cả, mọi người dân đều được
hưởng lợi nhờ tiếp cận được với nhiều sản phẩm và dịch vụ mới có chất lượng với chi
phí thấp hơn.

Cuộc cách mạng công nghiệp lần thứ tư cũng tác động tích cực đến lạm phát toàn
cầu. Nhờ những đột phá về công nghệ trong các lĩnh vực năng lượng (cả sản xuất cũng
như sử dụng), vật liệu, Internet vạn vật, người máy, ứng dụng công nghệ in 3D,… đã
giúp giảm mạnh áp lực chi phí, chuyển đổi sang một thế giới hiệu quả, thông minh và
sử dụng nguồn lực tiết kiệm hơn.

Từ góc độ sản xuất, trong dài hạn, cuộc cách mạng công nghiệp lần này sẽ tác
động hết sức tích cực. Kinh tế thế giới đang bước vào giai đoạn tăng trưởng chủ yếu
dựa vào động lực không có trần giới hạn là công nghệ và đổi mới sáng tạo, thay cho
tăng trưởng chủ yếu dựa vào các yếu tố đầu vào luôn có trần giới hạn.

Tuy nhiên cuộc cách mạng công nghệ này đang tạo ra những thách thức liên quan

9
đến những chi phí điều chỉnh trong ngắn đến trung hạn do tác động không đồng đều
đến các ngành khác nhau: có những ngành sẽ tăng trưởng mạnh mẽ và có những ngành
sẽ phải thu hẹp đáng kể. Trong từng ngành, kể cả các ngành tăng trưởng, tác động cũng
có sự khác biệt giữa các doanh nghiệp, với sự xuất hiện và tăng trưởng nhanh của
nhiều doanh nghiệp tạo ra những công nghệ mới và sự thu hẹp, kể cả đào thải của các
doanh nghiệp lạc nhịp về công nghệ.

Chính vì vậy mà Cuộc cách mạng công nghiệp lần thứ tư đang vẽ lại bản đồ kinh
tế trên thế giới, với sự suy giảm quyền lực của các quốc gia dựa chủ yếu vào khai thác
tài nguyên và sự gia tăng sức mạnh của các quốc gia dựa chủ yếu vào công nghệ và đổi
mới sáng tạo:

* Nhiều quốc gia phát triển song chủ yếu dựa vào tài nguyên như Úc, Canada, Na
Uy, … đang phải trải qua một quá trình tái cơ cấu nền kinh tế nhiều thách thức. A rập
Xê út gần đây đã chính thức tuyên bố về kế hoạch tái cơ cấu nền kinh tế và chuyển đổi
mô hình tăng trưởng để giảm mạnh sự phụ thuộc vào dầu mỏ. Trừ Ấn Độ, các nước
còn lại trong nhóm BRICS đang gặp nhiều thách thức do có nền kinh tế dựa nhiều vào
tài nguyên khoáng sản.

* Nước Mỹ - đầu tàu thế giới về công nghệ và dẫn dắt cuộc cách mạng công
nghiệp lần thứ tư đang khôi phục vị thế hàng đầu của mình trên bản đồ kinh tế thế giới.
Các nước Đông Bắc Á (Nhật Bản, Hàn Quốc, Đài Loan) cũng tham gia mạnh mẽ vào
quá trình này, đặc biệt là trong lĩnh vực công nghiệp chế tạo. Trung Quốc cũng là nước
có thể sẽ được hưởng lợi nhiều do sau nhiều năm xây dựng và củng cố khả năng áp
dụng và hấp thụ công nghệ thông qua tăng trưởng xuất khẩu (kể cả bắt chước và sao
chép) đã bắt đầu bước vào giai đoạn tạo ra công nghệ với sự xuất hiện mạnh mẽ của
một số tập đoàn phát triển công nghệ hàng đầu thế giới. Điều này giúp Trung Quốc
giảm nhẹ được tác động của quá trình điều chỉnh đang diễn ra sau giai đoạn tăng
trưởng nóng của thập niên trước.

* Tại châu Âu, một số nước như Đức, Na Uy có thể tham gia và tận dụng được
nhiều cơ hội từ cuộc cách mạng công nghiệp mới. Tuy nhiên, nhiều nền kinh tế châu
Âu khác tỏ ra hụt hơi trong cuộc đua này cho dù có hệ thống nguồn nhân lực tốt, được
lý giải một phần là do tinh thần và môi trường khởi nghiệp để thúc đẩy phát triển công

10
nghệ mới không bằng so với Mỹ và các nước Đông Bắc Á.

Bản đồ sức mạnh của các doanh nghiệp cũng đang được vẽ lại: các tập đoàn lớn
vang bóng một thời và thống lĩnh thị trường trong một giai đoạn dài đang bị các doanh
nghiệp trẻ khởi nghiệp trong giai đoạn gần đây trong lĩnh vực công nghệ vượt mặt. Một
số ví dụ điển hình là:

(i) Trong lĩnh vực công nghệ thông tin, các công ty như Google, Facebook
v.v… đang tăng trưởng nhanh, trong khi các công ty tiếng tăm khác như IBM,
Microsoft, Cisco, Intel, hay một loạt các tập đoàn điện tử lớn của Nhật Bản đang phải
trải qua một quá trình tái cơ cấu đầy khó khăn. Sự sụp đổ của các “ông lớn” như Nokia,
hay trước đó là Kodak cho thấy nguy cơ “sai một ly đi một dặm” mà các công ty phải
đối mặt trong cuộc cạnh tranh đã khốc liệt lại càng khốc liệt hơn trong thời đại của
cuộc cách mạng công nghiệp lần thứ tư đang diễn ra với tốc độ của “lũ quét”.

(ii) Trong lĩnh vực chế tạo, các công ty ô tô truyền thốngđang chịu sức ép cạnh
tranh quyết liệt từ các công ty mới nổi lên nhờ cách tiếp cận mới như Tesla đang đẩy
mạnh sản xuất ô tô điện và tự lái, cũng như Google và Uber.

(iii) Trong lĩnh vực tài chính ngân hàng, quá trình tái cơ cấu đang diễn ra trên
diện rộng ảnh hưởng đến việc làm của hàng triệu nhân viên trong 10 năm tới do ứng
dụng ngân hàng trực tuyến di động, và sự cạnh tranh quyết liệt từ các doanh nghiệp
khởi nghiệp từ Silicon Valley cung cấp các dịch vụ tài chính rẻ hơn nhiều cho khách
hàng nhờ ứng dụng điện toán đám mây. Ngành bảo hiểm cũng đang chịu sức ép tái cơ
cấu dưới tác động của việc ứng dụng trí tuệ nhân tạo, và tương lai sụt giảm nhu cầu
bảo hiểm xe cộ khi xe tự lái trở nên phổ biến trên thị trường.

(iv) Cuộc cạnh tranh toàn cầu lại càng thêm khốc liệt với sự nhập cuộc của
nhiều công ty đa quốc gia siêu nhỏ, đang trở thành một xu hướng rõ nét nhờ hạ tầng
thông tin Internet cho hiện thực và thương mại hóa một ý tưởng mới trên toàn cầu một
cách nhanh chóng do chi phí giao dịch giảm mạnh, giúp giảm đáng kể chi phí và qui
mô nhập cuộc.

Tác động đến môi trường: là tích cực trong ngắn hạn và hết sức tích cực trong
trung và dài hạn nhờ các công nghệ tiết kiệm năng lượng, nguyên vật liệu và thân thiện

11
với môi trường. Các công nghệ giám sát môi trường cũng đang phát triển nhanh, đồng
thời còn được hỗ trợ bởi Internet kết nối vạn vật, giúp thu thập và xử lý thông tin liên
tục 24/7 theo thời gian thực, ví dụ thông qua các phương tiện như máy bay không
người lái được kết nối bởi Internet được trang bị các camera và các bộ phận cảm ứng
có khả năng thu thập các thông tin số liệu cần thiết cho việc giám sát.

Tác động đến xã hội: thông qua kênh việc làm trong trung hạn là điều đáng quan
ngại nhất hiện nay. Trong những thập niên gần đây, bất bình đẳng về thu nhập đã có xu
hướng tăng nhanh, nổi bật là 1% số người giàu nhất nắm tài sản tương đương với 99%
số người còn lại. Nhưng cuộc cách mạng công nghiệp lần thứ tư lại càng làm khuyếch
đại thêm xu hướng này do lợi suất của ý tưởng tăng mạnh: nhờ có ý tưởng liên quan
đến công nghệ và đổi mới sáng tạo nên đã xuất hiện nhiều tỷ phú đô la chỉ ở độ tuổi
trên 20 dưới 30, điều rất khác biệt so với giai đoạn trước đây. Lợi suất của kỹ năng, đặc
biệt là các kỹ năng thúc đẩy hay bổ trợ cho quá trình số hóa, tự động hóa (bằng người
máy hay bằng phần mềm – tức là trí tuệ nhân tạo có khả năng tự học) cũng tăng
mạnh.Trong khi đó, các kỹ năng truyền thống đã từng có vai trò quan trọng trong giai
đoạn trước, song đang bị người máy thay thế nên có lợi suất giảm mạnh. Nhóm lao
động chịu tác động mạnh nhất là lao động giản đơn, ít kỹ năng do rất dễ bị thay thế bởi
người máy và do vậy có giá đang giảm nhanh. Đây là một trong những nguyên nhân
chính dẫn đến sự gia tăng bất bình đẳng trên toàn cầu, làm doãng chênh lệch về thu
nhập và tài sản giữa một bên là lao động ít kỹ năng hay có kỹ năng dễ bị người máy
thay thế chiếm tuyệt đại bộ phận người lao động, và bên kia là những người có ý tưởng
hay kỹ năng bổ trợ cho quá trình tự động hóa và số hóa đang diễn ra với tốc độ nhanh.

1.2. Chuyển đổi số

1.2.1. Thời chuyển đổi số

Thời chuyển đổi số là thời đại mà mọi vật dần được số hoá và rất nhiều công
nghệ số được phát triển và sử dụng nhằm mang lại nhiều lợi ích, hiệu quả trong công
việc. Như vậy, đã có sự chuyển đổi kết nối giữa thế giới thực thể (vật lý) và không gian
số. Mọi điều xảy ra trên thế giới các thực thể đều có thể được tính toán điều khiển trên
không gian số và ngược lại.

12
 Hình 1-1. Thế giới thực thể - Không gian số

Sự đột phá của các công nghệ số đã tạo nên những thay đổi lớn trong công việc
hằng ngày của mọi người và các công nghệ sau đây được xem là công nghệ lõi trong
cuộc cách mạng CN4.0, bao gồm:

 Điện toán đám mây

 Internet vạn vật
 Block chain
 Trí tuệ nhân tạo
 Dữ liệu lớn
 Khoa học dữ liệu

1.2.2. Các cấp độ của chuyển đổi số

Chuyển đổi số trong doanh nghiệp là việc tích hợp, áp dụng công nghệ số để nâng
cao hiệu quả kinh doanh, hiệu quả quản lý của doanh nghiệp và tạo ra các giá trị mới.
Các hoạt động chuyển đổi số có thể bao gồm từ việc số hóa dữ liệu quản lý, kinh doanh
của doanh nghiệp, áp dụng công nghệ số để tự động hóa, tối ưu hóa các quy trình
nghiệp vụ, quy trình quản lý, sản xuất kinh doanh, quy trình báo cáo, phối hợp công
việc trong doanh nghiệp cho đến việc chuyển đổi toàn bộ mô hình kinh doanh, tạo
thêm giá trị mới cho doanh nghiệp. Có ba cấp độ của chuyển đổi số thường gặp:

13
 Hình 1-1. Các cấp độ số hóa

a. Số hóa thông tin (Digitization)

Số hóa thông tin là việc chuyển đổi dữ liệu từ dạng vật lý (analog) sang dạng kỹ
thuật số (digital), chuyển đổi việc lưu trữ và truyền các thông tin, tín hiệu, âm thanh,
hình ảnh dựa trên các công nghệ, kỹ thuật truyền thống (giấy tờ, công nghệ anolog)
sang việc sử dụng các công nghệ số mà ở đó thông tin, tín hiệu, âm thanh được biểu thị
dưới dạng số nhị phân 0 và 1 và có thể được lưu trữ trong các hệ thống máy tính,
truyền tín hiệu giữa các máy tính.

Ví dụ: Chuyển đổi dữ liệu trên giấy thành kỹ thuật số bằng công nghệ nhận dạng
chữ viết. Thay đổi việc ghi chép vào biểu mẫu trên giấy bằng việc nhập liệu trực tiếp
trên máy tính, điện thoại, v.v. Dữ liệu dưới dạng kỹ thuật số giúp dễ dàng lưu trữ, tìm
kiếm và khai thác.

b. Số hóa quy trình (Digitalization)

Số hóa quy trình là việc áp dụng công nghệ số và sử dụng các dữ liệu số để đơn
giản hóa, tự động hóa quá trình xử lý thông tin hiện tại, giúp giảm chi phí vận hành và
tăng hiệu quả nhưng thông thường không làm thay đổi mô hình hoạt động của tổ chức,
doanh nghiệp.

Ví dụ: Số hóa quy trình cấp chứng minh nhân dân, cấp bằng lái xe, xin tạm ứng
khi đi công tác, giúp loại bỏ các công đoạn sử dụng giấy, giúp tiết kiệm công sức đi lại
xin phê duyệt, nâng cao năng suất lao động của khối phòng ban hỗ trợ.

14
c. Chuyển đổi số (Digital Transformation)

Chuyển đổi số ở mức độ cao hơn và bao hàm cả hoạt động số hóa và số hóa hoạt
động, là quá trình khai thác các công nghệ số và các khả năng hỗ trợ để tạo ra một mô
hình kinh doanh số mới mạnh mẽ.

Chuyển đổi số nói về công nghệ sốvà việc sử dụng công nghệ số giúp con người
giải quyết các vấn đề truyền thống. Và con người ưu tiên các giải pháp số hiện đại thay
vì các giải pháp cũ.

Ví dụ chuyển đổi số: Các mô hình về thanh toán QR, thanh toán điện tử thay cho
các mô hình thanh toán Séc, thanh toán tiền mặt; mô hình bán hàng Thương mại điện
tử, online to offline, Dropship; mô hình chăm sóc khách hàng, giải quyết khiếu nại đa
kênh (Facebook fanpage, AI/Chat bot, …) thay thế mô hình chăm sóc khách hàng trực
tiếp, qua điện thoại….

1.2.3. Các yếu tố của chuyển đổi số

Để thực hiện chuyển đối số thành công có ba yếu tố chúng ta phải quan tâm trong
quá trình chuyển đổi số và có thể khái quát thành một công thức như sau:

Chuyển đổi số = Chuyển đổi kinh doanh + Chuyển đổi con người + Chuyển đổi
công nghệ.

Chuyển đổi kinh doanh: là việc thay đổi và tối ưu hóa mô hình kinh doanh
thông qua tối ưu hóa các quy trình nghiệp vụ

Chuyển đổi con người: là nhiệm vụ của chuyển đổi con người trong chuyển đổi
số là gắn kết con người và phát triển năng lực. Trong đó gắn kết con người bao gồm
lãnh đạo liên phòng ban và nhân viên liên phòng ban; phát triển năng lực bao gồm
quản lý năng lực và sự thay đổi kết hợp với liên tục đào tạo và luân chuyển.

Chuyển đổi công nghệ: là yếu tố công nghệ bao gồm việc ứng dụng những hạ
tầng số, các nền tảng số, các công nghệ mới (Big Data, Blockchain, …) để mang lại lới
thế vượt bậc.

Chuyển đổi số thành công cần có sự chuyển đổi của cả 3 yếu tố:

Trải Nghiệm Khách Hàng Xuất Sắc: là việc thực thi chiến lược kinh doanh với:

15
chi phí thấp hơn, rủi ro thấp hơn, tạo ra nhiều doanh thu hơn, tạo ra nhiều giá trị hơn so
với các đối thủ cạnh tranh

Mô Hình Kinh Doanh Mới: Là việc tạo ra sự hài lòng và gắn kết của khách
hàng nhiều hơn so với những đối thủ cạnh tranh. Trong đó trải nghiệm khách hàng là
kết quả của tất cả những tương tác giữa khách hàng và doanh nghiệp, ví dụ như lần đầu
gặp mặt, thời điểm mua hàng, quá trình sử dụng, thời điểm rời bỏ hoặc giới thiệu cho
khách hàng mới.

Vận Hành Xuất Sắc: Là việc tạo ra những mô hình kinh doanh ít có (hoặc không
có) sự cạnh tranh từ các đối thủ. Trong đó mô hình kinh doanh là cách doanh nghiệp
tạo ra giá trị, đưa giá trị đến với khách hàng, đem về doanh thu và phân bổ chi phí.

Ví dụ một số công ty, doanh nghiệp trên thế giới thành công với công việc
chuyển đổi số cho doanh nghiệp được xem xét dựa trên các yếu tố.

- Vận hành xuất sắc:

Ví dụ: Vận hành xuất sắc (Skywise) của Airbus đã dẫn đến tăng sản xuất A350
lên 33% nhờ triển khai Skywise và giảm 50% sự chậm trễ do bảo trì đã tiết kiệm 3
triệu $ mỗi năm cho việc khắc phục các lỗi thường xuyên xảy ra trong cabin. Chi phí
được yêu cầu bảo hành dưới 4-7 triệu $ mỗi năm

Ví dụ vận hành xuất sắc của công ty TOYOTA: Thiết lập chương trình gọi là
“Advanced IT for Manufacturing” để kết hợp chặt chẽ các lĩnh vực của doanh nghiệp.
Ban chỉ đạo ở Bắc Mỹ của chương trình đã triển khai 32 hệ thống sản xuất thông minh.
Ví dụ: Toyota có 6 nhà máy lắp ráp xe ở Mỹ, với 14 nhà máy ở Bắc Mỹ; tạo ra khoảng
365.000 việc làm ở Mỹ

- Trải nghiệm khách hàng xuất sắc:

Ví dụ trải nghiệm khách hành xuất sắc của tập đoàn DBS: Tập đoàn dịch vụ tài
chính hàng đầu ở châu Á với sự hiện diện tại 18 thị trường. Đã ra mắt DB digibank -
một ứng dụng di động đột phá được thiết kế để giúp khách hàng thao tác đơn giản hơn,
nhanh hơn và tiện lợi hơn. Thiết kế lấy con người làm trung tâm. Hơn 2,5 triệu khách
hàng ở Singapore. Hơn 1,2 triệu giao dịch trên thiết bị kỹ thuật số mỗi ngày. Tài khoản
tại ngân hàng di động chiếm hơn 60% trong số hơn 500.000 lượt đăng nhập mỗi ngày.

16
Cho phép khách hàng bắt đầu các mối quan hệ ngân hàng mà không cần phải đến chi
nhánh.

Ví dụ trải nghiệm khách hành xuất sắc của tập đoàn Amazon: Nhà bán lẻ trực
tuyến lớn nhất thế giới. Điều đưa Amazon trở thành một thương hiệu huyền thoại là sự
kết hợp giữa trải nghiệm của khách hàng và sản phẩm, giữ người mua hàng quay lại.
Đi đầu trong một số đổi mới trong hoạt động logistic với hàng loạt tùy chọn được thiết
kế cho khách hàng:

 Tùy chọn giao nhận hàng- tùy chọn vận chuyển hay một số trường hợp được
giao hàng miễn phí
 Tùy chọn đặt hàng - đặt mua hàng với chỉ một cú nhấp chuột
 Tùy chọn đổi trả hàng
Cung cấp trải nghiệm kỹ thuật số cho khách hàng

 Khách hàng có thể đặt hàng qua ứng dụng

 72% khách hàng mong đợi phản hồi trong vòng 1h. Amazon giám sát
Twitter @AmazonHelp xử lý bảy ngày một tuần bằng bảy ngôn ngữ
 Cung cấp trải nghiệm đa kênh: ứng dụng, phương tiện truyền thông, trang
web,…
- Trải nghiệm sản phẩm
Ví dụ trải nghiệm sản phẩm như khả năng tìm kiếm: sắp xếp theo thương hiệu;
đánh giá của khách hàng, giá cả, tính khả dụng theo danh mục cụ thể. Tập đoàn Alexa
đã sử dụng trí tuệ nhân tạo giúp công việc hàng ngày của bạn dễ dàng hơn và cung cấp
các đề xuất tốt hơn khi thực hiện các thao tác.

- Các mô hình kinh tế chia sẻ

Ví dụ thành công nhờ mô hình kinh tế chia sẻ: công ty Airbnb là một thị trường
cộng đồng cho việc đặt và cho thuê phòng, căn hộ online, có trụ sở tại Silicon Valley,
California hay Uber: Là một công ty kinh doanh mạng lưới giao thông vận tải và công
ty taxi dựa trên ứng dụng có trụ sở tại San Francisco, California, và hoạt động tại các
thành phố ở nhiều nước.

1.3. Vai trò của CNTT trong Cách mạng Công nghiệp 4.0 và Thời

17
chuyển đổi số
1.3.1. Công nghệ lõi trong Cách mạng Công nghiệp 4.0

Sự đột phá của các công nghệ số đã tạo nên những thay đổi lớn trong cách thức
lưu trữ, xử lý, và ứng dụng công nghệ thông tin vào cuôc sống, và các công nghệ được
xem là công nghệ lõi trong cuộc cách mạng CN4.0 và chuyển đổi số bao gồm:

Hình 1-1. Các công nghệ lõi trong cuộc cách mạng công nghiệp 4.0

a. Điện toán đám mây (Cloud computing)

Lưu giữ và truy nhập dữ liệu và chương trình trên các “đám mây” (clouds) qua
Internet thay vì trên máy tính của người dùng. Dữ liệu được lưu giữ thường trực tại các
máy chủ trên Internet và chỉ lưu trữ tạm thời ở máy khách.

Ví dụ: Google drive, Gmail, Dropbox

18
 Hình 1-2. Điện toán đám mây.

b. Internet vạn vật (IoT)

Là sự kết nối trên mạng (internetworking) của các vật thể, thiết bị (connected
devices, “smart devices”). Các thực thể, thiết bị có khả năng trao đổi thông tin, dữ liệu
chỉ qua Internet mà không cần tương tác trực tiếp (người với người, người với máy,
máy với máy (M2M).

Ví dụ: Sức khoẻ một người có thể nối với Hồ sơ sức khoẻ điện tử, wearables, trái
tim cấy ghép, cơ sở tri thức về bệnh, hệ cảnh báo, chỉ dẫn xử lý...

19
 Hình 1-1. Vạn vật kết nối Internet (IoTs).

c. Chuỗi khối (Block-chain)

Về bản chất, blockchain như cơ sở dữ liệu thông thường: lưu trữ dữ liệu với các
thuộc tính duy nhất:

 Phân cấp - không ai có toàn quyền kiểm soát thông tin nào đi vào.
 Đồng thuận - nhiều bên khác nhau lưu trữ các bản sao chính xác của cùng
một hồ sơ gốc, vì vậy đa số phải đồng ý về dữ liệu được thêm vào
 ‘Chỉ thêm’, nghĩa là không thể chỉnh sửa những gì đã có, chỉ có thể thêm.
 Thông tin mới không thể xung đột với những gì đã được thêm.
 Thông tin có thể được truy cập và nhân rộng bởi tất cả mọi người.

Hình 1-1. Chuỗi khối-Blockchain.

20
d. Dữ liệu lớn (Big data)

Dữ liệu lớn nói về các tập dữ liệu rất lớn và/hoặc rất phức tạp, vượt quá khả năng
xử lý của các kỹ thuật IT truyền thống.

Hình 1-1. Dung lượng dữ liệu thu thập từ các nguồn khác nhau.

Tuy nhiên, dữ liệu lớn có thể rất nhỏ. Không phải mọi tập dữ liệu to đều lớn.

Hình 1-2. Dữ liệu lớn.

e. Trí tuệ nhân tạo

21
 Lĩnh vực làm cho máy (tính) hoạt động như có trí thông minh của con người (lập
luận, hiểu ngôn ngữ, họctập...).

Hình 1-1. Các lĩnh vực khác nhau của Trí tuệ nhân tạo

f. Khoa học dữ liệu

Là công nghệ trực tiếp trích rút tri thức hành động từ dữ liệu qua quá trình phát
hiện, thiết lập và kiểm nghiệm các giả thiết, hay nói cách khác là dùng dữ liệu tạo
quyết định dẫn dắt hành động.

22
 Hình 1-1. Khoa học dữ liệu.

1.3.2. CNTT trong xây dựng hạ tầng số

Hạ tầng số, đặc biệt là hạ tầng dữ liệu, là yếu tố quyết định để phát triển trong
thời chuyển đổi số.

Hình 1-1. Hạ tầng của nền kinh tế số.

Hạ tầng dữ liệu có vai trò quan trọng trong việc xây dựng hạ tầng số trong thời
chuyển đổi số là yếu tố quyết định để phát triển trong thời chuyển đổi số, cách mạng
CN4.0, giúp lưu trữ các thông tin thế giới thực vào không gian số, phục vụ các thao tác
khai thác, ứng dụng trong không gian số hóa. Hình 13, 14, 15 mô tả việc xây dựng hạ
tầng dữ liệu Quốc gia phục vụ cho quá trình số hóa đang diễn ra ở Nước ta.

23
 Hình 1-2. Cơ sở dữ liệu tài sản của Quốc gia và doanh nghiệp.

Hình 1-3. Cấu trúc hạ tầng dữ liệu Quốc gia ngành giáo dục.

24
 Hình 1-4. Cấu trúc hạ tầng dữ liệu Quốc gia ngành nông nghiệp.

Xây dựng các cơ sở dữ liệu dùng chung để phối hợp, giải quyết các bài toán vĩ
mô, giúp Nhà nước thống nhất chung trong quản lý thông tin cũng như xử lý thông tin
trong các lĩnh vực, vùng miền khác nhau.

Hình 1-5. Hạ tầng dùng chung.

25
 Hạ tầng kết nối: Internet đóng một vai trò quan trọng để kết nối các hệ thống,
thiết bị trong cách mạng CN4.0. Trên thực tế, IoT đã trở thành một trong những công
nghệ lõi trong cuộc cách mạng này cùng với nó là các kết nối sử dụng công nghệ 4G,
5G đang ngày càng giúp cho việc kết nối vào mạng dễ dàng hơn.

Tốc độ phát triển của 5G đã đi rất nhanh hơn những gì mà các chuyên gia viễn
thông có thể dự đoán. Theo Báo cáo mới nhất của GSA (Global mobile Suppliers
Asociation - Hiệp hội các nhà cung cấp di dộng toàn cầu), tính đến tháng 12/2020, đã
có 64 quốc gia và vùng lãnh thổ triển khai thương mại diện rộng 5G, trong khi nhiều
nước khác cũng đang tiến hành triển khai 5G dạng thử nghiệm. Báo cáo của GSA dự
báo rằng mạng 5G sẽ đạt 1 tỷ thuê bao trong 3,5 năm, so với phải mất 4 năm của 4G và
thậm chí là 12 năm của 3G. Bắc Mỹ (North America), châu Âu (EU) và Đông Á (East
Asia) được coi là những quốc gia đi đầu trong việc cung cấp dịch vụ 5G. Đầu tư phát
triển công nghệ 5G đang được đẩy mạnh tại các quốc gia từ Nam đến Đông Nam Á
cũng như các quốc gia khu vực Nam Mỹ.

Hình 1-6. Tốc độ và tình hình sử dụng kết nối 5G trên thế giới.

Trong Báo cáo mới nhất của GSA công bố vào 24/3/2021, tính đến hết quý
4/2020, đã có gần 5,95 tỷ thuê bao mạng LTE trên toàn thế giới, tăng thêm 507 triệu
thuê bao sau 12 tháng, tốc độ tăng trưởng đạt 9,3% so với cùng kỳ năm trước. Theo
thống kê, thuê bao LTE hiện chiếm 62,2% tổng số thuê bao toàn cầu. Cũng theo báo

26
cáo này, thuê bao 5G đã tăng 57% trong quý 4/2020 với mức đạt 401 triệu thuê bao
trên phạm vi toàn cầu (chiếm gần 4,19% tổng số thuê bao toàn cầu). Cũng theo báo cáo
này hiện có 153 DNVT triển khai thương mại 5G tại 64 quốc gia và vùng lãnh thổ trên
phạm vi toàn cầu. Hàn Quốc được xem như là bài học thành công nhất về phát triển
mạng 5G và quốc gia này chắc chắn sẽ dẫn đầu trong việc triển khai 5G và các công
nghệ sau đó. Theo tính toán, vào năm 2025 khoảng 60% các thuê bao tại Hàn Quốc sẽ
sử dụng mạng 5G. Hàn Quốc cũng đi đầu về tốc độ 5G khi gần đây họ đang trên đường
đuổi kịp Saudi Arabia theo một báo cáo của Open Signal. Cũng theo Báo cáo mới nhất
của GSA công bố vào đầu tháng 3/2021, số lượng các thiết bị đầu cuối tương thích với
5G tiếp tục tăng và vượt hơn 600 thiết bị và hiện có 628 thiết bị 5G (tăng 21% so với 3
tháng qua). Số lượng các thiết bị 5G có thể thương mại hóa là hơn 400 thiết bị (tăng
33.3% so với 3 tháng qua, và chiếm 64,3% các thiết bị 5G đã được thông báo).

1.4. Cách mạng công nghiệp 4.0 ở một số quốc gia

Từ Tổng luận về Cuộc cách mạng công nghiệp lần thứ 4 của Cục thông tin
KH&CN Quốc gia [3] ta có thể thấy được quy mô chuẩn bị cơ sở hạ tầng cũng như
những thành công ban đầu ở một số nước trên thế giới trong cuộc cách mạng công
nghiệp lần thứ 4 này.

1.4.1. Xây dựng cơ sở hạ tầng số

Singapore
Singapore đã đạt được nhiều tiến bộ trong việc cải thiện cơ sở hạ tầng số hóa, qua
đó thúc đẩy tăng cường năng lực và mở rộng ứng dụng số hóa trong các hộ gia đình và
doanh nghiệp. Tiêu biểu có thể kể đến sự phát triển của hệ thống cáp quang và mạng
4G, nhờ đó tăng đáng kể tốc độ truyền tải thông tin. Nhờ mạng cáp quang mà tốc độ
kết nối Internet trung bình của Singapore đã tăng từ 5,4 megabit mỗi giây (Mbps) năm
2012 lên 20 Mbps năm 2016, ngang với Nhật Bản và Phần Lan. Tương tự như vậy,
Singapore cũng nằm trong nhóm đầu các quốc gia có tốc độ kết nối 4G nhanh nhất thế
giới, một phần nhờ liên tục đầu tư cải thiện hạ tầng mạng. Tổng lượng đăng kí băng
thông rộng cáp quang và đăng ký 4G tại Singapore đã tăng gấp đôi trong vòng 5 năm
qua. Tốc độ internet nhanh hơn thúc đẩy các hộ gia đình Singapore chuyển dần nhiều

27
hoạt động của mình vào không gian kỹ thuật số. Phát hiện từ khảo sát thường niên của
Cơ quan Phát triển Thông tin - Truyền thông Singapore (IMDA) cho thấy từ năm 2010
đến 2015 sốlượng người tham gia vào các hoạt động internet như mua sắm trực tuyến
và các giao dịch tài chính trực tuyến tăng lên đáng kể. Ở khu vực doanh nghiệp, các
khoản đầu tư vào các tài sản số nhằm tăng cường năng lực số của các doanh nghiệp
cũng ngày càng nhiều. Trong khoảng thời gian 2013-2015, tổng chi vốn cho các tài sản
số cố định1 tăng hàng năm trung bình 7,1%. Theo đó, các doanh nghiệp cũng tăng
cường sử dụng các công cụ số trong các hoạt động kinh doanh thường nhật, tăng cường
áp dụng thanh toán điện tử và các dịch vụ di dộng trong kinh doanh.

Ngoài những xu hướng nổi bật trên, mức độ ứng dụng các loại công cụ và năng
lực kỹ thuật số như dịch vụ điện toán đám mây, các nhà máy thông minh,… cũng tăng
nhanh trong những năm gần đây. Với nhiều nỗ lực của Chính phủ Singapore hướng
đến số hóa nền kinh tế (như thông qua Chương trình sáng kiến Quốc gia Thông minh)
thì mức độ ứng dụng số hóa của các hộ gia đình và doanh nghiệp được duy trì và ngày
càng phát triển.

Hàn Quốc
Theo kết quả khảo sát của Bộ Khoa học, Công nghệ thông tin và truyền thông, và
Quy hoạch Hàn Quốc thì tỷ lệ dân số Hàn Quốc sử dụng Internet (tính từ trẻ 3 tuổi trở
lên) năm 2016 đạt 88,3%, tăng 3,2% so với năm 2015. Đặc biệt, số người cao tuổi sử
dụng internet tăng mạnh, cứ hai người trên 60 tuổi lại có một người dùng internet. Tỷ
lệ sử dụng Internet ở lứa tuổi từ 10 tới 40 tuổi đạt mức tuyệt đối 100%. Thời gian sử
dụng Internet bình quân là 14,3 giờ/tuần, tăng 0,6 giờ so với năm 2015. Tần suất sử
dụng Internet nhiều hơn một lần/tuần đạt 98,9%. Phương tiện để truy cập internetđang
có chiềuhướng chuyển từ máy tính sang điện thoại smartphone. Tỷ lệ sở hữu
smartphone trên mỗi hộ gia đình tăng từ 84,1% vào năm 2014 lên 88,5% vào năm
2016, trong khi tỷ lệ sở hữu máy tính giảm từ 78,2% xuống còn 75,3%. Tỷ lệ số hộ gia
đình Hàn Quốc kết nối mạng internet đạt 99,2%, đứng đầu trong số 175 quốc gia thuộc
Liên minh viễn thông quốc tế (ITU). Theo tổ chức nghiên cứu Internet Akamai, Hàn
Quốc hiện là quốc gia có tốc độ kết nối internet nhanh nhất thế giới, vượt trên cả Nhật
Bản và Mỹ.

28
1.4.2. Thanh toán điện tử - Thương mại điện tử

Singapore
Singapore là thị trường thanh toán điện tử (TTĐT) phát triển mạnh nhất trong các
nước ASEAN, với tỷ lệ dân số sử dụng internet khoảng 80% và năm 2015, chỉ số
TTĐT của nước này ở khoảng 56%-57%. Singapore là nước nhanh chóng tiếp thu công
nghệ mới với số người sử dụng ví điện tử (VĐT) đã tăng gấp đôi trong năm 2015 và
chiếm tới 23% trong tổng dân số của nước này, hay chiếm hơn 41% trong tổng số
người mua sắm trực tuyến.

Singapore là một trong những nước áp dụng TTĐT đầu tiên trên thế giới. Các
hoạt động TTĐT phát triển với tốc độ khá nhanh. Tuy nhiên, đến nay Singapore vẫn
thua kém nhiều nước khác, cụ thể như Trung Quốc, về việc ứng dụng công nghệ
TTĐT. Hầu hết mọi người ở Singapore đều có điện thoại thông minh, nhưng cứ 10
người thì lại có 9 người vẫn muốn trả tiền cho các giao dịch hằng ngày theo cách cũ
bằng tiền mặt. 43% số người Singapore tham gia khảo sát cho biết rằng họ sử dụng tiền
mặt nhiều nhất, gần gấp đôi so với con số 25% ở Trung Quốc. Lý do là Singapore có
nhiều chương trình TTĐT, nhưng thiếu sự kết nối, liên thông giữa các hệ thống thanh
toán này, do vậy gây nhiều phiền toái, rõ nhất là người dân phải mang theo nhiều thẻ
và các doanh nghiệp cũng phải chi phí tốn kém để cài đặt nhiều hệ thống.

Hàn Quốc
Thương mại điện tử đã được áp dụng mạnh mẽ tại Hàn Quốc, chiếm trên 40% tất
cả các giao dịch thương mại năm 2015, trong đó, giao dịch B2B chiếm hơn 90% và
giao dịch B2G chiếm gần 6%.

Ngân hàng điện tử (E-banking) được giới thiệu tại Hàn Quốc vào năm 1999. Hầu
hết các ngân hàng tăng thêm 0,1-0,5 điểm phần trăm lãi suất huy động cho khách hàng
đăng ký internet banking, và cho họ 0,5 điểm phần trăm chiết khấu trên lãi suất cho
vay. Đến năm 2010, 42,3% người dùng internet ở độ tuổi 12 trở lên đã sử dụng dịch vụ
ngân hàng điện tử. Mức độ sử dụng bình quân cho ngân hàng Internet là 4,9 lần mỗi
tháng. Hầu hết người dùng Internet banking thông qua máy tính (96,2%), trong khi
9,2% sử dụng điện thoại di động.

29
Trung Quốc
Thương mại trực tuyến đã trở thành một trong những hoạt động trực tuyến phổ
biến nhất tại Trung Quốc, với hơn một nửa trong số tất cả người dùng Internet tham gia
vào mua sắm trực tuyến (Bảng 4). Phương tiện kết nối thực hiện mua sắm trực tuyến
chủ yếu là máy tính để bàn và điện thoại di động. Mua sắm trực tuyến ở Trung Quốc
đã phát triển phù hợp với nhu cầu của người dùng cuối cùng. Cầu gia tăng với sản
phẩm nước ngoài có chất lượng cao đã dẫn đến sự gia tăng các giao dịch xuyên biên
giới theo phương thức B2C.

Hình 1-1. Số người mua sắm trực tuyến và tỷ lệ sử dụng, giai đoạn 2009-2015

Sự phổ biến của thương mại điện tử đến từ số lượng người dùng Internet ngày
càng tăng ở Trung Quốc. Ngành công nghiệp thương mại điện tử của Trung Quốc chịu
sự chi phối bởi các nền tảng thương mại trực tuyến của Taobao (Alibaba), Tmall và
Jingdon.com (JD.com). Quy mô lớn của thị trường thương mại điện tử của Trung Quốc
đã thu hút các nhà bán lẻ truyền thống lớn như Công ty Suning Appliance (vận hành
website suning.com) cũng như các đối thủ quốc tế lớn như Amazon (vận hành website
amazon.cn) và Walmart (có lượng khách hàng lớn qua website yihaodian.com). Ngành
thương mại điện tử thu hút lượng lao động trực tiếp trên 2,5 triệu người và lao động
gián tiếp trên 18 triệu người.

30
 Kỷ nguyên thanh toán phổ biến bằng tiền mặt ở Trung Quốc dường như đang dần
đi đến hồi kết. Hình thức thanh toán qua thẻ tín dụng dường như cũng đang dần trở
thành quá khứ. Người dân Trung Quốc ngày càng chuộng hình thức thanh toán không
dùng tiền mặt, như quét mã QR,thanh toán bằng ví điện tử. Rất nhiều sản phẩm tiêu
dùng cơ bản đều cho phép thanh toán di động. Hai ứng dụng thanh toán điện tử phổ
biến nhất hàng ngày tại Trung Quốc là WeChat Pay (Tenpay) của Tencent và Alipay
của Alibaba.

1.4.3. Chính phủ điện tử

Hàn Quốc
Những nỗ lực đầu tiên trong việc xây dựng chính phủ điện tử được tiến hành vào
cuối những năm 1980 bằng việc thực hiện dự án Hệ thống thông tin cơ bản quốc gia
(NBIS), trong đó tập trung vào việc triển khai các ccác ứng dụng CNTT trên toàn quốc.
Năm 1994, Bộ Giao thông đã được tổ chức lại thành Bộ Thông tin và Truyền thông
(MIC).

Năm 1995, Hàn Quốc ban hành luật Khung về thúc đẩy thông tin hóa và năm
1996 ban hành Kế hoạch tổng thể Quốc gia về thúc đẩy thông tin hóalần thứ nhất. Năm
1999, Chính phủ ban hành Kế hoạch Tổng thể thứ hai về an toàn thông tin(được gọi là
Cyber Korea 21). Kế hoạch thứ ba – được gọi là e-Korea Vision 2006, được ban hành
năm 2002, được coi là một sự thúc đẩy mạnh mẽ các nỗ lực của Chính phủ hướng tới
áp dụng rộng rãi thông tin và dịch vụ trực tuyến. Thống kê năm 2013 đã cho thấy sự
tiếp cận dịch vụ liên quan đến chính phủ điện tử tăng lên mạnh mẽ.

31
 Hình 1-1. Sử dụng các dịch vụ chính phủ điện tử ở Hàn Quốc năm 2013

Trung Quốc
Ngay từ năm 2004 Chính phủ Trung Quốc đã đổi mới quản lý nhà nước định
hướng chức năng chính phủ điện tử. Tháng 8 năm 2004, Trung Quốc đã thông qua
Luật Chữ ký điện tử để điều chỉnh chữ ký điện tử, thiết lập hiệu lực pháp lý của chữ ký
điện tử nhằm bảo vệ các quyền và lợi ích hợp pháp của tất cả các bên liên quan. Đây là
luật đầu tiên của Trung Quốc về các ứng dụng chính phủ điện tử, có hiệu lực từ đầu
năm 2005. Tính đến cuối năm 2009 Trung Quốc đã thành lập hơn 45.000 cổng thông
tin của chính phủ. 75 cơ quan nhà nước và trung ương, 32 chính quyền cấp tỉnh, 333
chính quyền cấp quận/huyện và hơn 80 chính quyền cấp thị trấn đã thiết lập trang web
riêng của họ, cung cấp nhiều dịch vụ trực tuyến tạo thuận lợi cho công việc và đời sống
của người dân.Việc xây dựng chính phủ điện tử đã cải thiện hiệu quả công việc và sự
minh bạch thông tin của chính phủ.

Thêm nữa, để tạo điều kiện tương tác với công chúng, Chính phủ Trung Quốc đã
hoạt động tích cực trên các mạng xã hội như Sina Weibo và Tencent WeChat. Tương
tác thông qua hình thức blog nhanh (hay còn gọi là tiểu blog – Microblogging) cũng
phát triển nhanh chóng kể từ khi microblogging chính trị đầu tiên đi vào hoạt động

32
năm 2009 và đến đầu 2015 đã có khoảng 280.000 tài khoản Weibo của chính phủ, bao
phủ nhiều hoạt động của các cơ quan từ cơ quan cảnh sát, Tòa án tối cao đến cá nhân
quan chức chính phủ. Tháng 4 năm 2015, chính quyền thành phố Bắc Kinh đã ký một
thỏa thuận với Alibaba để trực tuyến hóa các dịch vụ công tương tự như thỏa thuận
giữa Alibaba với các thành phố Thượng Hải, Quảng Châu và Thẩm Quyến. Các doanh
nghiệp Trung Quốc cũng tích cực sử dụng các dịch vụ chính phủ điện tử. Năm 2014,
khoảng 51,1% số doanh nghiệp sử dụng Internet để tìm kiếm thông tin từ chính phủ.

1.4.4. Chuyển đổi số và những thành tựu đạt được

Teksystems, một nhà cung cấp dịch vụ công nghệ toàn diện (full-stack
technology services provider) đã thực hiện một cuộc khảo sát trực tuyến vào tháng 11
năm 2020 với 430 người ra quyết định kinh doanh và công nghệ. Những người được
hỏi bao gồm các thành viên của ban lãnh đạo (C-level), giám đốc điều hành công ty,
phó chủ tịch, giám đốc và người quản lý, những người có quyền ra quyết định cuối
cùng hoặc ảnh hưởng đến nỗ lực chuyển đổi kỹ thuật số của tổ chức họ. Mẫu khảo sát
bao gồm những người ra quyết định trong các chức năng CNTT và ngành nghề kinh
doanh của doanh nghiệp trong nhiều ngành công nghiệp khác nhau, 80% là những công
ty thuộc Fortune 500. Kết quả của khảo sát này là “Báo cáo về hiện trạng Chuyển đổi
số 2021” (“2021 state of Digital Transformation”), đã đưa ra một bức tranh về hiện
trạng công cuộc chuyển đổi số (CĐS) của những công ty lớn (Fortune 500) hiện nay
của Mỹ.

Theo Báo cáo, có 55% doanh nghiệp lãnh đạo về CĐS đã gia tăng mức đầu tư về
CĐS, 21% số doanh nghiệp này giữ nguyên mức đầu tư và 24% là giảm mức chi tiêu
cho công nghệ, trong khi có đến 58% doanh nghiệp tụt hậu đã giảm chi tiêu trong năm
khó khăn 2020.

Những doanh nghiệp lãnh đạo về CĐS tạo ra sự khác biệt và tạo ra lợi thế cạnh
tranh rõ ràng bằng cách triển khai các công nghệ phù hợp vào đúng thời điểm với các
chiến lược cụ thể để kích hoạt các mô hình kinh doanh mới.

Những doanh nghiệp lãnh đạo về CĐS có khả năng thực hiện, thúc đẩy các dự án
bằng công nghệ cho phép các mô hình kinh doanh mới, như điện toán đám mây, phân

33
tích dữ liệu, di động, IoT và AI cao hơn 4 lần so với những doanh nghiệp tụt hậu.

Top 5 các dự án về CĐS theo Báo cáo: Tích hợp với các hệ thống khác hay kết
nối với các hệ thống và phần mềm đã triển khai (chiếm 40% tổng các dự án CĐS), Hệ
thống báo cáo phân tích kinh doanh thông minh (business intelligence) (40%), Bảo
mật, an ninh thông tin (37%) Hệ thống phân tích dự báo (36%), Không gian làm việc
ảo/Năng lực làm việc từ xa (34%).

Hình 1-1. Top 5 các dự án về CĐS theo Báo cáo của Teksystems

Theo Báo cáo, 52% doanh nghiệp khảo sát có mục tiêu tập trung vào Cải thiện
trải nghiệm và gắn kết với khách hàng, 41% các doanh nghiệp mong muốn tăng cường
hiệu quả hoạt động, 37% thực hiện thay thế và năng cấp hệ thống CNTT cũ, 35% đẩy
mạnh việc đưa nhanh sản phẩm và dịch vụ ra thị trường, tăng cường đổi mới cũng là
một mục tiêu ưu tiên của 34% doanh nghiệp được khảo sát.

34
Hình 1-2. Top 5 các mục tiêu CĐS theo Báo cáo của Teksystems.

35
36
CHƯƠNG 2. PYTHON VÀ MÔI TRƯỜNG LÀM VIỆC

2.1. Giới thiệu về Python

Python là ngôn ngữ lập trình được tạo ra bởi Guido van Rossum và là một trong
những ngôn ngữ lập trình nhập môn tốt nhất cho người lần đầu tiếp xúc với ngôn ngữ
lập trình. Python hoàn toàn tạo kiểu động và sử dụng cơ chế cấp phát bộ nhớ tự động.
Python có cấu trúc dữ liệu đơn giản nhưng hiệu quả đối với lập trình hướng đối tượng.
Cú pháp lệnh của Python thì rõ ràng, dễ hiểu và cách gõ linh động làm cho nó nhanh
chóng trở thành một ngôn ngữ lý tưởng để viết script và phát triển ứng dụng trong
nhiều lĩnh vực, ở hầu hết các nền tảng.

2.1.1. Lịch sử của Python

Python là một ngôn ngữ được thiết kế bắt đầu vào cuối những năm 1980 và được
phát hành lần đầu tiên vào tháng 2 năm 1991bởi Guido Van Rossum.

Vào cuối những năm 1980, Guido Van Rossum làm việc trong Amoeba, phân
phối một nhóm hệ điều hành. Ông muốn sử dụng một ngôn ngữ thông dịch để truy cập
vào những cuộc gọi hệ thống Amoeba và ông quyết định tạo ra một ngôn ngữ mở rộng
của ngôn ngữ như ABC (ABC có cú pháp rất dễ hiểu) dẫn đến một thiết kế của ngôn
ngữ mới, chính là Python. Rossum là fan của một sê-ri chương trình hài cuối những
năm 1970, và cái tên “Python” được lấy từ tên một phần trong sê-ri đó “Monty
Python’s Flying Circus”. Hiện tại nhiều phiên bản Python đang tồn tài, trong giáo trình
này chúng tôi sẽ dùng phiên bản Python 3.6 để mô tả cho các ví dụ cũng như những bài
thực hành.

2.1.2. Các tính năng chính của Python

Ngôn ngữ lập trình đơn giản, dễ học: Python có cú pháp rất đơn giản, rõ ràng. Nó

37
dễ đọc và viết hơn rất nhiều khi so sánh với những ngôn ngữ lập trình khác như C++,
Java, C#. Python làm cho việc lập trình trở nên thú vị, cho phép bạn tập trung vào
những giải pháp chứ không phải cú pháp.

Miễn phí, mã nguồn mở: Chúng ta có thể tự do sử dụng và phân phối Python,
thậm chí là dùng cho mục đích thương mại. Vì là mã nguồn mở, nên chúng ta không
những có thể sử dụng các phần mềm, chương trình được viết trong Python mà còn có
thể thay đổi mã nguồn của nó. Python có một cộng đồng rộng lớn, không ngừng cải
thiện nó mỗi lần cập nhật.

Khả năng di chuyển: Các chương trình Python có thể di chuyển từ nền tảng này
sang nền tảng khác và chạy nó mà không có bất kỳ thay đổi nào. Các ứng dụng xây
dựng bằng Python thực thi được trên hầu hết tất cả các nền tảng như Windows,
macOS, Linux.

Khả năng mở rộng và có thể nhúng: Giả sử một ứng dụng đòi hỏi sự phức tạp rất
lớn, bạn có thể dễ dàng kết hợp các phần code bằng C, C++ và những ngôn ngữ khác
(có thể gọi được từ C) vào code Python. Điều này sẽ cung cấp cho các ứng dụng những
tính năng tốt hơn cũng như khả năng scripting mà những ngôn ngữ lập trình khác khó
có thể làm được.

Ngôn ngữ thông dịch cấp cao: Không giống như C/C++, với Python, bạn không
phải lo lắng những nhiệm vụ khó khăn như quản lý bộ nhớ, dọn dẹp những dữ liệu vô
nghĩa, ... Khi chạy code Python, nó sẽ tự động chuyển đổi code sang ngôn ngữ máy
tính có thể hiểu. Bạn không cần lo lắng về bất kỳ hoạt động ở cấp thấp nào.

Thư viện tiêu chuẩn lớn để giải quyết những tác vụ phổ biến: Python có một số
lượng lớn thư viện tiêu chuẩn giúp cho công việc lập trình trở nên dễ thở hơn rất nhiều,
đơn giản vì không phải tự viết tất cả code. Ví dụ: Bạn cần kết nối cơ sở dữ liệu
MySQL trên Web server? Bạn có thể nhập thư viện MySQLdb và sử dụng nó. Những
thư viện này được kiểm tra kỹ lưỡng và được sử dụng bởi hàng trăm người. Vì vậy,
bạn có thể chắc chắn rằng nó sẽ không làm hỏng code hay ứng dụng của mình.

Hướng đối tượng: Mọi thứ trong Python đều là hướng đối tượng. Lập trình hướng
đối tượng (OOP) giúp giải quyết những vấn đề phức tạp một cách trực quan.

38
2.1.3. Sử dụng Python

Lập trình ứng dụng web: Chúng ta có thể tạo web app có khả năng mở rộng
(scalable) được bằng cách sử dụng framework và CMS (Hệ thống quản trị nội dung)
được tích hợp trong Python. Một vài nền tảng phổ biến để tạo web app: Django, Flask,
Pyramid, Plone, Django CMS. Các trang như Mozilla, Reddit, Instagram và PBS đều
được viết bằng Python.

Khoa học và tính toán: Có nhiều thư viện trong Python cho khoa học và tính toán
số liệu, như SciPy và NumPy, được sử dụng cho những mục đích chung chung trong
tính toán. Và, có những thư viện cụ thể như: EarthPy cho khoa học trái đất, AstroPy
cho Thiên văn học, ... Ngoài ra, Python còn được sử dụng nhiều trong machine
learning, khai thác dữ liệu và deep learning.

Tạo nguyên mẫu phần mềm: Python chậm hơn khi so sánh với các ngôn ngữ
được biên dịch như C++ và Java. Nó có thể không phải là lựa chọn tốt nếu nguồn lực
bị giới hạn và yêu cầu về hiệu quả là bắt buộc. Tuy nhiên, Python là ngôn ngữ tuyệt
vời để tạo những nguyên mẫu (bản chạy thử - prototype). Ví dụ, bạn có thể sử dụng
Pygame (thư viện viết game) để tạo nguyên mẫu game trước. Nếu thích nguyên mẫu đó
có thể dùng C++ để viết game thực sự.

Ngôn ngữ tốt để dạy lập trình: Python được nhiều công ty, trường học sử dụng để
dạy lập trình cho trẻ em và những người mới lần đầu học lập trình. Bên cạnh những
tính năng và khả năng tuyệt vời thì cú pháp đơn giản và dễ sử dụng của nó là lý do
chính cho việc này.

2.1.4. Những lý do chọn Python để lập trình

a. Cú pháp đơn giản:

Lập trình bằng Python rất thú vị, dễ dàng để hiểu và code vì cú pháp của Python
khá giống với ngôn ngữ tự nhiên, ví dụ như đoạn code dưới đây:

a=2
b=5
sum=a+b
print(sum)
Ngay cả khi chưa lập trình bao giờ, bạn có thể dễ dàng đoán được đoạn code này

39
thêm vào hai số a, b, tính tổng và in tổng của chúng.

b. Không quá khắt khe:

Không cần xác định kiểu của một biến trong Python, không cần thêm dấu chấm
phẩy vào cuối câu lệnh. Python buộc bạn tuân theo những bài tập có sẵn (như chỉ dẫn
đúng). Điều nhỏ nhặt này giúp cho việc học Python dễ dàng với người mới hơn rất
nhiều.

c. Viết code ít hơn:

Python cho phép viết những chương trình có nhiều chức năng tốt hơn với ít dòng
code hơn.

d. Cộng đồng lớn, hỗ trợ tốt:

Python có một cộng đồng hỗ trợ rộng lớn, có nhiều diễn đàn hoạt động trực tuyến
giúp bạn khi bị mắc kẹt với vấn đề nào đó trong Python:

 https://www.reddit.com/r/learnpython/
 https://groups.google.com/forum/#!forum/comp.lang.python
 https://stackoverflow.com/tags/python

2.1.5. Cài đặt và thực thi Python

a. Cài đặt Python trên Windows

Tải Python tại https://www.python.org/downloads/, chọn phiên bản cần. Nhấp

đúp vào file vừa tải về để cài đặt. Tại đây có 2 tùy chọn, bạn chọn một cái để cài.

 Install Now: Mặc định cài Python vào ổ C, cài sẵn IDLE (cung cấp giao
diện đồ họa để làm việc với Python), pip và tài liệu, tạo shortchut, ...
 Customize installation: Cho phép bạn chọn vị trí cài và tính năng cần thiết.

40
 Mở IDE để tạo file mới trong IDE bạn nhấp vào File > New Windows hoặc nhấn
tổ hợp phím tắt Ctrl + N, gõ đoạn code Python: print("Xin chào!") vào file vừa tạo, rồi
nhấn Ctrl + S để lưu. File sẽ có đuôi là .py, đặt một cái tên cho nó, chẳng hạn: kinhte-
python.py. Nhấn Run -> Run module hoặc F5 để xem kết quả.

41
b. Cài đặt trên Ubuntu

Cài đặt các denpendency sau:

$ sudo apt-get install build-essential checkinstall

$ sudo apt-get install libreadline-gplv2-dev libncursesw5-
dev libssl-dev libsqlite3-dev tk-dev libgdbm-dev libc6-dev
libbz2-dev
Sau đó tải Python tại đây: https://www.python.org/downloads/

Trong terminal, đi đến thư mục chứa file tải về và chạy lệnh sau để giải nén file.
Tên file sẽ khác nhau tùy thuộc vào bản bạn tải về.

$ tar -xvf Python-3.6.2.tgz

Chuyển đến thư mục đã giải nén, nhập lệnh:
$ cd Python-3.6.0
Thực hiện các lệnh sau để biên dịch mã nguồn Python trên Ubuntu.

$ ./configure
$ make
$ make install
Để thuận tiện trong việc viết coded và thực thi code bạn nên cài đặt Sublime Text
trên máy để viết code Python trên Linux. Nhập lệnh sau để cài:

$ sudo add-apt-repository -y ppa:webupd8team/sublime-text-

2
$ sudo apt-get update
$ sudo apt-get install sublime-text
Mở Sublime Text, vào File > New File hoặc nhấn Ctrl + N để tạo một file mới.

Lưu file với tên tùy chọn, chẳng hạn tinhoccoso-python.py

Viết code và lưu lại: print("Xin chào!")

Chuyển đến Tool  Build (Ctrl+B) bạn sẽ nhìn thấy kết quả của dòng lệnh trên ở
cuối cửa sổ Sublime Text.

c. Cài đặt trên MacOS

Tải Python: https://www.python.org/downloads/ sau đó mở file tải về để cài đặt theo

hướng dẫn, thông báo cài đặt thành công sẽ hiện ra khi hoàn tất. Bạn có thể sử dụng
ứng dụng viết code yêu thích hoặc dùng Sublime Text (công cụ được rất nhiều lập trình
viên yêu thích). Mở trình biên tập code của bạn lên, tạo file mới, lưu với phần mở rộng

42
là .py.

Viết code sau và lưu lại: print("Xin chào!")

Tùy thuộc vào trình biên tập code của bạn mà lệnh để chạy code sẽ khác nhau,
với Sublime Text thì nhấn Ctrl+B để xem kết quả khi chạy lệnh.

2.2. Môi trường làm việc Anaconda

Anaconda là nền tảng (platform) mã nguồn mở trên Python thông dụng nhất hiện
nay. Anaconda là môi trường để tiếp cận nhanh và dễ để học làm việc với dữ liệu trên
Python hoặc R và làm việc được trong nhiều môi trường làm việc của các hệ điều hành
khác nhau: Windows, Linux và Mac OS X. Để làm việc được với Anaconda hệ thống
máy tính cần đáp ứng các yêu cầu sau:

 Hệ điều hành: Windows Vista trở lên, 64-bit macOS 10.10+, hoặc Linux
bao gồm Ubuntu, RedHat, CentOS 6+ và các biến thể khác. Windows chỉ hỗ
trợ phiên bản Anaconda 2.2 trở về trước.
 Kiến trúc hệ thống: 64-bit x86, 32-bit x86 với Windows hoặc Linux,
Power8 hoặc Power9. Tối thiếu 3GB trống trên đĩa cứng để tải và cài đặt.
Để cài đặt phần mềm ta có thể làm theo các bước sau:

1. Download và cài đặt Anaconda tại: https://www.anaconda.com/download/

2. Lưu ý: hãy chắc là bạn chọn tuỳ chọn được khoanh đỏ bên dưới để thêm các
câu lệnh Anaconda vào System Environment Variable (PATH) của Windows

43
 Hình 2-1. Một số tuỳ chỉnh khi cài đặt Anaconda

3. Sau khi cài đặt xong, mở Command prompt / Terminal và gõ dòng lệnh bên
dưới để kiểm tra Anaconda đã được cài đặt chưa?

conda –v

Hình 2-2. Kiểm tra phiên bản Anaconda và Python

4. Gõ lệnh dưới đây để mở Jupyter Notebook và bắt đầu viết chương trình đầu
tiên với Python.

jupyter notebook

44
 Trong đó: Jupyter Notebook là một ứng dụng web mã nguồn mở cho phép bạn
tạo hoặc chia sẻ những văn bản chứa live code, công thức toán học, hình ảnh trực quan,
mô phỏng và văn bản. Đây là một công cụ tuyệt với để bạn có thể tạo ra những thực
nghiệm, những bộ kiểm tra một cách nhanh và trực quan nhất.

Lưu ý: Hãy chuyển đến thư mục bạn muốn làm việc trước khi thực thi lệnh
jupyter notebook.

Hình 2-3. Mở Jupyter Notebook

5. Đây là giao diện của Jupyter notebook. Bạn có thể quản lý tất cả file notebook
của mình tại đây.

Hình 2-4. Giao diện chính của Jupyter Notebook

6. Tạo mới một Notebook bằng cách chọn New -> Python 3

45
 Hình 2-5. Tạo mới một notebook

7. Bắt đầu viết chương trình Python đầu tiên bằng cách gõ

print("Hello wolrd")
Sau đó, nhấn Ctrl + Enter để chạy

Hình 2-6. Chương trình đầu tiên - Hello world.

Giải thích: Khi bạn nhấn Ctrl + Enter là bạn đã yêu cầu Jupyter Notebook chạy
đoạn lệnh Python print(“Hello world”).

Bạn đã cài đặt xong môi trường làm việc bao gồm Python và có rất nhiều thư viện
hữu ích có sẵn cho việc hiện thực ứng dụng.

2.3. Jupiter notebook

Ở mục trên chúng ta đã cài đặt Anaconda và sử dụng nhanh Jupyter Notebook,
mục này chúng ta sẽ tìm hiểu sâu hơn về Jupyter Notebook và cách sử dụng nó

Jupyter Notebook là gì: Jupyter Notebook là một ứng dụng web mã nguồn mở
cho phép bạn tạo hoặc chia sẻ những văn bản chứa:

- Live code

- Mô phỏng

- Văn bản diễn giải

46
 - Jupyter Notebook là một công cụ tuyệt vời để:

Học và thử nghiệm với Python

Xử lý / biến đổi dữ liệu (Data processing / transformations)

Mô phỏng số học (vẽ biểu đồ)

Thống kê mô hình

Machine learning

2.3.1. Tổng quan về notebook

Khởi động Jupyter Notebook và tạo mới một notebook

Notebook khi mới được tạo có tên mặc định là Untitled. Bạn có thể click vào chữ
“Untitled” phía trên cũng, bên phải logo Jupyter để tự thay đổi tên theo ý của bạn. Ví
dụ ở đây đổi tên thành notebook01

Chuyển về Tab quản lý file của Jupyter, bạn sẽ thấy một file mới có tên
notebook01.ipynb với trạng thái là Running vì notebook này đang được mở. Bạn cũng
có thể tắt một notebook bằng cách nhấn Shutdown.

47
2.3.2. Làm việc với notebook

Một notebook bao gồm nhiều cell (ô). Khi tạo mới một notebook, bạn luôn được
tạo sẵn một cell rỗng đầu tiên.

Cell trên có kiểu là “Code”, điều đó có nghĩa là bạn có thể gõ code Python và
thực thi ngay lập tức. Để thực thi code, bạn có thể nhấn nút Run cell hoặc nhấn Ctrl +
Enter.

Kết quả ngay lập tức được hiển thị tại ô bên dưới. Một cell rỗng sẽ được tạo sau
khi bạn thực thi code. Hãy gõ tiếp một đoạn code Python để thử nghiệm:

Bạn có thể chuyển loại cell từ Code thành Markdown để viết những đoạn văn bản

48
giải thích code của bạn chẳng hạn. Để chuyển đổi bạn click vào ComboBox Code và
chọn Markdown như hình:

Sau khi chuyển, hãy nhập ngay một đoạn Markdown để thử nghiệm, người học tự
tìm hiểu Markdown là gì.

Bạn cũng nhấn nút Run cell hoặc nhấn Ctrl + Enter để xem kết quả.

Đoạn Markdown của bạn vừa được thay thế bằng một đoạn văn bản có định dạng
khác giúp người dùng dễ phân biệt với những phần khác của chương trình, các định
dạng này do người dùng thiết lập (người học tìm hiểu thêm về định dạng / cú pháp của
Markdown).

Nếu muốn chỉnh sửa đoạn Markdown vừa chạy thì chỉ việc click vào kết quả vừa
xuất hiện và sẽ chuyển sang chế độ chỉnh sửa.

Có các phím tắt để có thể sử dụng Jupyter notebook một cách linh hoạt và nhanh
hơn.

49
 Đặc tính Checkpoints: Một trong những chức năng hay của Jupyter Notebook là
Checkpoints. Bằng cách tạo các Checkpoints lưu trạng thái hiện tại của notebook,
Jupyter Notebook cho phép bạn có thể quay lại thời điểm tạo Checkpoints để kiểm tra
hoặc hoàn tác trước đó.

Để tạo Checkpoint, chọn File -> Save and Checkpoint. Nếu bạn muốn xem lại các
Checkpoints trước đó thì chọn File -> Revert to Checkpoint.

Chức năng Export notebook: Jupyter Noteboook cho phép bạn export notebook
của bạn ra một vài loại file như: PDF, HTML, … Để làm được điều đó, bạn chọn File -
> Download as:

50
 Đây là những tính năng cơ bản và hữu hiệu của Jupyter Notebook người học có
thể sử dụng chúng cho dự án Python sắp tới của mình. Jupyter Notebook là một công
cụ sử dụng Python hoàn hảo cho việc tính toán khoa học (Scientific computing) và
phân tích dữ liệu (data analysis) với những thư viện như numpy, pandas và
mathplotlib.

2.4. Bài Tập

Bài thực hành số 1: Thực hành tìm hiểu môi trường lập trình Python để giải quyết
bài toán, tìm hiểu yêu cầu của bài toán.

Bài thực hành số 2: Thực hành tìm hiểu môi trường làm việc của Jupiter
notebook, Anaconda và thao tác trên dữ liệu của bài toán đã đưa ra.

51
CHƯƠNG 3. KIỂU DỮ LIỆU TRONG PYTHON

3.1. Định danh và từ khóa

Định danh là tên được đặt cho các thực thể như lớp (class), hàm (function), biến
(variable), ... trong Python. Nó giúp phân biệt thực thể này với thực thể khác.

Quy tắc viết định danh trong Python:

• Định danh có thể là sự kết hợp giữa các chữ cái viết thường (từ a đến z) hoặc
viết hoa (A đến Z) hoặc các số (từ 0 đến 9) hoăc dấu gạch dưới (_). Ví dụ định danh
hợp lệ: bien_1, tinh_tong_0_9, firstClass.

• Định danh không thể bắt đầu bằng một chữ số, ví dụ 1bien là không hợp lệ,
nhưng bien1 thì đúng.

• Python không hỗ trợ các ký tự đặc biệt như !, @, #, $, %,... trong định danh.

• Định danh có thể dài bao nhiêu tùy ý.

• Tên lớp thường bắt đầu với một chữ cái hoa. Tất cả các định danh khác bắt đầu
với chữ cái thường.

• Định danh bắt đầu với một dấu dạch dưới _ thì là định danh private.

• Định danh bắt đầu với 2 dấu gạch dưới __ thì mức độ private cao hơn.

• Nếu định danh bắt đầu và kết thúc bằng 2 dấu gạch dưới (__init__ chẳng hạn)
thì định danh đó là tên đặc biệt được ngôn ngữ định nghĩa.

• Nên đặt tên định danh có nghĩa. Dù c = 10 vẫn đúng, nhưng viết count = 10 sẽ
rõ nghĩa hơn và dễ hiểu nó là gì hơn dù bạn đã xem code một đoạn dài sau đó.

• Python là ngôn ngữ lập trình phân biệt chữ hoa, chữ thường, nghĩa là bien và
Bien là không giống nhau.

53
 • Khi đặt định danh nhiều từ bạn có thể dùng dấu gạch dưới giữa các từ,
day_la_mot_bien_dai, kiểu vậy.

• Bạn có thể viết theo phong cách HoaRoiThuong như thế này để phân biệt các từ
trong trường hợp biến dài.

• Định danh phải khác các keyword. Các từ khóa trong Python:

and continue except global lambda Pass while

as def False if None Raise with
assert del finally import nonlocal return yield
break elif for in not True
class else from is or Try

3.2. Biến trong Python

Biến là một vị trí trong bộ nhớ được sử dụng để lưu trữ dữ liệu (giá trị). Biến
được đặt tên duy nhất để phân biệt giữa các vị trí bộ nhớ khác nhau. Các quy tắc để
viết tên một biến giống như quy tắc viết các định danh trong Python. Trong Python,
bạn không cần khai báo biến trước khi sử dụng, chỉ cần gán cho biến một giá trị và nó
sẽ tồn tại. Cũng không cần phải khai báo kiểu biến, kiểu biến sẽ được nhận tự động dựa
vào giá trị mà bạn đã gán cho biến.

Gán giá trị cho biến: Để gán giá trị cho biến ta sử dụng toán tử =. Bất kỳ loại giá
trị nào cũng có thể gán cho biến hợp lệ. Ví dụ:

hoa = "H ng"

la = 3
canh = 5.5
Gán nhiều giá trị: Trong Python bạn có thể thực hiện gán nhiều giá trị trong một
lệnh như sau:

hoa, la, canh = "H ng", 3, 5.5

Nếu muốn gán giá trị giống nhau cho nhiều biến thì có thể viết lệnh như sau:

hoa, la, canh = 3

Lệnh trên sẽ gán giá trị 3 cho cả 3 biến là hoa, la và canh.

3.3. Kiểu dữ liệu số trong Python

3.3.1. Các kiểu dữ liệu số

54
 Python hỗ trợ số nguyên, số thập phân và số phức, chúng lần lượt được định
nghĩa là các lớp int, float, complex trong Python. Số nguyên và số thập phân được
phân biệt bằng sự có mặt hoặc vắng mặt của dấu thập phân. Ví dụ: 5 là số nguyên, 5.0
là số thập phân. Python cũng hỗ trợ số phức và sử dụng hậu tố j hoặc J để chỉ phần ảo.
Ví dụ: 3+5j. Ngoài int và float, Python hỗ trợ thêm 2 loại số nữa là Decimal và
Fraction. Sử dụng hàm type() để kiểm tra xem biến hoặc giá trị thuộc lớp số nào và
hàm isinstance() để kiểm tra xem chúng có thuộc về một class cụ thể nào không? Ví
dụ:

a = 9
#Output: <class 'int'>
print(type(a))
#Output: <class 'float'>
print(type(5.0))
#Output: (10+2j)
b = 8 + 2j
print(b + 2)
#Ki m tra xem b có ph i là s ph c không
#Output: True
print(isinstance(b, complex))
Số nguyên trong Python không bị giới hạn độ dài, số thập phân bị giới hạn đến 16
số sau dấu thập phân. Những con số chúng là làm việc hàng ngày thường là hệ số 10,
nhưng lập trình viên máy tính (thường là lập trình viên nhúng) cần làm việc với hệ
thống số nhị phân, thập lục phân và bát phân. Để biểu diễn những hệ số này trong
Python, ta đặt một tiền tố thích hợp trước số đó.

Tiền tố hệ số cho các số Python:

Hệ thống số Tiền tố

Hệ nhị phân 0b hoặc 0B

Hệ bát phân 0o hoặc 0O

Hệ thập lục phân 0x hoặc 0X

Ví dụ về việc sử dụng các tiền tố hệ số trong Python, và khi dùng hàm print() để
in giá trị của chúng ra màn hình, ta sẽ nhận được số tương ứng trong hệ số 10.

# Output: 187
print(0b10111011)

55
# Output: 257 (250 + 7)
print(0xFA + 0b111)
# Output: 15
print(0o17)
Cú pháp Mô tả
x+y Cộng hai số x và y
x-y Trừ số x cho y
x*y Nhân hai số x và y
Chia x cho y, kết quả là số thực hoặc số phức (nếu x hoặc y
x/y
là số phức)
x // y Chia x cho y, kết quả là số nguyên đã làm tròn
x%y Kết quả là phần dư của phép chia x cho y
x ** y Tính xy
abs(x) Trị tuyệt đối của x
Trả về bộ hai giá trị là phần nguyên và phần dư của phép
divmod(x, y)
chia x cho y
pow(x, y) Hàm tính giá trị xy (giống phép toán **)
pow(x, y, z) Tính nhanh phép toán (x ** y) % z
round(x, n)
Làm tròn số x đến n chữ số, nếu n dương làm tròn các chữ
số sau dấu thập phân, nếu n âm làm trong các chữ số trước
dấu thập phân

Bảng 3-1. Các phép toán và hàm số học.

3.3.2. Chuyển đổi giữa các kiểu dữ liệu số

Chúng ta có thể chuyển đổi kiểu số này sang kiểu số khác. Điều này còn được gọi
là cưỡng chế (coercion). Các phép toán như cộng, trừ sẽ ngầm chuyển đổi số nguyên
thành số thập phân (một cách tự động) nếu có một toán tử trong phép toán là số thập
phân.

Ví dụ: Nếu bạn thực hiện phép cộng giữa số nguyên là 2 và số thập phân là 3.0,
thì 2 sẽ bị cưỡng chế chuyển thành số thập phân 2.0 và kết quả trả về sẽ là số thập phân
5.0.

56
>>> 2 + 3.0
5.0
Ta có thể sử dụng các hàm Python tích hợp sẵn như int(), float() và complex() để
chuyển đổi giữa các kiểu số một cách rõ ràng. Những hàm này thậm chí có thể chuyển
đổi từ các chuỗi.

>>> int(3.6)
3
>>> int(-1.2)
-1
>>> float(7)
7.0
>>> complex('2+8j')
(2+8j)
Khi chuyển đổi từ số thập phân sang số nguyên, số sẽ bị bỏ bớt, chỉ lấy phần
nguyên.

3.4. Module Decimal trong Python

Class float được tích hợp trong Python, thông thường nếu tính tổng 1.1 và 2.2 ta
nghĩ kết quả sẽ là 3.3, nhưng nếu bạn kiểm tra tính đúng sai của phép toán này trong
Python, sẽ nhận được kết quả là False.

>>> (1.1 + 2.2) == 3.3

False
Điều này là do, các số thập phân được thực hiện trong phần cứng máy tính dưới
dạng phân số nhị phân, vì máy tính chỉ hiểu các số nhị phân (0 và 1) nên hầu hết các
phân số thập phân mà chúng ta biết, không thể được lưu trữ chính xác trong máy tính.
Ví dụ, ta không thể biểu diễn phân số 1/3 dưới dạng số thập phân, vì nó là một số thập
phân vô hạn tuần hoàn, với các số sau dấu thập phân dài vô hạn, nên ta chỉ có thể ước
tính nó. Khi chuyển đổi phần thập phân 0.1, sẽ dẫn đến phần nhị phân dài vô hạn của
0.000110011001100110011... và máy tính chỉ lưu trữ một phần số hữu hạn sau dấu
chấm của nó thôi. Do đó, số được lưu trữ chỉ xấp xỉ 0.1 chứ không bao giờ bằng 0.1.
Đó là lý do vì sao, phép cộng chúng ta nói đến ở trên không đưa ra kết quả như chúng
ta mong đợi. Đó là giới hạn của phần cứng máy tính chứ không phải lỗi của Python.

Giờ bạn thử gõ phép cộng trên vào Python xem kết quả trả về là bao nhiêu nhé:

>>> 1.1+2.2

57
 3.3000000000000003
Để khắc phục vấn đề này, chúng ta có thể sử dụng mô-đun Decimal trong Python.
Trong khi số float chỉ lấy 16 số sau dấu thập phân thì mô-đun Decimal cho phép tùy
chỉnh độ dài của số.

import decimal
# Output: 0.1
print(0.1)
#Output:
0.1000000000000000055511151231257827021181583404541015625
print(decimal.Decimal(0.1))
Nếu muốn code ngắn gọn hơn, bạn có thể nhập mô-đun Decimal và sửa tên mô-
đun thành D.

from decimal import Decimal as D

#Output: 3.3
print(D('1.1') + D('2.2'))
#Output: 10.000
print(D('4.0') * D('2.50'))
Trong code này ta nhập mô-đun Decimal và sửa tên nó thành D, kết quả không
đổi so với code trên.

Khi nào nên sử dụng Decimal thay cho float? Ta thường sử dụng Decimal trong
các trường hợp sau:

Khi tạo ứng dụng tài chính, cần biểu diễn phần thập phân chính xác.

Khi muốn kiểm soát mức độ chính xác của số.

Khi muốn thực hiện các phép toán giống như đã học ở trường.

3.5. Module Fraction trong Python

Python cung cấp các phép toán liên quan đến phân số thông qua mô-đun
fractions. Một phân số có tử số và mẫu số, cả hai đều là số nguyên. Ta có thể tạo đối
tượng phân số (Fraction) theo nhiều cách khác nhau:

import fractions
# T o phân s t s th p phân
print(fractions.Fraction(4.5))
# Output: 9/2
# T o phân s t s nguyên
print(fractions.Fraction(9))

58
# Output: 9
# T o phân s b ng cách khai báo t , m u s
print(fractions.Fraction(2,5))
# Output: 2/5
Khi tạo phân số từ float, ta có thể nhận được những kết quả không bình thường,
điều này là do hạn chế của phần cứng máy tính như đã thảo luận trong phần mô-đun
decimal. Đặc biệt, bạn có thể khởi tạo một phân số từ string. Đây là cách khởi tạo được
ưa thích khi sử dụng số thập phân.

import fractions
# Kh i t o phân s t float
print(fractions.Fraction(0.1))
# Output: 3602879701896397/36028797018963968
# Kh i t o phân s t string
print(fractions.Fraction('0.1'))
# Output: 1/10
Kiểu dữ liệu phân số hỗ trợ đầy đủ các phép toán cơ bản như cộng, trừ, nhân,
chia, logic:

# Output: 1
print(F(2,5) + F(3,5))
# Output: 3/5
print(F(2,5) + F(1,5))
# Output: 7/1
print(1 / F(3,7))
# Output: False
print(F(-2,9) > 0)
# Output: True
print(F(-2,9) < 0)

3.6. Module Math trong Python

Python cung cấp các mô-đun math và random để giải quyết các vấn đề toán học
khác như lượng giác, logarit, xác suất và thống kê, v.v... Mô-đun math có khá nhiều
hàm và thuộc tính và có thể tham khảo thêm, ví dụ về math trong Python.

from fractions import Fraction as F

import math
# Output: 3.141592653589793
print(math.pi)
# Output: -1.0
print(math.cos(math.pi))
# Output: 22026.465794806718
print(math.exp(10))

59
# Output: 2.0
print(math.log2(4))
# Output: 1.1752011936438014
print(math.sinh(1))
# Output: 40320
print(math.factorial(8))
Sử dụng python như một máy tính bỏ túi: Trình thông dịch hoạt động như một
máy tính đơn giản: Bạn có thể nhập vào một phép tính và nó sẽ viết ra giá trị. Cú pháp
biểu thức khá đơn giản: các toán tử như +, -, * và / làm việc giống như trong hầu hết
các ngôn ngữ lập trình khác (Pascal, C), dấu ngoặc đơn () có thể được sử dụng để
nhóm. Ví dụ:

>>> 2 + 2
4
>>> 50 - 5*6
20
>>> (50 - 5*6) / 4
5.0
>>> 8 / 5 # phép chia luôn tr v m t s d ng th p phân
v i d u ch m
1.6
Số nguyên (ví dụ như 2, 4, 20) có kiểu int, số dạng thập phân (như 5.0, 1.6) có
kiểu float. Phép chia (/) luôn luôn trả về kiểu float. Để thực hiện phép chia lấy phần
nguyên (loại bỏ các số sau dấu thập phân) bạn có thể sử dụng toán tử //; để tính phần
dư thì sử dụng % như ví dụ dưới đây:

>>> 17 / 3 # phép chia th ng tr v s th p phân

5.666666666666667
>>>
>>> 17 // 3 # phép chia l y s nguyên, lo i b ph n sau
d u th p phân
5
>>> 17 % 3 # toán t % tr v s d c a phép chia
2
>>> 5 * 3 + 2 # th ng * s chia + s d
17
Với Python, bạn có thể sử dụng toán tử ** để tính số mũ:

>>> 5 ** 2 # 5 bình ph ng
25
>>> 2 ** 7 # 2 mũ 7
128

60
 Dấu bằng = được sử dụng để gán giá trị cho 1 biến. Sau đó, không có kết quả nào
được hiển thị trước dấu nhắc lệnh tiếp theo:

>>> width = 20
>>> height = 5 * 9
>>> width * height
900
Trong chế độ tương tác, biểu thức được in ra cuối cùng sẽ được gán cho biến _,
giúp dễ dàng thực hiện các phép tính tiếp theo hơn. Ví dụ:

>>> tax = 12.5 / 100

>>> price = 100.50
>>> price * tax
12.5625
>>> price + _
113.0625
>>> round(_, 2)
113.06
Bạn nên coi biến này là read-only, đừng gán giá trị cho nó - vì nếu tạo ra một biến
cùng tên nó sẽ chiếm mất biến mặc định này và không còn làm được những thứ hay ho
như trên nữa.

61
CHƯƠNG 4. CÂU LỆNH

4.1. Lệnh lựa chọn if

Trong cuộc sống chúng ta rất hay gặp phải những tình huống đòi hỏi phải đưa ra
lựa chọn, hoặc là cái này hoặc là cái kia. Câu lệnh lựa chọn if trong lập trình Python
cũng tương tự như vậy, nó cho phép chúng ta lựa chọn thực thi một hoặc một vài lệnh
khi các điều kiện cụ thể xảy ra.

Có 3 loại lệnh lựa chọn trong Python:

Lệnh if

Lệnh if-else

Lệnh if-elif-else

4.1.1. Lệnh if

Lệnh if cho phép đưa ra các quyết định thực hiện lệnh dựa trên việc kiểm tra một
điều kiện nào đó là đúng (true).

a. Cú pháp:

if đi u_ki n:
kh i_l nh
b. Sơ đồ hoạt động:

63
 Hình 4-1.

Trong đó:

+ điều_kiện là biểu thức hoặc biến có giá trị đúng (true) hoặc sai (false).

+ kh i_l nh là một hoặc nhiều lệnh được viết sau dấu hai chấm (:).

Lưu ý: các lệnh trong một kh i_l nh phải thụt đầu dòng giống nhau.

Nếu điều_kiện có giá trị đúng thì khối_lệnh sẽ được thực hiện. Còn nếu
điều_kiện có giá trị sai thì bỏ qua khối_lệnh và thực hiện các lệnh tiếp theo
(nếu có).

Ví dụ 4-1: Lệnh if đơn giản

x=6
y=3
if x>y:
print('x l n h n y')
Với ví dụ trên, điều kiện là x>y và khối lệnh chỉ có một lệnh print('x lớn
hơn y'). Vì x>y trả trả về giá trị đúng nên lệnh print('x lớn hơn y') được
thực thi và cho kết quả như sau:

64
 Ví dụ 4-2: Chương trình sau cho phép người dùng nhập một số nguyên và cho
biết số vừa nhập là số chẵn hay số lẻ.

x=int(input("Nh p vào m t s nguyên:"))

if x%2==0:
print("x là s ch n")
if x%2==1:
print("x là s l ")
Ví dụ 4-3: Chương trình cho phép nhập vào 3 số nguyên và tìm giá trị số lớn
nhất.

a=int(input('Nh p a: '))
b=int(input('Nh p b: '))
c=int(input('Nh p c: '))
max = a;
if b > max:
max = b;
if c > max:
max = c;
print('Giá tr s l n nh t là: ', max);

4.1.2. Lệnh if-else

Ở trên chúng ta đã biết dạng đơn giản nhất của câu lệnh if, cho phép lựa chọn để
thực hiện hay không một khối lệnh. Python cũng cho phép chúng ta lựa chọn một
trong hai khối lệnh để thực hiện bằng cách dùng cấu trúc if như sau:

a. Cú pháp:

if đi u_ki n:
kh i_l nh1
else:
kh i_l nh2
b. Sơ đồ hoạt động:

65
 Hình 4-1.

Lệnh if-else kiểm tra giá trị của điều_kiện. Nếu điều_kiện cho giá trị đúng
thì chỉ có khối_lệnh1 được thực hiện, ngược lại nếu điều_kiện cho giá trị sai
thì chỉ có khối_lệnh2 được thực hiện.

Ví dụ 4-1: Chương trình kiểm tra một số nguyên là số chẵn hay lẻ được viết lại
như sau:

x=int(input("Nh p m t s nguyên:"))
if x%2==0:
print("x là s ch n")
else:
print("x là s l ")
Chạy chương trình trên với x=3, khi đó điều kiện x%2==0 trả về giá trị sai nên
lệnh print("x là số lẻ") được thực hiện và cho kết quả như sau:

4.1.3. Lệnh if-elif-else

Câu lệnh if cho phép chúng ta lựa chọn thực hiện một hành động nào đó hay
không. Câu lệnh if – else cho phép lựa chọn thực hiện giữa hai hành động. Python cho
phép ta có thể đưa ra nhiều lựa chọn hơn với lệnh if-elif-else bằng cách thêm vào cấu
trúc elif để thực hiện. Do đó nhiều điều kiện hơn được kiểm tra và tạo ra nhiều lựa
chọn hơn.

66
a. Cú pháp:

if (đi u_ki n1):

kh i_l nh1
elif (đi u_ki n2):
kh i_l nh2
...
elif (đi u_ki nN):
kh i_l nhN
else:
kh i_l nh(N+1)
b. Sơ đồ hoạt động:

Hình 4-1.

Lệnh if-elif-else sẽ kiểm tra giá trị của các điều_kiện từ trên xuống. Nếu gặp
điều_kiện đầu tiên có giá trị đúng thì thực hiện khối_lệnh tương ứng và thoát
khỏi câu lệnh if-elif-else. Nếu tất cả các điều_kiện đều có giá trị sai thì chỉ có khối
lệnh sau else (khối_lệnhN+1) được thực hiện.

Ví dụ 4-1: Chương trình nhập điểm trung bình của học sinh và in xếp loại của
học sinh đó ra màn hình.

diemTB=float(input("Nh p đi m trung bình:"))

if diemTB>=8:
print("Lo i Gi i")
elif diemTB>=6.5:
print("Lo i Khá")
elif diemTB>=5:

67
 print("Lo i Trung bình")
else:
print("Lo i Y u")
Chạy chương trình trên với điểm trung bình nhập vào là 7 thì điều kiện
diemTB>=6.5 trả về giá trị đúng đầu tiên nên câu lệnh print("Loại Khá") được
thực thi và thoát khỏi câu lệnh If. Kết quả như sau:

4.1.4. Lệnh if lồng nhau

Trong nhiều tình huống chúng ta muốn kiểm tra thêm một điều kiện khác sau khi
một điều kiện đã được ước lượng là đúng. Trong tình huống như vậy, chúng ta có thể
sử dụng các lệnh if lồng nhau trong Python.

Lệnh if lồng nhau là lệnh if mà trong khối_lệnh của câu lệnh if có chứa câu lệnh
if khác.

Ví dụ 4-1: Chương trình nhập vào 3 số nguyên, tìm và in ra màn hình số lớn
nhất.

a=int(input('Nh p a: '))
b=int(input('Nh p b: '))
c=int(input('Nh p c: '))
if a>b:
if a>c:
max = a
else:
max = c
else:
if b>c:
max = b
else:
max = c
print('Giá tr s l n nh t là: ', max)
Lưu ý, tùy theo trường hợp cụ thể ta phải chọn lệnh if lồng nhau hoặc không.
Trong ví dụ trên, nếu dùng các lệnh if riêng rẽ thì chương trình sẽ rõ ràng hơn (ví dụ
3-3).

68
 Ví dụ 4-2: Chương trình yêu cầu nhập 2 số nguyên và một phép toán thuộc nhóm
{+, -, *, /}, sau đó thực hiện phép tính tương ứng.

a=int(input('Nh p a: '))
b=int(input('Nh p b: '))
pt=input("Nh p phép toán:")
if pt=='+':
print(a,'+', b,'=', a+b)
elif pt=='-':
print(a,'-', b,'=', a-b)
elif pt=='*':
print(a,'*', b,'=', a*b)
elif pt=='/':
if b!=0:
print(a,'/', b,'=', a/b)
else:
print('L i vì chia cho 0!')
else:
print('Phép toán không h p l !')

4.2. Lệnh lặp

Một trong những điểm mạnh của máy tính là khả năng thực hiện một dãy các
lệnh lặp đi lặp lại. Điều đó có được là do sử dụng các cấu trúc lặp trong các ngôn ngữ
lập trình. Nó cho phép một hoặc nhiều lệnh trong chương trình thực hiện lặp đi lặp lại
cho đến khi một điều kiện xác định được thỏa mãn. Trong phần này chúng ta sẽ tìm
hiểu các loại vòng lặp trong ngôn ngữ lập trình Python.

4.2.1. Lệnh for..in

Lệnh lặp for được sử dụng để lặp một biến qua một dãy (List, String…) theo thứ
tự mà chúng xuất hiện và được sử dụng để lặp một lệnh hoặc một khối lệnh với số lần
lặp xác định trước.

a. Cú pháp:

for bien in day_lap:

kh i_l nh
Trong đó:

bien là biến dùng để lưu giá trị lần lượt của các phần tử trong day_lap tại
mỗi vòng lặp

69
 day_lap là tập hợp các phần tử, số phần tử của day_lap là số lần lặp

khối_lệnh là một hoặc nhiều lệnh cần thực hiện

Lệnh lặp thực hiện theo các bước như sau:

Bước 1: Phần tử đầu tiên của day_lap sẽ được gán cho bien

Bước 2: Thực hiện các lệnh trong khối_lệnh. Nếu bien đã nhận phần tử
cuối cùng trong day_lap thì chuyển sang bước 4

Bước 3: Gán phần tử tiếp theo trong day_lap cho bien rồi quay về bước 2

Bước 4: Kết thúc lệnh lặp.

Nói cách khác, bien sẽ lần lượt nhận từng giá trị từ phần tử đầu tiên cho đến
phần tử cuối cùng trong day_lap. Với mỗi lần bien nhận giá trị thì khối_lệnh
được thực hiện.

Số lần lặp của lệnh for được xác định ngay từ đầu của lệnh. Nghĩa là nó không bị
thay đổi cho dù số phần tử của day_lap bị thay đổi trong khi thực hiện
khối_lệnh.

b. Sơ đồ hoạt động:

Hình 4-1.

Điều_kiện_lặp chỉ sai khi số lần thực hiện khối_lệnh bằng số phần tử của

70
day_lap.

Ví dụ 4-1: Lệnh lặp với dãy lặp là một chuỗi kí tự

for letter in 'Python':

print(letter)
Biến letter lần lượt được gán các kí tự trong chuỗi 'Python' từ đầu đến
cuối. Với mỗi lần được gán giá trị thì thực hiện lệnh print(letter). Chương trình
cho kết quả như sau:

Ví dụ 4-2: Lệnh lặp với dãy lặp là một mảng:

for ngon_ngu in ['Python', 'Java', 'C']:

print('Tôi thích l p trình :', ngon_ngu)
Chạy chương trình trên được kết quả như sau:

Một cách khác để sử dụng lệnh lặp for khá thuận tiện trong nhiều tình huống đó
là sử dụng hàm range(). Hàm này sẽ trả về một dãy các số nguyên trong đó tổng số
phần tử sẽ phụ thuộc vào các tham số truyền vào. Cú pháp như sau:

range(start, end, step)

Trong đó:

start: là giá trị bắt đầu

end: là giá trị kết thúc, phần tử cuối cùng luôn nhỏ hơn giá trị này

step: là khoảng cách giữa các phần tử, hay còn gọi là bước nhảy

71
 Chẳng hạn:

range(5) là dãy [0, 1, 2, 3, 4]

rang(1,11) là dãy [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
range(1, 10, 2) là dãy [1, 3, 5, 7, 9]

Ví dụ 4-3: Chương trình tính tổng các số nguyên từ 1 đến 10.

S=0
for i in range(1,11): #rang(1,11) là dãy các s nguyên t
1 đ n 10
S=S+i
print('T ng các s t 1 đ n 10 la: ', S)
Kết quả chạy chương trình trên như sau:

Lệnh lặp for lồng nhau: Tương tự như lệnh if lồng nhau, một lệnh lặp for được
gọi là lồng nhau khi nó nằm bên trong một vòng lặp for khác.

Ví dụ 4-4: Xét đoạn chương trình sau:

for i in [1,2,3]:
print('L n l p i= ', i);
for letter in 'Python':
print(letter);
Trong ví dụ trên, vòng lặp for letter là lệnh nằm trong thân lệnh lặp for i.
Do vậy, cứ mỗi lần lặp của lệnh lặp for i thì khối lệnh sau được thực hiện:

print('L n l p i= ', i);

for letter in 'Python':
print(letter);
Chương trình cho kết quả như sau:

72
 Ví dụ 4-5: Chương trình in ra màn hình các tổ hợp 2 phần tử trong tập hợp 4
phần tử {1, 2, 3, 4}.

for i in range(1,4):
for j in range(i+1, 5):
print(i,',',j)
Thực hiện chương trình trên cho kết quả như sau:

Ví dụ 4-6: Chương trình tính n! của một số nguyên với n nhập từ bàn phím.

n=int(input('Nh p n: '))
gthua = 1
for i in range(2, n+1):
gthua = gthua* i
print(n,'! = ', gthua)
Ví dụ 4-7: Chương trình nhập vào một số nguyên n, nếu n lẻ tính tổng các số lẻ
từ 1 đến n, nếu n chẳn tính tổng các số chẳn từ 2 đến n.

73
n=int(input('Nh p n: '))
S=0
if n%2==1:
for i in range(1, n+1,2):
S = S + i
print('T ng các s l t 1 đ n ', n,' là: ', S)
else:
for i in range(2, n+1,2):
S = S + i
print('T ng các s ch n t 0 đ n', n,' là: ', S)
Chúng ta cũng có thể viết lại đơn giản như sau:

n=int(input('Nh p n: '))
S=0
for i in range(n%2, n+1,2):
S = S + i
print('T ng c n tìm là: ', S)
Ví dụ 4-8: Chương trình tính tổng các ước số không tầm thường (ước số khác 1
và khác n) của một số nguyên n.

n=int(input('Nh p n: '))
S=0
for i in range(2, int(n/2)+1):
if n%i==0:
S=S+i
print('T ng các c không t m th ng là: ', S)

4.2.2. Lệnh while

Lệnh lặp for thường được được sử dụng khi số lần lặp xác định trước. Trong khi
số lần lặp không được xác định trước thì ta nên sử dụng lệnh while như sau:

a. Cú pháp:

while(đi u_ki n):

kh i_l nh
b. Sơ đồ hoạt động:

74
 Hình 4-1.

Lệnh lặp while sẽ lặp lại thực hiện khối_lệnh trong khi điều_kiện còn
đúng. Nếu điều_kiện sai thì thoát khỏi lệnh lặp.

Ví dụ 4-1: Xét đoạn chương trình sau:

dem = 1;
while dem <= 10:
print('Đây là l n l p ', dem);
dem=dem+1;
print('L nh l p k t thúc')
Đầu tiên chương trình gán giá trị của dem là 1. Sau đó chương trình chuyển đến
thực hiện lệnh while. Phần biểu thức điều kiện được kiểm tra với giá trị hiện tại của
dem là 1, nhỏ hơn 10. Kết quả kiểm tra điều kiện là đúng nên các lệnh trong thân vòng
lặp while được thực hiện. Giá trị của biến dem là 2 sau lần lặp đầu tiên. Sau đó biểu
thức điều kiện lại được kiểm tra lần nữa. Quá trình này cứ lặp đi lặp lại cho đến khi giá
trị của biến dem lớn hơn 10. Khi đó lệnh lặp kết thúc và thực hiện lệnh print() cuối
cùng.

Lệnh lặp while kiểm tra điều kiện ngay khi bắt đầu thực hiện vòng lặp. Do đó các
lệnh trong thân vòng lặp sẽ không được thực hiện nếu ngay từ ban đầu điều kiện đó là
sai.

Biểu thức điều kiện trong vòng lặp có thể phức tạp tùy theo yêu cầu của bài toán.
Các biến trong biểu thức điều kiện có thể bị thay đổi giá trị trong thân vòng lặp, nhưng
cuối cùng điều kiện đó phải sai để lệnh lặp được kết thúc.

Ví dụ 4-2: Chương trình tìm ước lớn nhất nhỏ hơn chính nó của một số nguyên
n(n>1).

n=int(input('Nh p n: '))

75
i=n-1;
while n%i !=0:
i=i-1
print(' c c n tìm là', i);
Ví dụ 4-3: Chương trình tìm ước số chung lớn nhất của hai số nguyên.

a=int(input('Nh p a: '))
b=int(input('Nh p b: '))
while b!=0:
r = a % b
a = b
b = r
print(' c s chung l n nh t là: ', a);

4.3. Lệnh break và continue

4.3.1. Lệnh break

Câu lệnh break có thể được sử dụng để kết thúc ngay một lệnh lặp For hoặc
While mà không cần kiểm tra điều kiện vòng lặp.

Khi chương trình gặp lệnh break trong một vòng lặp, ngay lập tức lệnh lặp được
kết thúc và chương trình tiếp tục thực hiện các lệnh sau vòng lặp (nếu có).

Ví dụ 4-1: Xét đoạn lệnh sau:

for letter in 'Python':

if letter == 'h':
break
print('Kí t hi n t i :', letter)
print()
var = 10
while var > 0:
print('Giá tr bi n var hi n t i :', var)
var = var -1
if var == 5:
break
Với lệnh for trong ví dụ trên, lặp việc in từng kí tự trong chuỗi 'Python'cho
đến khi gặp lệnh kí tự h. Khi đó, điều kiện letter == 'h' có giá trị true nên lệnh
break được thực hiện và thoát khỏi lệnh lặp.

Còn lệnh while sẽ dừng lặp khi biến var có giá trị 5 do lệnh break được thực
hiện vì điều kiện var==5 có giá trị đúng. Kết quả chạy đoạn chương trình trên như

76
sau:

Ví dụ 4-2: Chương trình cho phép người dùng lặp lại việc nhập một chuỗi kí tự
và in ra độ dài của chuỗi vừa nhập cho đến khi chuỗi nhập vào là 'quit'.

while True:
s = input('Nh p m t chu i kí t : ')
if s == 'quit':
break
print('Đ dài chu i v a nh p là: ', len(s))
print('K t thúc!')
Lệnh while với điều kiện True giúp lệnh while lặp lại vô điều kiện. Đến khi
chuỗi nhập vào là ‘quit’ thì lệnh break được thực hiện làm chương trình thoát khỏi
lệnh while.

Ví dụ 4-3: Chương trình cho phép nhập vào chuỗi họ tên của một người và in ra
màn hình họ của chuỗi vừa nhập.

hten = input('Nh p vào h tên: ')

for letter in s:
if letter == ' ':
break
print(letter, end= '')
print('\nK t thúc!')
Lệnh For trên sẽ duyệt qua từng kí tự của chuỗi s và in kí tự ra màn hình cho đến
khi gặp kí tự space (' ') đầu tiên. Khi đó điều kiện letter ==' ' đúng nên thực
hiện lệnh break thoát khỏi lệnh lặp.

4.3.2. Lệnh continue

Lệnh continue kết thúc lần lặp hiện hành và bắt đầu lần lặp kế tiếp trong các lệnh
lặp while và for. Khi gặp lệnh continue trong chương trình, các câu lệnh còn lại trong
thân của vòng lặp được bỏ qua và chuyển đến bước đầu của vòng lặp trong lần lặp kế

77
tiếp.

Ví dụ 4-1: Xét đoạn lệnh sau:

for letter in 'Python':

if letter == 'h':
continue
print('Kí t hi n t i :', letter)

var = 10
while var > 0:
var = var -1
if var == 5:
continue
print('Bi n l p hi n t i :', var)
Ở vòng lặp for trong ví dụ trên, letter nhận từng kí tự trong chuỗi 'Python' và
in ra màn hình. Riêng trường hợp letter nhận kí tự ‘h’ thì lệnh continue thực hiện
nên bỏ qua lệnh print và quay về lần lặp tiếp theo. Do vậy kết quả in ra màn hình
thiếu kí tự h.

Còn lệnh lặp while, sẽ bỏ qua lệnh print khi biến var có giá trị 5 (do điều kiện
var==5 có giá trị đúng nên lệnh continue thực hiện) và quay về đầu vòng lặp tiếp
theo. Kết quả thực hiện chương trình trên như sau:

Ví dụ 4-2: Chương trình nhập một số nguyên dương n và in ra màn hình các số
lẻ từ 1 đến n.

n = int(input('Nh p vào s nguyên d ng: '))

for i in range(1, n+1):
if i%2 == 0:
continue

78
 print(i, end= ' ')
print('\nK t thúc!')

4.4. Bài tập

Bài 4-1. Nhập bốn số x1, x2, x3, x4, tìm số lớn nhất và số nhỏ nhất của bốn số đó.

Bài 4-2. Nhập các hệ số, giải và biện luận các hệ phương trình sau theo quy tắc
Cramer:

Bài 4-3. Nhập các hệ số giải phương trình ax2+bx+c=0

Bài 4-4. Nhập chỉ số điện kế tháng trước và tháng này. Hãy tính số kW tiêu thụ và tiền
điện cho mỗi hộ dựa vào bảng giá sau (áp dụng từ ngày 20/3/2019):

Mức Số kWh sử dụng Đơn giá (VNĐ)

1 kWh từ 0 – 50 1,678

2 kWh từ 51 – 100 1,734

3 kWh từ 101 – 200 2,014

4 kWh từ 201 – 300 2,536

5 kWh từ 301 – 400 2,834

6 kWh từ 401 trở lên 2,927

Bài 4-5. Nhập độ dài ba cạnh a, b, c. Cho biết a, b, c có phải là ba cạnh của một tam
giác không? Nếu là ba cạnh của một tam giác thì cho biết đó làm tam giác gì: đều, cân
hay tam giác thường?

Bài 4-6. Nhập một số nguyên dương n (nếu nhập n≤0 thì chương trình phải yêu cầu
nhập lại). Sau đó tính các tổng sau:

79
Bài 4-7. Nhập n, k nguyên đảm bảo phải dương và k≤n. Tính tổ hợp chập k của n theo
công thức:

Bài 4-8. Cho dãy Fibonaci xác định như sau: F0=0, F1=1, Fn = Fn-1 + Fn-2, với n≥2.
Hãy nhập số nguyên n≥2 và tính S = F0 + F1 + F2 +...+ Fn.

Bài 4-9. Tìm và in lên màn hình tất cả các số nguyên trong phạm vi từ 10 đến 99 sao
cho tích của hai chữ số của nó thì bằng hai lần tổng của hai chữ số của nó. Ví dụ: số
N=36 có hai chữ số là 3 và 6, và 3*6 = 2*(3+6). Tương tự đối với số 44.

Bài 4-10. Số n là hoàn hảo nếu tổng các ước số nhỏ hơn n bằng chính n, ví dụ
6=1+2+3. Viết chương trình liệt kê các số hoàn hảo nhỏ hơn 1000.

Bài 4-11. Nhập một số nguyên n, cho biết đó là số nguyên tố hay không. Nếu không
phải là số nguyên tố thì phân tích số đó thành tích các thừa số nguyên tố. Ví dụ nhập
n=1470, khi đó tích các thừa số nguyên tố của n=2.3.5.7.7.

Bài 4-12. Nhập một số nguyên n, in ra màn hình tất cả các số nguyên tố nhỏ hơn hoặc
bằng n.

Bài 4-13. Nhập vào 1 số nguyên, in ra màn hình số đảo ngược của số đó. Ví dụ nhập
số 34679, khi đó hiển thị lên màn hình số: 97643.

Bài 4-14. Viết một chương trình kiểm tra một số có phải là số đối xứng hay không? Số
đối xứng là số khi viết ngược cũng bằng chính nó. Ví dụ: 121, 2332,…

Bài 4-15. Nhập số tiền gởi, số tháng, lãi suất 1 tháng. Tính số tiền nhận được.

Bài 4-16. Nhập số tiền gởi, số tháng. Tính số tiền nhận được dựa vào bảng lãi suất như
như sau:

Kì hạn Lãi cuối kỳ

(số tháng) (%/năm)
1-5 6.0
6-12 6.6

80
13-14 7.5
15-17 7.6
18-23 7.7
24-35 8.0
>36 8.5
Viết chương trình tìm ước số chung lớn nhất và bội số chung nhỏ nhất của hai số
nguyên.

81
CHƯƠNG 5. HÀM TRONG PYTHON

5.1. Cơ bản về hàm trong Python

Hàm trong Python là gì? Cú pháp, thành phần và các loại hàm trong Python như
thế nào? Làm sao để tạo hàm trong Python? Những câu hỏi này của bạn sẽ được giải
đáp trong chương này.

5.1.1. Hàm trong Python là gì?

Trong Python, hàm là một nhóm các lệnh có liên quan đến nhau được dùng để
thực hiện một tác vụ, nhiệm vụ cụ thể nào đó. Hàm giúp chia chương trình Python
thành những khối/phần/mô-đun nhỏ hơn. Khi chương trình Python quá lớn, hoặc cần
mở rộng, thì các hàm giúp chương trình có tổ chức và dễ quản lý hơn.

Hàm còn có một tác dụng vô cùng quan trọng nữa là tránh việc phải lặp lại code
để thực thi những tác vụ tương tự nhau, giúp code gọn hơn và có thể tái sử dụng.

5.1.2. Cú pháp của hàm Python

def ten_ham(các tham s /đ i s ):
"""Chu i văn b n đ mô t cho hàm (docstring)"""
Các câu l nh
Về cơ bản, một định nghĩa hàm Python sẽ bao gồm các thành phần sau:

1. Từ khóa def: Đánh dấu sự bắt đầu của tiêu đề hàm.

2. ten_ham: Là định danh duy nhất dành cho hàm. Việc đặt tên hàm phải tuân thủ
theo quy tắc viết tên và định danh trong Python.

3. Các tham số/đối số: Chúng ta truyền giá trị cho hàm thông qua các tham số
này. Chúng là tùy chọn.

4. Dấu hai chấm (:): Đánh dấu sự kết thúc của tiêu đề hàm.

83
 5. docstring: Chuỗi văn bản tùy chọn để mô tả chức năng của hàm.

6. Các câu lệnh: Một hoặc nhiều lệnh Python hợp lệ tạo thành khối lệnh. Các lệnh
này phải có cùng một mức thụt đầu dòng (thường là 4 khoảng trắng hoặc 1 dấu tab trên
bàn phím).

7. Lệnh return: Lệnh này là tùy chọn, dùng khi cần trả về giá trị từ hàm.

5.1.3. Ví dụ về hàm Python

Ví dụ 5-1: Dưới đây là một định nghĩa hàm đơn giản, gồm tên hàm, tham số của
hàm, mô tả hàm và một câu lệnh.

def chao(ten):
"""Hàm này dùng đ
chào m t ng i đ c truy n
vào nh m t tham s """
print("Xin chào, " + ten + "!")

5.1.4. Gọi hàm trong Python

Khi một hàm đã được định nghĩa, bạn có thể gọi nó từ một hàm khác, chương
trình khác hoặc thậm chí tại dấu nhắc lệnh. Để gọi hàm chúng ta chỉ cần nhập tên hàm
với những tham số thích hợp là được.

Ví dụ để gọi hàm chao() vừa định nghĩa bên trên, ta gõ lệnh sau ngay tại dấu
nhắc:

>>> chao ("Bình")

Ta s nh n đ c k t qu nh sau:

5.1.5. Docstring trong Python

84
 Chuỗi đầu tiên ngay sau tiêu đề hàm được gọi là docstring (documentation
string), nó được dùng để giải thích chức năng cho hàm. Mặc dù docstring là không bắt
buộc, nhưng việc bạn giải thích ngắn gọn về chức năng của hàm sẽ giúp người dùng
sau, thậm chí là bạn, khi gọi hàm có thể hiểu ngay hàm sẽ làm gì mà không cần phải
tìm lại định nghĩa hàm để xem xét.

Việc thêm tài liệu cho code là một thói quen tốt. Chẳng có gì đảm bảo là sau 1 vài
tháng quay trở lại bạn nhớ được chi tiết, rõ ràng đoạn code đã viết trước đó mà không
có sai sót gì.

Trong ví dụ bên trên chúng ta có một docstring ngay bên dưới tiêu đề hàm.
Docstring thường được viết trong cặp 3 dấu ngoặc kép. Chuỗi này sẽ xuất hiện như
một thuộc tính __doc__ của hàm.

Để kiểm tra docstring của hàm chao() bên trên, bạn nhập code sau và chạy thử
nhé:

print(chao.__doc__)
Đây là kết quả:

5.1.6. Lệnh return trong hàm Python

Lệnh return thường được dùng để thoát hàm và trở về nơi mà tại đó hàm được
gọi.

a. Cú pháp của lệnh return:

return [danh_sach_bieu_thuc]
Lệnh này có thể chứa biểu thức được tính toán và giá trị trả về. Nếu không có

85
biểu thức nào trong câu lệnh hoặc không có lệnh return trong hàm thì hàm sẽ trả về
None.

Ví dụ 5-1: Ví dụ về lệnh return:

def gia_tri_tuyet_doi(so):
"""Hàm này tr v giá tr tuy t đ i
c a m t s nh p vào"""
if so >= 0:
return so
else:
return -so
# Đ u ra: 5
print(gia_tri_tuyet_doi(5))
# Đ u ra: 8
print(gia_tri_tuyet_doi(-8))
# Đ u ra: Giá tr tuy t đ i c a s nh p vào
num=int(input("Nh p s c n l y giá tr tuy t đ i: "))
print (gia_tri_tuyet_doi(num))
Khi chạy code trên, ta được kết quả như sau:

5
8
Nh p s c n l y giá tr tuy t đ i: -7 7

5.1.7. Phạm vi và thời gian tồn tại của các biến

Phạm vi của biến là đoạn chương trình mà ở đó biến được thừa nhận. Các tham số
và biến được xác định bên trong một hàm khong thể "nhìn thấy" từ bên ngoài. Do đó,
những biến và tham số này chỉ có phạm vi trong hàm.

Thời gian tồn tại của biến là khoảng thời gian mà biến đó xuất hiện trong bộ nhớ.
Khi hàm được thực thi thì biến sẽ tồn tại.

Biến bị hủy khi chúng ta thoát khỏi hàm. Hàm không nhớ giá trị của biến trong
những lần gọi hàm trước đó.

def ham_in():
x = 15
print("Giá tr bên trong hàm:",x)
x = 30
ham_in()
print("Giá tr bên ngoài hàm:",x)
Trong chương trình trên, ta dùng cùng một biến x, một biến bên trong hàm

86
ham_in(), một biến x ở ngoài và thực hiện lệnh in hai giá trị này để bạn nhận thấy
phạm vi của biến. Giá trị của x chúng ta khởi tạo là 30, mặc dù hàm ham_in() đã thay
đổi giá trị của x thành 15, nhưng nó không ảnh hưởng gì đến giá trị của x ở bên ngoài
hàm. Khi chạy chương trình ta được kết quả:

Giá tr bên trong hàm: 15

Giá tr bên ngoài hàm: 30
Điều này là do biến x bên trong hàm là khác với biến x bên ngoài hàm. Dù chúng
có cùng tên, nhưng thực ra lại là 2 biến khác nhau với phạm vi khác nhau. Biến x trong
hàm là biến cục bộ, chỉ có tác dụng trong hàm đó. Biến x bên ngoài hàm có thể nhìn
thấy từ bên trong hàm và có phạm vi trên toàn bộ chương trình.

Với biến bên ngoài hàm, ta có thể đọc giá trị của biến ở trong hàm, nhưng không
thể thay đổi được giá trị của nó. Để thay đổi giá trị cho các biến kiểu này, chúng phải
được khai báo là các biến global bằng cách sử dụng từ khóa global.

5.1.8. Các loại hàm trong Python

Về cơ bản, Python có 2 loại hàm chính là hàm được tích hợp sẵn trong Python và
hàm do người dùng định nghĩa. Trong các phần tới, chúng ta sẽ tìm hiểu kỹ hơn về 2
loại hàm này.

5.2. Các hàm Python tích hợp sẵn

Trong bài trước bạn đã biết rằng Python có loại hàm cơ bản, một là hàm tích hợp
sẵn, hai là hàm do người dùng tự định nghĩa. Phần này, chúng ta sẽ tìm hiểu về danh
sách các hàm được tích hợp sẵn trên Python.

Trình thông dịch của Python có sẵn một số hàm để sử dụng. Các hàm này được
gọi là hàm tích hợp. Ví dụ, print() là hàm in các giá trị được cung cấp cho hàm ra
màn hình, hàm list() tạo một list trong Python,

Trong phiên bản Python 3.6 có 68 hàm Python được tích hợp sẵn. Dưới đây là
danh sách các hàm đó, cùng với mô tả ngắn gọn về chúng

Hàm Mô tả
abs() Trả về giá trị tuyệt đối của một số

87
all() Trả về True khi tất cả các phần tử trong iterable là đúng

any() Kiểm tra bất kỳ phần tử nào của iterable là True

ascii() Tả về string chứa đại diện (representation) có thể in

bin() Chuyển đổi số nguyên sang chuỗi nhị phân

bool() Chuyển một giá trị sang Boolean

bytearray() Trả về mảng kích thước byte được cấp

bytes() Trả về đối tượng byte không đổi

callable() Kiểm tra xem đối tượng có thể gọi hay không

chr() Trả về một ký tự (một chuỗi) từ Integer

classmethod() Trả về một class method cho hàm

compile() Trả về đối tượng code Python

complex() Tạo một số phức

delattr() Xóa thuộc tính khỏi đối tượng

dict() Tạo Dictionary

dir() Trả lại thuộc tính của đối tượng

divmod() Trả về một Tuple của Quotient và Remainder

enumerate() Trả về đối tượng kê khai

eval() Chạy code Python trong chương trình

exec() Thực thi chương trình được tạo động

filter() Xây dựng iterator từ các phần tử True

float() Trả về số thập phân từ số, chuỗi

format() Trả về representation được định dạng của giá trị

frozenset() Trả về đối tượng frozenset không thay đổi

88
getattr() Trả về giá trị thuộc tính được đặt tên của đối tượng

globals() Trả về dictionary của bảng sumbol toàn cục hiện tại

hasattr() Trả về đối tượng dù có thuộc tính được đặt tên hay không

hash() Trả về giá trị hash của đối tượng

help() Gọi Help System được tích hợp sẵn

hex() Chuyển Integer thành Hexadecimal

id() Trả về định danh của đối tượng

input() Đọc và trả về chuỗi trong một dòng

int() Trả về số nguyên từ số hoặc chuỗi

isinstance() Kiểm tra xem đối tượng có là Instance của Class không

issubclass() Kiểm tra xem đối tượng có là Subclass của Class không

iter() Trả về iterator cho đối tượng

len() Trả về độ dài của đối tượng

list() Tạo list trong Python

locals() Trả về dictionary của bảng sumbol cục bộ hiện tại

map() Áp dụng hàm và trả về một list

max() Trả về phần tử lớn nhất

memoryview() Trả về chế độ xem bộ nhớ của đối số

min() Trả về phần tử nhỏ nhất

next() Trích xuất phần tử tiếp theo từ Iterator

object() Tạo một đối tượng không có tính năng (Featureless Object)

oct() Chuyển số nguyên sang bát phân

89
open() Trả về đối tượng File

ord() Trả về mã Unicode code cho ký tự Unicode

pow() Trả về x mũ y

print() In đối tượng được cung cấp

property() Trả về thuộc tính property

range() Trả về chuỗi số nguyên từ số bắt đầu đến số kết thúc

repr() Trả về representation có thể in của đối tượng

reversed() Trả về iterator đảo ngược của một dãy

round() Làm tròn số thập phân

set() Tạo một set các phần tử mới

setattr() Đặt giá trị cho một thuộc tính của đối tượng

slice() Cắt đối tượng được chỉ định bằng range()

sorted() Trả về list được sắp xếp

staticmethod() Tạo static method từ một hàm

str() Trả về một representation không chính thức của một đối tượng

sum() Thêm một mục vào Iterable

super() Cho phép tham chiếu đến Parent Class bằng super

tuple() Tạo một Tuple

type() Trả về kiểu đối tượng

vars() Trả về thuộc tính __dict__ của class

zip() Trả về Iterator của Tuple

__import__() Hàm nâng cao, được gọi bằng import

90
 Nếu muốn biết hàm này cụ thể làm gì, có đối số nào, bạn chỉ cần nhập lệnh:

print(ten_ham.__doc__)

5.3. Hàm Python do người dùng tự định nghĩa

Bên cạnh các hàm Python tích hợp sẵn, bạn còn có thể tự định nghĩa hàm Python,
những hàm này gọi là hàm Python do người dùng định nghĩa (user-defined functions).
Việc sử dụng những hàm tự định nghĩa này có lợi ích gì, cách để định nghĩa hàm trong
Python ra sao, chúng ta sẽ tìm hiểu trong phần này.

5.3.1. Hàm Python do người dùng định nghĩa là gì?

Các hàm mà ta tự mình định nghĩa để thực hiện một số công việc cụ thể được gọi
là hàm do người dùng định nghĩa. Việc định nghĩa hàm và gọi hàm đã được đề cập đến
trong phần 4.1.8.

Các hàm có sẵn trong Python được gọi là hàm tích hợp. Nếu ta sử dụng những
hàm được người dùng khác viết dưới dạng thư viện, thì những hàm này gọi là hàm thư
viện (library function). Như vậy, hàm ta tự định nghĩa có thể trở thành một hàm thư
viện đối với người dùng nào đó.

a. Ưu điểm khi sử dụng hàm Python do người dùng định nghĩa

Hàm do người dùng định nghĩa giúp phân tích một chương trình lớn thành những
phần nhỏ, khiến chương trình dễ hiểu, dễ duy trì và gỡ lỗi hơn.

Khi một đoạn code bị lặp lại trong chương trình, thì có thể sử dụng hàm để gom
đoạn code này lại và chạy khi cần bằng cách gọi hàm.

Các lập trình viên cùng làm việc trong một dự án lớn, có thể phân chia công việc
cho nhau bằng cách tạo các hàm khác nhau.

b. Ví dụ về hàm do người dùng tự định nghĩa

Để định nghĩa một hàm, bạn đã biết khi tìm hiểu về tổng quan về hàm Python. Ở
đây, mình sẽ nhắc lại cú pháp cơ bản khi định nghĩa 1 hàm:

def ten_ham(DoiSo1,DoiSo2,...,DoiSon)
kh i l nh c a hàm

def them_so(a,b):

91
 tong = a + b
return tong
so1 = 5
so2 = 6
so3 = int(input("Nh p m t s : "))
so4 = int(input("Nh p m t s n a: "))
print("T ng hai s đ u là: ", them_so(so1, so2))
print ("T ng c a hai s sau là: ", them_so(so3, so4))
Trong ví dụ trên, hàm int(), input(), print() là hàm tích hợp sẵn trong Python. Ở
đây, chúng ta định nghĩa hàm them_so(), có chức năng là thêm hai số, tính tổng 2 số và
trả về kết quả. Đầu ra của chương trình này như sau:

Nh p m t s : 8
Nh p m t s n a: 10
T ng hai s đ u là: 11
T ng c a hai s sau là: 18
Việc đặt tên hàm theo chức năng hoặc nhiệm vụ của hàm sẽ giúp người đọc code
dễ hiểu hơn, bạn nên luyện tập điều nay khi code.

5.4. Tham số hàm Python

Trong phần trước chúng ta đã tìm hiểu về hàm Python tích hợp sẵn và hàm
Python do người dùng định nghĩa với số lượng tham số tùy biến. Bạn sẽ biết cách để
định nghĩa hàm bằng cách sử dụng tham số mặc định, keyword và tham số tùy biến
trong bài này.

Tùy vào việc bạn định nghĩa hàm Python theo cách nào mà chúng ta có thể gọi
hàm khác nhau, tất nhiên, dù gọi hàm theo cách nào thì kết quả cuối cùng vẫn hợp lý
và giống nhau.

5.4.1. Tham số của hàm Python

Trong phần 4.3 hàm do người dùng định nghĩa, chúng ta đã biết cách định nghĩa
và gọi một hàm, giống như ví dụ dưới đây:

def Xin_chao(ten,loi_chao):
"""Hàm Xin_chao chào m t ng i
v i thông đi p cho tr c """
print("Xin chào",ten + ', ' + loi_chao)
Xin_chao("Nam","đ c bài vui v nha!")
Khi chạy code trên, ta sẽ nhận được dòng chữ trên màn hình như sau:

92
Xin chào Nam, đ c bài vui v nha!
Như bạn thấy, hàm Xin_chao() này có 2 tham số. Do đó, nếu chúng ta gọi hàm
với 2 tham số, nó sẽ chạy "ngon lành" và không gặp phải thông báo lỗi nào.

Nếu gọi hàm với số tham số khác 2, trình thông dịch sẽ hiển thị thông báo lỗi.
Nếu muốn, bạn có thể thử gọi hàm Xin_chao() trên với 1 tham số và không có tham
số.

#Thông báo l i khi g i hàm Xin_chao() v i 1 tham s

TypeError: Xin_chao() missing 1 required positional
argument: 'loi_chao'
#Thông báo l i khi g i hàm Xin_chao() mà không có tham s
TypeError: Xin_chao() missing 2 required positional
arguments: 'ten' and 'loi_chao'
Bên cạnh việc định nghĩa hàm với số tham số cố định, bạn có thể dùng những
cách mà chúng tôi giới thiệu dưới đây để tạo số tham số tùy biến cho hàm:

5.4.2. Tham số mặc định trong hàm Python

Trong Python, tham số của hàm có thể có giá trị mặc định. Chúng ta có thể cung
cấp giá trị mặc định này cho một tham số bằng cách sử dụng toán tử gán (=) như ví dụ
dưới đây:

def Xin_chao(ten, loi_chao = "đ c bài vui nha!"):

""" Hàm này chào m t ng i v i thông đi p cho tr c.
N u thông đi p không đ c cung c p,
nó s đ c m c đ nh là "đ c bài vui nha!"
"""
print("Xin chào",ten + ', ' + loi_chao)
Xin_chao("H i")
Xin_chao("Dũng","b n kh e không?")
Khi ch y code trên, ta có k t qu đ u ra nh sau:
Xin chào H i, đ c bài vui nha!
Xin chào Dũng, b n kh e không?
Trong hàm này, tham số ten không có giá trị mặc định và bắt buộc phải có khi
gọi hàm. Tham số loi_chao có giá trị mặc định là "đ c bài vui nha!". Vì vậy, khi gọi
hàm bạn có thể cung cấp tham số này hoặc không. Nếu cung cấp tham số loi_chao, nó
sẽ ghi đè lên giá trị mặc định.

Trong một hàm, số lượng tham số có giá trị mặc định không bị giới hạn, nhưng

93
một khi có tham số mặc định, tất cả các tham số nằm bên phải của tham số mặc định
cũng phải có giá trị mặc định. Nghĩa là, các tham số không mặc định không thể nằm
sau các tham số mặc định. Ví dụ, nếu bạn định nghĩa hàm Xin_chao() như sau:

def Xin_chao(loi_chao = "đ c bài vui nha!",ten):

Thì sẽ nhận được thông báo lỗi:

SyntaxError: non-default argument follows default argument

5.4.3. Tham số keyword trong Python

Khi gọi một hàm với vài giá trị, những giá trị này sẽ được gán cho các tham số
theo vị trí của chúng. Ví dụ, trong hàm Xin_chao() ở trên, khi
gọi Xin_chao("Dũng","b n kh e không?"), giá trị "Dũng" được gán cho tham số ten và
giá trị "b n kh e không?" được gán cho loi_chao.

Python cho phép gọi hàm bằng các tham số keyword. Khi gọi hàm theo cách nay,
thứ tự (vị trí) của tham số có thể thay đổi, nhưng kết quả vẫn hợp lệ và tương tự các
cách gọi hàm khác.

# 2 tham s keyword
Xin_chao(ten = "Dũng",loi_chao = "b n kh e không?")
# 2 tham s keyword, th t tham s thay đ i
Xin_chao(loi_chao = "b n kh e không?",ten = "Dũng")
# 1 tham s keyword, 1 theo v trí
Xin_chao("Dũng",loi_chao = "b n kh e không?")
Như bạn thấy bên trên, có thể kết hợp các tham số theo keyword hoặc vị trí khi
gọi hàm. Nhưng phải nhớ rằng các tham số keyword phải đi sau tham số theo vị trí.
Nếu tham số theo vị trí ở sau tham số keyword bạn sẽ nhận được thông báo lỗi:

Xin_chao(ten = "Dũng","b n kh e không?")

Thông báo lỗi:

SyntaxError: non-keyword argument after keyword argument

5.4.4. Tham số tùy biến trong hàm Python

Đôi khi, ta không biết trước số lượng tham số sẽ được truyền vào hàm, đó là lúc
cần phải sử dụng cách gọi hàm với số lượng tham số tùy biến.

Trong định nghĩa hàm, ta sử dụng dấu hoa thị * trước tên tham số để biểu thị loại

94
tham số, như ví dụ dưới đây:

def Xin_chao(*ten_chao):
"""
Hàm này s chào m t danh sách ng i cho tr c
"""
for ten in ten_chao:
print("Xin chào",ten)

Xin_chao("H i","Hoa","Công","S n")

Khi ch y code trên ta đ c k t qu nh sau:
Xin chào H i
Xin chào Hoa
Xin chào Công
Xin chào S n

Ở đây, ta gọi hàm với nhiều tham số. Tham số này được "gói" lại thành một tuple
trước khi truyền vào hàm. Bên trong hàm, chúng ta sử dụng vòng lặp for để lấy tất cả
các tham số trong tuple.

5.5. Hàm đệ quy trong Python

Trong các phần trước, bạn đã biết về hàm Python, các hàm Python tích hợp
sẵn và hàm Python do người dùng định nghĩa. Trong bài này chúng ta sẽ tìm hiểu thêm
về hàm đệ quy trong Python, hàm tự gọi chính nó, cũng như cách tạo hàm đệ quy và ví
dụ minh họa.

5.5.1. Hàm đệ quy trong Python là gì?

Đệ quy là cách lập trình hoặc code một vấn đề, trong đó hàm tự gọi lại chính nó

95
một hoặc nhiều lần trong khối code. Thông thường, nó trả giá trị trả về của lần gọi
hàm. Nếu định nghĩa hàm thỏa mãn điều kiện đệ quy thì hàm được gọi là hàm đệ quy.

Điều kiện chấm dứt: Một hàm đệ quy cần phải có điều kiện chấm dứt đề dừng
việc tự gọi lại nó. Hàm đệ quy chấm dứt khi mỗi lần gọi đệ quy thì số giải pháp của
vấn đề được giảm bớt và tiến gần đến điều kiện cơ sở. Một điều kiện cơ sở là điểm mà
ở đó vấn đề được giải quyết và không cần đệ quy thêm. Nếu các lần gọi đệ quy không
thể đến được điều kiện cơ sở thì hàm đệ quy trở thành một vòng lặp vô hạn.

Như vậy, có thể nói đệ quy trong khoa học máy tính là một phương pháp giải
quyết vấn đề dựa trên việc giải quyết các trường hợp nhỏ hơn của cùng vấn đề đó.

Trong Python, hàm đệ quy cũng tương tự như vậy, có thể gọi đến chính nó và có
một điều kiện cơ sở để chấm dứt đệ quy.

5.5.2. Ví dụ về hàm đệ quy trong Python

Ví dụ kinh điển nhất về hàm đệ quy chính là tính giai thừa của một số nguyên.
Giai thừa của một số là kết quả của phép nhân từ một đến số đó. Ví dụ, 5 giai thừa
(được viết là 5!) là 1*2*3*4*5= 120.

Trong Python, hàm tính giai thừa của một số được viết như sau:

def giaithua(n):
"""Đây là hàm tính giai th a c a
m t s nguyên"""
if n == 1:
return 1
else:
return (n * giaithua(n-1))
num = 5
num1 = int(input("Nh p s c n tính giai th a: "))
print("Giai th a c a", num, "là", giaithua(num))
print("Giai th a c a", num1, "là", giaithua(num1))
Trong ví dụ trên, bạn hãy nhìn vào phần định nghĩa hàm giaithua(n), trong lệnh
if...else, hàm giaithua(n) đã gọi lại chính nó. Chạy code trên ta được kết quả sau:

96
 Khi gọi hàm giaithua(n) với số nguyên dương, nó sẽ gọi đệ quy bằng cách giảm
dần số. Mỗi một lần gọi hàm, nó sẽ nhân số với giai thừa của 1 cho đến khi số bằng 1.
Việc gọi đệ quy này có thể được giải thích trong các bước sau:

giaithua(4) # L n g i đ u tiên v i 4
4 * giaithua(3) # L n g i th hai v i 3
4 * 3 * giaithua(2) # L n g i th ba v i 2
4 * 3 * 2 * giaithua(1) # L n g i th t v i 1
4 * 3 * 2 * 1 # Tr v t l n g i 4 khi s =1
4 * 3 * 2 # Tr v t l n g i 3
4 * 6 # Tr v t l n g i 2
24 # Tr v t l n g i 1
Phép đệ quy trên kết thúc khi số giảm xuống đến 1. Đây được gọi là điều kiện cơ
sở. Mỗi hàm đệ quy phải có một điều kiện cơ sở để dừng việc đệ quy nếu không nó sẽ
trở thành hàm vô hạn, tự gọi mãi đến nó.

5.5.3. Ưu điểm của hàm đệ quy

Các hàm đệ quy làm cho code trông gọn gàng và nhẹ nhàng hơn.

Những nhiệm vụ phức tạp có thể được chia thành những vấn đề đơn giản hơn
bằng cách sử dụng đệ quy.

Tạo trình tự với đệ quy dễ dàng hơn so với việc sử dụng những vòng lặp lồng
nhau.

5.5.4. Nhược điểm của đệ quy:

Đôi khi logic đằng sau đệ quy khá khó để hiểu rõ.

Gọi đệ quy tốn kém (không hiệu quả) vì chúng chiếm nhiều bộ nhớ và thời gian.

97
 Các hàm đệ quy rất khó để gỡ lỗi.

Mỗi một lần hàm đệ quy tự gọi nó sẽ lưu trữ trên bộ nhớ. Vì thế, nó tiêu tốn nhiều
bộ nhớ hơn so với hàm truyền thống. Python sẽ dừng gọi hàm sau 1000 lần gọi. Nếu
bạn chạy code dưới đây:

def giaithua(n):
"""Đây là hàm tính giai th a c a
m t s nguyên by """
if n == 1:
return 1
else:
return (n * giaithua(n-1))
print (giaithua(1001))
Sẽ nhận được thông báo lỗi:

RecursionError: maximum recursion depth exceeded in

comparison
Có thể giải quyết vấn đề này bằng cách điều chỉnh số lần gọi đệ quy, như sau:

import sys
sys.setrecursionlimit(5000)

def giaithua(n):
"""Đây là hàm tính giai th a c a
m t s nguyên by """
if n == 1:
return 1
else:
return (n * giaithua(n-1))
print (giaithua(1001))
Nhưng nhớ rằng, vẫn còn có giới hạn đầu vào cho hàm giai thừa. Vì lý do này,
bạn nên sử dụng đệ quy một cách khôn ngoan. Để tính giai thừa thì đệ quy không phải
là giải pháp tốt nhất, đối với các vấn đề khác như di chuyển trong thư mục (traversing a
directory) thì đệ quy là một giải pháp tốt.

5.6. Hàm vô danh, Lambda trong Python

Chúng ta đã đi được một nửa chặng đường trong phần hàm Python, ở phần này
các bạn sẽ được tìm hiểu về hàm vô danh, còn được gọi là hàm Lambda. Hàm Lambda
là gì, cú pháp hàm Lambda ra sao và làm thế nào để sử dụng hàm Lambda với ví dụ cụ
thể.

98
5.6.1. Hàm Lambda trong Python là gì?

Trong Python, hàm vô danh là hàm được định nghĩa mà không có tên. Nếu các
hàm bình thường được định nghĩa bằng cách sử dụng từ khóa def, thì hàm vô danh
được định nghĩa bằng cách sử dụng từ khóa lambda. Vì lý do đó mà hàm vô danh còn
được gọi là hàm Lambda.

5.6.2. Cú pháp hàm Lambda trong Python

Một hàm Lambda trong Python có cú pháp sau;

lambda tham_so: bieu_thuc

Hàm Lambda có thể có nhiều tham số nhưng chỉ có 1 biểu thức. Biểu thức sẽ
được đánh giá và trả về. Hàm Lambda có thể được sử dụng ở bất cứ nơi nào đối tượng
hàm được yêu cầu.

5.6.3. Ví dụ về hàm Lambda trong Python

Đây là ví dụ về hàm Lambda với nhiệm vụ nhân đôi số nhập vào.

nhan_doi = lambda a: a * 2

# K t qu : 20
# By
print(nhan_doi(10))
Trong ví dụ này, lambda a: a * 2 là hàm Lambda. a ở đây là tham số và a * 2 là
biểu thức (đảm nhiệm việc tính toán và trả về kết quả). Hàm này không có tên, nó trả
về một đối tượng hàm - được gán định danh là nhan_doi. Chúng ta có thể gọi nó như
một hàm bình thường, lệnh sau:

nhan_doi = lambda a: a * 2
gần giống như:

def nhan_doi(a):
return a * 2

5.6.4. Sử dụng Lambda trong Python

Thường thì hàm Lambda được sử dụng khi cần một hàm vô danh trong thời gian
ngắn, ví dụ như dùng làm đối số cho một hàm bậc cao hơn. Hàm Lambda thường được

99
sử dụng cùng với các hàm Python tích hợp sẵn như filter() hay map(),...

a. Ví dụ dùng hàm Lambda với filter():

Hàm filter() sẽ lấy các tham số là một hàm và một list. Hàm được gọi với tất cả
các mục trong list và list mới sẽ được trả về, chứa các mục mà hàm đánh giá là True.
Đây là ví dụ dùng hàm filter() để lọc ra các số chẵn trong list.

list_goc = [10, 9, 8, 7, 6, 1, 2, 3, 4, 5]

list_moi = list(filter(lambda a: (a%2 == 0) , list_goc))

# K t qu : [10, 8, 6, 2, 4]
# By
print(list_moi)
b. Ví dụ dùng hàm Lambda với map():

Hàm map() cũng lấy các tham số là một hàm và một list. Hàm được gọi với tất cả
các mục trong list và list mới được trả về chứa các mục được hàm trả về tương ứng cho
mỗi mục. Nói thì có vẻ lằng nhằng, bạn xem ví dụ sau sẽ dễ hiểu hơn nhiều:

list_goc = [10, 9, 8, 7, 6, 1, 2, 3, 4, 5]

list_moi = list(map(lambda a: a*2 , list_goc))

# K t qu : [20, 18, 16, 14, 12, 2, 4, 6, 8, 10]

# By
print(list_moi)

5.7. Biến toàn cục (global), biến cục bộ (local), biến nonlocal trong
Python
Trong phần này bạn sẽ học về biến toàn cục (global), biến cục bộ (local), biến
nonlocal trong Python và trường hợp sử dụng các biến này.

5.7.1. Biến toàn cục trong Python

Trong ngôn ngữ lập trình Python, một biến được khai báo bên ngoài hàm hoặc
trong phạm vi toàn cục được gọi là biến toàn cục hay biến global. Biến toàn cục có thể
được truy cập từ bên trong hoặc bên ngoài hàm.

Hãy xem ví dụ về cách tạo biến toàn cục trong Python.

100
x = "Bi n toàn c c" #khai báo bi n x
#G i x t trong hàm vidu()
def vidu():
print("x trong hàm vidu() :", x)

vidu()
#G i x ngoài hàm vidu()
print("x ngoài hàm vidu():", x)
Trong ví dụ trên, ta khai báo biến x là biến toàn cục, và định nghĩa hàm vidu() để
in biến x. Cuối cùng ta gọi hàm vidu() để in giá trị của biến x. Chạy code trên ta sẽ
được kết quả là:

x trong hàm vidu(): Bi n toàn c c

x ngoài hàm vidu(): Bi n toàn c c
Chuyện gì sẽ xảy ra nếu bạn thay đổi giá trị của x trong hàm?

x = 2
def vidu():
x=x*2
print(x)

vidu()
Nếu chạy code này bạn sẽ nhận được thông báo lỗi:

UnboundLocalError: local variable 'x' referenced before

assignment
Lỗi này xuất hiện là do Python xử lý x như một biến cục bộ và x không được định
nghĩa trong vidu().

Để thay đổi biến toàn cục trong một hàm bạn sẽ phải sử dụng từ khóa global.
Chúng tôi sẽ nói kỹ hơn trong bài về từ khóa global.

5.7.2. Biến cục bộ trong Python

Biến được khai báo bên trong một hàm hoặc trong phạm vi cục bộ được gọi là
biến cục bộ hay biến local.

def vidu():
y = "Bi n c c b "
vidu()
print(y)
Khi chạy code trên bạn sẽ nhận được thông báo lỗi:

101
NameError: name 'y' is not defined
Lỗi này xuất hiện là do chúng ta đã cố truy cập vào biến cục bộ y trong phạm vi
toàn cục, nhưng y chỉ làm việc trong hàm vidu() hoặc phạm vi cục bộ.

Thông thường, để tạo một biến cục bộ, chúng ta sẽ khai báo nó trong một hàm
như ví dụ dưới đây:

def vidu():
y = "Bi n c c b "
print(y)
vidu()
Chạy code trên ta sẽ được kết quả

Bi n c c b
Chúng ta quay trở lại xem xét vấn đề trước đó, lúc x là một biến toàn cục và
chúng ta muốn thay đổi x trong vidu().

5.7.3. Biến cục bộ và biến toàn cục

Ở đây, chúng ta sẽ học cách dùng biến cục bộ và toàn cục trong cùng một code.

x = 2

def vidu():
global x
y = "Bi n c c b "
x = x * 2
print(x)
print(y)
#Vi t b i
vidu()
Chạy code trên ta sẽ có đầu ra:

4
Bi n c c b
Trong code trên, chúng ta khai báo x là biến toàn cục và y là biến cục bộ
trong vidu() và dùng toán tử * để thay đổi biến toàn cục và in cả giá trị của x và y. Sau
khi gọi hàm vidu() giá trị của x sẽ thành 4 vì được nhân đôi.

Ví dụ sử dụng biến toàn cục và cục bộ trùng tên:

x=5

102
def vidu():
x = 10
print("Biến x cục bộ:", x)

vidu()
print("Biến x toàn cục:", x)
Sau khi chạy code trên ta có đầu ra:

Biến x cục bộ: 10

Biến x toàn cục: 5
Trong code trên, chúng ta sử dụng cùng tên x cho cả biến cục bộ và biến toàn cục.
Khi in cùng biến x chúng ta nhận được hai kết quả khác nhau vì biến được khai báo ở
cả hai phạm vi, cục bộ (bên trong hàm vidu()) và toàn cục (bên ngoài hàm vidu()).

Khi chúng ta in biến trong hàm vidu() nó sẽ xuất ra Bi n x c c b : 10, đây

được gọi là phạm vi cục bộ của biến. Tương tự khi ta in biến bên ngoài hàm vidu() sẽ
cho ra Bi n x toàn c c: 5, đây là phạm vi toàn cục của biến.

5.7.4. Biến nonlocal trong Python

Từ nonlocal này mình không biết dịch sang tiếng Việt sao cho chuẩn. Trong
Python, biến nonlocal được sử dụng trong hàm lồng nhau nơi mà phạm vi cục bộ
không được định nghĩa. Nói dễ hiểu thì biến nonlocal không phải biến local, không
phải biến global, bạn khai báo một biến là nonlocal khi muốn sử dụng nó ở phạm vi
rộng hơn local, nhưng chưa đến mức global.

Để khai báo biến nonlocal ta cần dùng đến từ khóa nonlocal.

Ví dụ:

def ham_ngoai():
x = "Bi n c c b "

def ham_trong():
nonlocal x
x = "Bi n nonlocal"
print("Bên trong:", x)

ham_trong()
print("Bên ngoài:", x)

103
hamngoai()
Chạy code trên bạn sẽ có đầu ra:

Bên trong: Biến nonlocal

Bên ngoài: Biến nonlocal
Trong code trên có một hàm lồng là ham_trong(), ta dùng từ khóa nonlocal để
tạo biến nonlocal. Hàm ham_trong() được định nghĩa trong phạm vi của ham_ngoai().

Lưu ý: Nếu chúng ta thay đổi giá trị của biến nonlocal, sự thay đổi sẽ xuất hiện
trong biến cục bộ.

5.8. Từ khóa global trong Python

Trong phần trước, khi nhắc đến vấn đề thay đổi giá trị của biến toàn cục trong
một hàm mình có nói phải dùng từ khóa Python là global, nhưng chưa nói rõ cách
dùng vì muốn dành riêng một bài để viết chi tiết về từ khóa này.

Từ khóa global để làm gì và cách dùng nó trong Python ra sao? Mời các bạn
cùng theo dõi nhé.

Trong Python, từ khóa global cho phép bạn chỉnh sửa biến bên ngoài phạm vi
hiện tại. Nó được sử dụng để tạo biến global và thực hiện thay đổi cho biến trong bối
cảnh cục bộ.

5.8.1. Quy tắc của từ khóa global trong Python

Khi chúng ta tạo biến trong một hàm, nó mặc định là biến cục bộ.

Khi chúng ta định nghĩa một biến bên ngoài hàm, nó mặc định là biến toàn cục.
Bạn không cần phải sử dụng từ khóa global.

Chúng ta sử dụng từ khóa global để đọc và viết biến toàn cục trong một hàm.

Sử dụng từ khóa global bên ngoài một hàm thì không có tác dụng gì cả.

5.8.2. Cách sử dụng từ khóa global trong Python

Ví dụ 5-1: Truy cập biến toàn cục từ trong một hàm

a = 1 # Bi n toàn c c

def them():

104
 print(a)

them()
Khi chạy code trên chúng ta nhận được đầu ra là 1. Tuy nhiên, có vài trường hợp
chúng ta cần chỉnh sửa biến toàn cục từ bên trong hàm, đó chính là trường hợp mình
nhắc đến từ đầu, vậy phải làm sao?

Ví dụ 5-2: Chỉnh sửa biến toàn cục trong một hàm

Giả sử ta cần sửa giá trị của a thành a + 9 trong hàm them(), nếu viết code sau:

a = 1 # Bi n toàn c c

def them():
a = a + 9
print(a)

them()
Bạn sẽ nhận được thông báo lỗi:

UnboundLocalError: local variable 'a' referenced before assignment

Đó là do chúng ta chỉ có thể truy cập vào biến toàn cục mà không thể chỉnh sửa
nó trong một hàm. Giải pháp cho vấn đề này là sử dụng từ khóa global. Khi đó, đoạn
code trên sẽ được viết lại như sau:

a = 1 # Bi n toàn c c

def them():
global a
a = a + 9
print("Trong them():", a)

them()
print("Trong main:", a)
Chạy code trên ta được kết quả đầu ra là:

Trong them(): 10
Trong main: 10
Ở đây, chúng ta định nghĩa a là một biến toàn cục trong hàm them(), sau đó tăng
giá trị của a lên 9, tức là a = a + 9. Sau đó, chúng ta gọi hàm them(), cuối cùng, in
biến toàn cục a. Kết quả là thay đổi được thực hiện cho biến a trong hàm them() cũng
xảy ra trên biến toàn cục bên ngoài hàm, a = 10.

105
 Ví dụ 5-3: Chia sẻ biến toàn cục global thông qua mô-đun trong Python

Trong Python, chúng ta tạo ra một mô-dun config.py để giữ các biến toàn cục và
chia sẻ thông tin thông qua các mô-đun Python trong cùng một chương trình. Đây là
cách chúng ta có thể chia sẻ biến toàn cục qua các mô-đun Python.

Tạo một file config.py để lưu trữ biến toàn cục:

a=0
b = "rỗng"
Tạo một file update.py để thay đổi các biến toàn cục:

import config

config.a = 10
config.b = ""
Viết file main.py để kiểm tra sự thay đổi:

import config
import update

print(config.a)
print(config.b)
Khi chạy file main.py, đầu ra sẽ là:

10
Ở đây, ta đã tạo ra 3 file là config.py, update.py và main.py. Mô-đun config.py
lưu trữ 2 biến toàn cục là a và b. Trong file update.py chúng ta nhập mô-đun config.py
và sửa đổi giá trị của biến a, b. Tương tự trong file main.py, ta nhập cả 2 mô-đun
config.py và update.py. Cuối cùng, chúng ta dùng lệnh in để kiểm tra xem giá trị của
biến a và b đã được thay đổi hay chưa.

Ví dụ 5-4: Sử dụng biến toàn cục trong hàm lồng nhau.

Trong ví dụ này bạn sẽ biết cách để sử dụng biến toàn cục trong hàm lồng nhau.

def ham1():
x = 20

def ham2():
global x
x = 25

106
 print("Trước khi gọi ham2: ", x)
print("Đang gọi ham2")
ham2()
print("Sau khi gọi ham2: ", x)

ham1()
print("x trong main: ", x)
Chạy code trên ta được:

Trước khi gọi ham2: 20

Đang gọi ham2
Sau khi gọi ham2: 20
x trong main: 25
Ở đây, chúng ta khai báo biến toàn cục ở trong hàm lồng tên là ham2().
Trong ham1(), x không bị ảnh hưởng bởi từ khóa global.

Trước và sau khi gọi hàm ham2(), x sẽ lấy giá trị của biến cục bộ là 20. Bên ngoài
hàm ham1(), x sẽ lấy giá trị toàn cục, được khia báo trong ham2() là 25. Đây là do ta
sử dụng từ khóa global trong x để tạo biến toàn cục trong ham2(). Nếu chúng ta thực
hiện bất kỳ sự thay đổi nào cho x trong ham2() thì thay đổi sẽ xuất hiện bên ngoài
phạm vi cục bộ.

5.9. Module trong Python

Trong phần này chúng ta sẽ biết cách để tạo và nhập một module trong Python.
Chúng ta sẽ tìm hiểu vài cách để nhập, sử dụng module tùy chỉnh cũng như module
được tích hợp sẵn trong Python.

5.9.1. Module trong Python là gì?

Module (mô-đun) đề cập đến một file chứa những câu lệnh Python và các định
nghĩa. Một file chứa code Python, ví dụ module1.py được gọi là module và tên của
module sẽ là module1.

Module thường được sử dụng khi muốn chia chương trình lớn thành những file
nhỏ hơn để dễ quản lý và tổ chức. Phổ biến nhất là những hàm Python hay phải sử
dụng sẽ được định nghĩa trong một module và nhập vào Python thay vì sao chép định
nghĩa trong những chương trình khác nhau. Nhờ thế, module cho phép tái sử dụng
code.

107
 Bây giờ ta thử tạo một module bằng cách nhập code sau vào file và lưu với tên
module1.py.

#Ví d v module Python

def them(p, q):

"""Module này thêm 2 s
và tr v k t qu
by """

ket_qua = p + q
return ket_qua
Ở đây, chúng ta định nghĩa hàm them() trong module module1. Hàm sẽ lấy vào 2
số và trả về tổng của chúng.

5.9.2. Làm sao để nhập module trong Python?

Chúng ta có thể nhập các định nghĩa từ module này vào module khác hoặc vào
trình thông dịch trong Python. Chúng ta sử dụng từ khóa import để thực hiện việc này.
Để nhập một module đã được định nghĩa, chúng ta nhập lệnh sau tại dấu nhắc của
Python.

>>> import module1

Lệnh này không nhập tên của hàm được định nghĩa trong một cách trực tiếp trong
bảng hiện tại, nó chỉ nhập tên của module mà thôi. Sử dụng tên module để truy cập vào
hàm với toán tử (.). Ví dụ:

>>> module1.them(4.5,5.5)
10.0
Hãy chắc chắn bạn đã gõ đúng tên module, tên hàm (phân biệt chữ hoa, chữ
thường) nếu bạn nhận được thông báo sau: "ModuleNotFoundError: No module
named..."

Python đã có sẵn rất nhiều module tiêu chuẩn. Bạn có thể kiểm tra danh sách đầy
đủ tại địa chỉ: https://docs.python.org/3/py-modindex.html. Tại đây, bạn có thể xem
tên module, nhiệm vụ của chúng là gì. Các file này có sẵn trong Lib ở thư mục bạn cài
đặt Python. Những module này có thể nhập vào tương tự như cách chúng ta nhập
module tự định nghĩa.

108
 Có rất nhiều cách để nhập module như dưới đây:

5.9.3. Sử dụng lệnh import

Chúng ta có thể sử dụng lệnh import để nhập module và truy cập vào các định
nghĩa bên trong nó, sử dụng toán tử . như mô tả bên trên. Đây là ví dụ:

# L nh import đ nh p module có s n trong Python

#
import math
print("Giá tr c a pi là: ", math.pi)
Khi chạy code Python trên ta được kết quả:

Giá trị của pi là: 3.141592653589793

5.9.4. Nhập module và sửa tên khi nhập

# Nh p module và s a tên nó
#
import math as m
print("Giá trị của pi là: ", m.pi)
Chúng ta đã đổi tên module math là m, điều này có thể giúp tiết kiệm thời gian
trong một số trường hợp. Chú ý, việc đổi tên này chỉ áp dụng trong phạm vi lệnh, chứ
không thực sự đổi tên module trong Lib. Khi đã đổi tên, bạn phải gõ đúng tên module,
math lúc này không được công nhận trong phạm vi lệnh nữa, mà bạn phải dùng m mới
đúng.

5.9.5. Lệnh from...import trong Python

Chúng ta có thể nhập một tên cụ thể từ module mà không cần nhập toàn bộ
module như ví dụ dưới đây:

# Ch nh p pi t module math
#
from math import pi
print("Giá tr c a pi là: ",pi)
Code trên chỉ nhập thuộc tính pi từ module math. Trong trường hợp này không
cần sử dụng toán tử ".". Chúng ta có thể nhập nhiều thuộc tính của module như ví dụ
dưới đây:

# Nh p nhi u thu c tính t module math

#

109
>>> from math import pi, e
>>> pi
3.141592653589793
>>> e
2.718281828459045

5.9.6. Nhập tất cả tên

Ta có thể nhập tất cả tên (các định nghĩa) từ một module sử dụng code sau:

# Nh p t t c tên t module math

#
form math import *
print("Giá trị của pi là: ",pi)
Chúng ta nhập tất cả các định nghĩa từ module math nên tất cả tên đều có thể nhìn
thấy trong phạm vi này, ngoại trừ những tên bắt đầu bằng dấu gạch dưới _.

Nhập mọi thứ với dấu hoa thị * không phải là một thói quen lập trình tốt. Vì nó
có thể dẫn đến những định nghĩa bị trùng lặp cho cùng một định danh và khiến cho
việc đọc code trở nên khó khăn hơn.

5.9.7. Đường dẫn tìm kiếm module Python

Khi nhập module, Python sẽ tìm một vài nơi. Trình thông dịch tìm các module có
sẵn, nếu không thấy nó sẽ vào danh sách các thư mục được định nghĩa trong sys.path.
Thứ tự tìm kiếm sẽ là:

Thư mục hiện tại.

PYTHONPATH (một biến môi trường với danh sách thư mục).

Thư mục mặc định có vị trí phụ thuộc vào chọn lựa trong quá trình cài đặt.

Nhập lần lượt các lệnh sau để xem đường dẫn:

>>> import sys

>>> sys.path
Chúng ta có thể chỉnh sửa danh sách này để thêm các path tùy chỉnh theo mong
muốn.

5.9.8. Nạp lại module

Trình thông dịch Python chỉ nhập một module trong một phiên. Điều này làm cho

110
mọi thứ trở nên hiệu quả hơn. Dưới đây là ví dụ minh họa cho cách hoạt động này.

Bạn viết code sau trong file mới, đặt tên là module_1:

print("Code đã hoạt động")

Giờ ta thử nhập module module_1 để xem sự hiệu quả của việc nhập module
nhiều lần.

>>> import module_1

Code đã hoạt động
>>> import module_1
>>> import module_1
>>> import module_1
>>>
Bạn có thể thấy rằng code trên chỉ thực hiện một lần, nghĩa là module_1 chỉ được
nhập 1 lần trong 1 phiên làm việc đó. Bây giờ nếu bạn sửa đổi code trong module_1 bạn
phải nạp lại nó. Để làm điều này bạn phải khởi động lại trình thông dịch, nhưng cách
này có vẻ không ổn lắm.

Python cung cấp cách thông minh hơn để làm điều này. Bạn có thể sử dụng
hàm reload() trong module imp để nạp lại module_1, như dưới đây:

>>> import module_1

Code đã ho t đ ng
>>> import module_1
>>> import module_1
>>> import module_1
>>> import imp
>>> imp.reload(module_1)
Code đã ho t đ ng
<module 'module_1' from
'C:/Users/Quantrimangcom/Python/Python36-32\\module_1.py'>

5.9.9. Hàm dir() trong Python

Hàm dir() trong Python được sử dụng để tìm ra các tên được định nghĩa trong
một module. Ví dụ, bạn định nghĩa hàm them() trong ví dụ ban đầu.

Bạn nhập lần lượt các lệnh sau:

>>> import Quantrimangcom

>>> dir(Quantrimangcom)
Và kết quả trả về:

111
['__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__',
'__package__', '__spec__', 'them']
>>>
Kết quả đầu ra là danh sách các tên được định nghĩa trong module, được sắp xếp
theo thứ tự (cùng với them). Tất cả các tên bắt đầu với dấu gạch dưới là các thuộc tính
Python mặc định, được liên kết với module. Ví dụ, __name__ chứa tên module.

>>> import Quantrimangcom

>>> Quantrimangcom.__name__
'Quantrimangcom'
>>>
Tất cả các tên được xác định trong không gian tên (namespace) có thể được tìm
thấy bằng cách sử dụng dir() mà không cần tham số nào.

>>> a=10
>>> b=15
>>> quantrimangcom=20
>>> import math
>>> dir()
['Quantrimangcom', '__annotations__', '__builtins__', '__doc__', '__file__',
'__loader__', '__name__', '__package__', '__spec__', 'a', 'b', 'math',
'quantrimangcom', 'them', 'vidu']
>>>

5.10. Package trong Python

Trong phần trước bạn đã tìm hiểu về module, cách tạo và gọi một module
trong Python. Ở phần này, chúng ta sẽ học cách phân chia code thành những module
hiệu quả, rõ ràng, sử dụng các package trong Python. Thêm nữa là cách để nhập và sử
dụng package của riêng bạn, hoặc package bạn tải về từ đâu đó vào chương trình
Python.

5.10.1. Package trong Python là gì?

Thông thường người dùng không lưu trữ tất cả các file của mình trên máy tính ở
cùng một thư mục, vị trí, mà sử dụng hệ thống phân cấp thư mục để truy cập dễ dàng
hơn. Các tệp tương tự hoặc cùng liên quan đến một chủ đề nào đó sẽ được để trong
cùng một thư mục, chẳng hạn các bài học về hàm Python sẽ lưu trong thư mục hàm
Python. Tương tự như vậy, Python có các package cho thư mục và module cho file.

Khi chương trình đang code ngày càng lớn với rất nhiều module, chúng ta sẽ đặt

112
những module giống nhau vào một package, và những nhóm module khác vào package
khác. Điều này giúp dễ dàng quản lý chương trình hơn và nó cũng dễ hiểu hơn.

Nếu như thư mục có thể chứa các thư mục con thì package cũng vậy, trong một
package có thể có package con và các module khác.

Một thư mục phải chứa file có tên __init__.py để Python hiểu thư mục này là một
package. File này có thể để trống, nhưng thông thường các lập trình viên thường đặt
code khởi tạo cho package ở đây.

Giả sử, ta đang phát triển chương trình có tên QTM, với các package con, module
như sau:

Hình 5-1.

5.10.2. Nhập module từ package trong Python

Ta có thể nhập các module từ package sử dụng toán tử dấu chấm (.).

Ví dụ, nếu muốn nhập module mo.py trong ví dụ trên, bạn làm như sau:

import QTM.Video.mo
Nếu trong module mo.py chứa hàm có tên là chon_video(), bạn sẽ phải sử dụng
tên đầy đủ để tham chiếu tới nó:

import QTM.Video.mo.chon_video(video1)
Nếu cấu trúc trên dài quá, bạn có thể nhập module mà không cần tiền tố package

113
như sau:

from QTM.Video import mo

Ta có thể gọi hàm đơn giản như sau:

mo.chon_video(video1)
Ngoài ra, còn một cách nữa để chỉ nhập hàm được yêu cầu (lớp hoặc biến) từ
module trong 1 package như sau:

from QTM.Video.mo import chon_video

Sau đó, trực tiếp gọi hàm này:

chon_video(video1)
Dù dễ dàng hơn, nhưng cách nhập sau cùng này không được khuyến khích sử
dụng. Việc dùng tên đầy đủ sẽ giúp giảm tình trạng nhầm lẫn và tránh bị trùng giữa
những định danh giống nhau.

Trong khi nhập các package, Python sẽ tìm kiếm danh sách thư mục được định
nghĩa trong sys.path, giống như đường dẫn tìm kiếm module.

5.11. Bài tập

Bài 5-1. Định nghĩa 1 hàm có thể tính tổng hai số.

Gợi ý:

Định nghĩa 1 hàm với 2 số là đối số. Bạn có thể tính tổng trong hàm và trả về giá
trị.

Code mẫu:

def SumFunction(number1,
number2): #đ nh nghĩa hàm tính t ng
return number1+number2
print (SumFunction(5,7)) #in t ng 2 s 5 và 7
Bài 5-2. Định nghĩa một hàm có thể chuyển số nguyên thành chuỗi và in nó ra giao
diện điều khiển

Gợi ý:

Sử dụng str() để chuyển đổi một số thành chuỗi.

Code mẫu:

114
def printValue(n):
print (str(n))
printValue(3)
Bài 5-3. Định nghĩa hàm có thể nhận hai số nguyên trong dạng chuỗi và tính tổng của
chúng, sau đó in tổng ra giao diện điều khiển.

Gợi ý:

Sử dụng int() để chuyển đổi một chuỗi thành số nguyên.

Code mẫu:

def printValue(s1,s2):
print (int(s1)+int(s2))
printValue("3","4") #K t qu là 7
Bài 5-4. Định nghĩa hàm có thể nhận 2 chuỗi từ input và nối chúng sau đó in ra giao
diện điều khiển

Gợi ý:

Sử dụng + để nối các chuỗi.

Code mẫu:

def printValue(s1,s2):
print (s1+s2)
printValue("3","4") #K t qu là 34
Bài 5-5. Định nghĩa một hàm có input là 2 chuỗi và in chuỗi có độ dài lớn hơn trong
giao diện điều khiển. Nếu 2 chuỗi có chiều dài như nhau thì in tất cả các chuỗi theo
dòng.

Gợi ý:

Sử dụng hàm len() để lấy chiều dài của một chuỗi

Code mẫu:

def printValue(s1,s2):
# Bài tập Python 30 Code by Quantrimang.com
len1 = len(s1)
len2 = len(s2)
if len1>len2:
print (s1)
elif len2>len1:
print (s2)

115
 else:
print(s1)
print (s2)
printValue("one","three")
Bài 5-6. Định nghĩa hàm có thể chấp nhận input là số nguyên và in "Đây là một số
chẵn" nếu nó chẵn và in "Đây là một số lẻ" nếu là số lẻ.

Gợi ý:

Sử dụng toán tử % để kiểm tra xem số đó chẵn hay lẻ.

Code mẫu:

def checkValue(n):
if n%2 == 0:
print ("Đây là m t s ch n")
else:
print ("Đây là m t s l ")
checkValue(7)
Bài 5-7. Định nghĩa một hàm có thể in dictionary chứa key là các số từ 1 đến 3 (bao
gồm cả hai số) và các giá trị bình phương của chúng.

Gợi ý:

Sử dụng dict[key]=value để nhập mục vào dictionary.

Sử dụng toán từ ** để lấy bình phương của một số.

Code mẫu:

def printDict():
d=dict()
d[1]=1
d[2]=2**2
d[3]=3**2
print (d)
# Bài t p Python 32, Code by Quantrimang.com
printDict()
Chạy code trên bạn sẽ được kết quả là một dictionary như sau: {1: 1, 2: 4, 3: 9}.

Bài 5-8. Định nghĩa một hàm có thể in dictionary chứa các key là số từ 1 đến 20 (bao
gồm cả 1 và 20) và các giá trị bình phương của chúng.

Gợi ý:

116
 Sử dụng dict[key]=value để nhập mục vào dictionary.

Sử dụng toán từ ** để lấy bình phương của một số.

Sử dụng range() cho các vòng lặp.

Code mẫu:

def printDict():
d=dict()
for i in range(1,21):
d[i]=i**2
print (d)
# Bài t p Python 33, Code by Quantrimang.com
printDict()
Kết quả khi chạy code trên là: {1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9:
81, 10: 100, 11: 121, 12: 144, 13: 169, 14: 196, 15: 225, 16: 256, 17: 289, 18: 324, 19:
361, 20: 400}

Bài 5-9. Định nghĩa một hàm có thể tạo dictionary, chứa các key là số từ 1 đến 20 (bao
gồm cả 1 và 20) và các giá trị bình phương của chúng. Hàm chỉ in các giá trị mà thôi.

Gợi ý:

Sử dụng dict[key]=value để nhập mục vào dictionary.

Sử dụng toán từ ** để lấy bình phương của một số.

Sử dụng range() cho các vòng lặp.

Sử dụng keys() để di lặp các key trong dictionary. Có thể sử dụng item() để nhận
cặp key/value.

Code mẫu:

def printDict():
d=dict()
for i in range(1,21):
d[i]=i**2
for (k,v) in d.items():
print (v)
# Bài t p Python 34, Code by Quantrimang.com
printDict()
Kết quả bạn nhận được khi chạy code trên là các giá trị bình phương của số từ 1

117
đến 20.

Bài 5-10. Định nghĩa một hàm có thể tạo ra một dictionary chứa key là những số từ 1
đến 20 (bao gồm cả 1 và 20) và các giá trị bình phương của key. Hàm chỉ cần in các
key.

Gợi ý:

Tương tự như bài 34.

Code mẫu:

def printDict():
d=dict()
for i in range(1,21):
d[i]=i**2
for k in d.keys():
print (k)
# Bài Python 35, Code by Quantrimang.com
printDict()
Chạy code trên bạn sẽ nhận được các key trong dictionary, chính là các số từ 1
đến 20.

Bài 5-11. Định nghĩa một hàm có thể tạo và in list chứa các giá trị bình phương của các
số từ 1 đến 20 (tính cả 1 và 20).

Gợi ý:

Sử dụng toán tử ** để lấy giá trị bình phương.

Sử dụng range() cho vòng lặp.

Sử dụng list.append() để thêm giá trị vào list.

Code mẫu:

def printList():
li=list()
for i in range(1,21):
li.append(i**2)
print (li)
# Bài Python 36, Code by Quantrimang.com
printList()
Chạy code trên bạn sẽ nhận được một list chứa các giá trị bình phương của các số

118
từ 1 đến 20.

Bài 5-12. Định nghĩa một hàm có thể tạo list chứa các giá trị bình phương của các số từ
1 đến 20 (bao gồm cả 1 và 20) và in 5 mục đầu tiên trong list.

Gợi ý:

Sử dụng toán tử ** để lấy giá trị bình phương.

Sử dụng range() cho vòng lặp.

Sử dụng list.append() để thêm giá trị vào list.

Sử dụng [n1:n2] để cắt list

Code mẫu:

def printList():
li=list()
for i in range(1,21):
li.append(i**2)
print (li[:5])
# Bài Python 37, Code by Quantrimang.com
printList()
Chạy code trên bạn sẽ nhận được một list chứa giá trị bình phương của các số từ
1 đến 5.

Bài 5-13. Định nghĩa một hàm có thể tạo ra list chứa các giá trị bình phương của các số
từ 1 đến 20 (bao gồm cả 1 và 20), rồi in 5 mục cuối cùng trong list.

Gợi ý:

Tương tự bài Bài 4-12

Code mẫu:

def printList():
li=list()
for i in range(1,21):
li.append(i**2)
print li[-5:]
# Bài Python 38, Code by Quantrimang.com
printList()
Khi chạy code trên bạn sẽ nhận được list chứa giá trị bình phương của 16, 17, 18,
19, 20.

119
Bài 5-14. Định nghĩa một hàm có thể tạo list chứa giá trị bình phương của các số từ 1
đến 20 (bao gồm cả 1 và 20). Sau đó in tất cả các giá trị của list, trừ 5 mục đầu tiên.

Gợi ý:

Tương tự bài Bài 4-12, Bài 4-13.

Code mẫu:

def printList():
li=list()
for i in range(1,21):
li.append(i**2)
print (li[5:])
printList()
Kết quả:

[36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289,
324, 361, 400]
Bài 5-15. Định nghĩa 1 hàm có thể tạo và in một tuple chứa các giá trị bình phương của
các số từ 1 đến 20 (tính cả 1 và 20).

Gợi ý:

Sử dụng toán tử ** để lấy giá trị bình phương.

Sử dụng range() cho vòng lặp.

Sử dụng list.append() để thêm giá trị vào list.

Sử dụng tuple() để lấy giá tuple từ list.

Code mẫu:

def printTuple():
li=list()
for i in range(1,21):
li.append(i**2)
print (tuple(li))

printTuple()
Kết quả:

(1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196,
225, 256, 289, 324, 361, 400)

120
CHƯƠNG 6. DỮ LIỆU CÓ CẤU TRÚC TRONG
PYTHON

Trong Python có 4 kiểu dữ liệu List, Tuple, Set, Dictionary nên việc hiểu ý nghĩa
và cách sử dụng của từng kiểu sẽ giúp chúng ta quyết định nên sử dụng kiểu nào khi
làm việc trong thực tế.

Nếu muốn tạo mảng thực sự trong Python, chúng ta cần sử dụng cấu trúc dữ liệu
mảng của thư viện numpy. Để giải quyết các vấn đề toán học thì mảng numpy sẽ hiệu
quả hơn các kiểu dữ liệu tập hợp. Các vấn đề về mảng một chiều và mảng nhiều chiều
sử dụng thư viện numpy sẽ được trình bày ở các Mục 5.4 và Mục 5.5.

6.1. List
List trong Python là một dạng dữ liệu cho phép lưu trữ nhiều kiểu dữ liệu khác
nhau và chúng ta có thể truy xuất đến các phần tử bên trong nó thông qua vị trí các
phần tử. Có thể xem list trong Python như một mảng tuần tự trong các ngôn ngữ khác.

List chứa dãy các giá trị, mỗi giá trị được gọi là phần tử, các phần tử có thứ tự
theo chỉ số bắt đầu từ 0. List không chứa phần tử nào được gọi là list rỗng, kí hiệu là
[].

Để khai báo một list trong Python, sử dụng cặp dấu [] và bên trong là các giá trị
của list.

list_name = [value1, value2,… valueN]

Ví dụ:

numbers = [1,2,3,4,5]
names = [‘Mary’, ‘Peter’, ‘Alice’]
emply = []
Ví dụ đầu tiên là list chứa 5 số nguyên. Ví dụ thứ 2 là list chứa 3 xâu kí tự. Ví dụ

121
thứ 3 là list rỗng. Các phần tử trong list không nhất thiết phải cùng kiểu. Ví dụ sau là
list chứa xâu kí tự, số thực, số nguyên.

mix = ['Mary' , 2.5, 5]

Để truy cập đến các phần tử trong list, có thể làm tương tự như đối với chuỗi.
Các phần tử trong một list được đánh dấu bắt đầu từ 0 theo chiều từ trái sang phải và
từ -1 theo chiều từ phải sang trái.

Ví dụ:

names=['Mary','Peter','Alice']
print(names[1])
print(names[-2])
#K t qu hi n th :
# Peter
# Peter
Để biết được số lượng phần tử của 1 list, có thể sử dụng hàm len(list_name).

names=['Mary','Peter','Alice']
print(len(names))
#k t qu hi n th là 3

6.1.1. Kiểm tra sự tồn tại của một phần tử

Kiểm tra theo chỉ số (index)

Trong nhiều trường hợp chúng ta muốn truy xuất một phần tử bất kỳ (dựa vào chỉ
số) của mảng, nếu truy xuất đến một phần tử không tồn tại thì ứng dụng sẽ báo lỗi. Do
đó, trước khi truy xuất một phần tử, cần kiểm tra xem phần tử này đã tồn tại hay chưa.
Hiện tại Python không hỗ trợ hàm nào để kiểm tra sự tồn tại của một phần tử trong
mảng.

Có 2 cách:

Cách 1 Cách 2
if index < len(list_name): try:
list_name[index] list_name[index]
else: except IndexError: # handle
# handle this this
Kiểm tra theo giá trị:

Để kiểm tra một giá trị có tồn tại/ không tồn tại trong mảng, có thể sử dụng toán

122
tử in/not in. Ví dụ:

names = ['Mary', 'Peter', 'Alice']

print ('Mary' in names)
#K t qu hi n th : True
names = ['Mary', 'Peter', 'Alice']
print ('Alice' not in names)
#K t qu hi n th : False

6.1.2. Duyệt mảng

Dùng toán tử in để duyệt mảng. Xem các ví dụ sau:

names = ['Mary', 'Peter', 'Alice']

for name in names:
print(name)
"""K t qu hi n th :
Mary
Peter
Alice """
numbers=[1,2,3,4]
for i in range(len(numbers)):
numbers[i] = numbers[i] * 2
print(numbers)
# K t qu hi n th [2, 4, 6, 8]

6.1.3. Các phép toán trên mảng

Sử dụng toán tử + để nối giá trị của 2 mảng.

Ví dụ:

a = [1, 2, 3]
b = [4, 5, 6]
c = a + b
>>> c [1, 2, 3, 4, 5, 6]
Sử dụng toán tử * để lặp lại mảng một số lần nhất định

Ví dụ 6-1:

a = [0] * 4
>>>[0, 0, 0, 0]
Ví dụ 6-2:

b = [1, 2, 3] * 3
>>>[1, 2, 3, 1, 2, 3, 1, 2, 3]

123
 Ví dụ 1 lặp lại [0] 4 lần. Ví dụ 2 lặp lại [1,2,3] 3 lần.

6.1.4. Trích xuất mảng con

Tạo các mảng con thông qua toán tử lấy khoản [start:end]. Mặc định start là
vị trí đầu mảng và end là vị trí cuối mảng

Ví dụ 6-1:

t=['a','b','c','d','e','f']
print(t[1:3]) # ['b', 'c']
print(t[:4]) # ['a', 'b', 'c', 'd']
print((t[3:])) #['d', 'e', 'f']
print(t[:]) #['a', 'b', 'c', 'd', 'e', 'f']

6.1.5. Xóa phần tử của mảng

Có thể xóa một phần tử thông qua toán tử del. Thứ tự của các phần tử sẽ dịch
chuyển vào vị trí của phần tử bị xóa.

numbers = [1, 2, 3, 4, 5]
del numbers[0]
print (numbers)
# K t qu hi n th : [2, 3, 4, 5])
Có thể xóa một khoản dựa vào toán tử lấy khoản [start:end]. Ví dụ:

numbers = [1, 2, 3, 4, 5]
del numbers[1:3]
print (numbers)
# K t qu hi n th : [1, 4, 5]
Tương tự như xóa, ta muốn lấy một phần tử nào ra khỏi mảng có thể sử dụng
phương thức list.pop().

Trả về giá trị của phần tử được lấy ra và mảng bây giờ không còn phần tử này
nữa.

numbers = [1, 2, 3, 4, 5]
x = numbers.pop(1)
print('x = ',x)
print(numbers)
# K t qu hi n th
# x = 2
# [1, 3, 4, 5]

124
6.1.6. Một số phương thức xử lý trong mảng

list.append (new_value): Thêm phần tử có giá trị new_value vào cuối mảng.

names = ['Mary', 'Peter', 'Alice','Jack']

names.append('Anna')
print(names)
# K t qu hi n th : ['Mary', 'Peter', 'Alice', 'Jack',
'Anna']
list1.extend(list2): Thêm nhi u ph n t vào cu i m ng.
names1 = ['Mary', 'Peter', 'Alice']
names2 = ['Jack', 'Anna']
names1.extend(names2)
print(names1)
# K t qu hi n th : ['Mary', 'Peter', 'Alice', 'Jack',
'Anna']
list.index(obj): Tìm vị trí của một phần tử trong mảng. Nếu tìm thấy sẽ trả về

vị trí của phần tử đầu tiên tìm thấy.

Ví dụ 6-1:

names = ['Mary', 'Peter', 'Alice','Jack']

print ("Index of Mary: ", names.index('Mary'))
print ("Index of Alice: ", names.index('Alice'))
# K t qu hi n th :
# Index of Mary :0
# Index of Alice :2
list.reverse(): Đảo ngược thứ tự các phần tử của một mảng. Phương thức này

không trả về kết quả mà thay đổi trực tiếp mảng list.

Ví dụ 6-2:

names = ['Mary', 'Peter', 'Alice','Jack']

names.reverse()
print(names)
# K t qu hi n th : ['Jack', 'Alice', 'Peter', 'Mary']
list.sort(): Sắp xếp các phần tử trong list theo thứ tự tăng dần. Nếu muốn sắp

xếp theo thứ tự giảm dần thì ta truyền tham số reverse=True vào phương thức.

names = ['Mary', 'Peter', 'Alice','Jack','Anna']

names.sort()
print(names)
# K t qu hi n th : ['Alice', 'Anna', 'Jack', 'Mary',
'Peter']

125
names = ['Mary', 'Peter', 'Alice','Jack','Anna']
names.sort(reverse=True)
print(names)
# K t qu hi n th : ['Peter', 'Mary', 'Jack', 'Anna',
'Alice']

6.1.7. List lồng nhau

Do list có thể chứa nhiều kiểu dữ liệu khác nhau nên có thể khai báo một list
chứa một hoặc nhiều list khác nhau.

birthday = [20,3,2020]
user = ['Alice', birthday]
print(user)
# ['Alice', [20, 3, 2020]]
Ta có thể truy xuất đến các phần tử trong list lồng nhau theo cấp từ ngoài vào
trong.

6.1.8. List và chuỗi

Có thể kết hợp list và chuỗi để tách các ký tự trong chuỗi thành một danh sách
như sau:

a='Python'
b=list(a)
print(b)
# K t qu hi n th : ['P', 'y', 't', 'h', 'o', 'n']
Hoặc có thể tách các từ trong chuỗi bằng hàm split()

a='I can do it'

b=a.split()
print(b)
K t qu hi n th : ['I', 'can', 'do', 'it']
Cũng có thể hợp nhất thành chuỗi từ các phần tử trong danh sách bằng hàm
join()

a=['I','can','do','it']
b='-'
c= b.join(a)
print(c)
# K t qu hi n th : I-can-do-it

6.2. Dictionary

126
 Dictionary cũng là một cấu trúc mảng, nhưng các phần tử bao gồm key và value.
Một dictionary được khai báo bằng cặp dấu ngoặc {…}

dictionary_name = {key1:value1,key2:value2,…,keyN:valueN}
Ví dụ:

point = {'x': 3, 'y': 6, 'z' : 9}

Truy xuất một giá trị dựa vào key của đối tượng: print point[x] (Hiển thị 3)

6.2.1. Thêm một phần tử

Để thêm một phần tử vào đối tượng đã khai báo, sử dụng cấu trúc dict[key] =
value.

Ví dụ:

user = {'name': 'Hoa', 'age': 20}

user['country'] = 'Vietnam'
print (user)
# K t qu : {'name': 'Hoa', 'age': 20, 'country':
'Vietnam'}

6.2.2. Một số hàm, phương thức thông dụng

dict.clear(): Xóa toàn bộ dữ liệu bên trong đối tượng

dict.copy(): Trả về một bản copy của đối tượng

dict.fromkeys(seq[,value]): Tạo một đối tượng với danh sách key từ seq và

nếu có truyền value thì lấy đó làm giá trị cho các phần tử.

dict.get(key,default=None): Trả về giá trị của key đã cho. Nếu key không có

mặt thì phương thức này trả về None

dict.keys(): Trả về một list chứa các key

dict.values(): Trả về một list chứa các value.

6.3. Tuple
Tuple cũng là một cấu trúc mảng, tương tự như cấu trúc của List. Một số điểm
khác nhau cơ bản là khai báo Tuple sử dụng cặp dấu ngoặc (…) và một tuple đã được
khai báo rồi thì không thay đổi được giá trị và không hỗ trợ các phương thức như

127
append(), pop()…

Ví dụ:

my_tuple = ('x', 'y', 'z')

print (my_tuple)
>>> Hi n th : ('x', 'y', 'z')
Tuple vẫn hỗ trợ cách để truy xuất phần tử giống List như là truy xuất theo index,
range, tìm kiếm…

6.4. Mảng một chiều

Để làm việc với mảng, chúng ta cần khai báo import numpy để có thể bắt đầu sử
dụng các hàm của numpy. Vì numpy là thư viện được sử dụng thường xuyên nên
thường được khai báo gọn thành np (np có thể thay bằng các từ khác nhưng không
được trùng với từ khóa).

import numpy as np

6.4.1. Khởi tạo mảng một chiều

Để có mảng một chiều A=[1 2 3], thực hiện như sau:

import numpy as np
A=np.array([1,2,3])
print(A) #hiển thị [1 2 3]
print(type(A[0])) #hiển thị <class 'numpy.int32'>
Các phần tử của mảng A mặc định là kiểu số nguyên numpy.int32. Chú ý rằng
type(var) trả về kiểu dữ liệu của biến var. Nếu cần khai báo A là mảng với các phần

tử là số thực ta viết như sau:

import numpy as np
A = np.array([1.0, 2.0])
# ho c np.array([1., 2.]) ho c np.array([1., 2])
print(type(A[0]))
# hi n th <class 'numpy.float64'>
Ta cũng có thể ép kiểu, ví dụ kiểu dữ liệu thực numpy.float64, ta có thể sử dụng
từ khóa dtype như sau: A = np.array([1, 2], dtype = np.float64)

a. Khởi tạo các mảng một chiều đặc biệt

Mảng toàn giá trị 0: Dùng hàm numpy.zeros(x)

128
 Ví dụ: np.zeros(3) >>> [0 0 0]

Mảng toàn giá trị 1: Dùng hàm numpy.one(x)

Ví dụ: np.ones(4) >>>[1 1 1 1]

Ngoài ra numpy còn cung cấp hai hàm đặc biệt numpy.zeros_like và
numpy.ones_like giúp tạo các mảng toàn các giá trị 0 và mảng toàn các giá trị 1 với số

phần tử bằng số phần tử của đối số.

import numpy as np
A=np.array([1,2,3,4])
B=np.zeros_like(A)
C=np.ones_like(A)
print(A) #hi n th [1 2 3 4]
print(B) #hi n th [0 0 0 0]
print(C) #hi n th [1 1 1 1]
b. Tạo mảng cấp số cộng

np.arange(n): Tạo mảng các số nguyên từ 0 đến n-1

np.arange(m,n): Tạo mảng các số nguyên từ m đến n-1

np.arange(a,b,c): Để tạo một mảng cấp số cộng với phần tử đầu là a, công sai

c dương, phần tử cuối là số lớn nhất nhỏ hơn b. Nếu c là một số âm và b<a thì phần tử
cuối là phần tử nhỏ nhất của cấp số cộng lớn hơn b.

Ví dụ:

np.arange(0, 5, 0.5) tạo mảng cấp số cộng với phần tử đầu là 0, công sai 0.5,

và phần tử cuối là số lớn nhất nhỏ hơn 5.

np.arange(5, 2, -0.5) tạo mảng cấp số cộng với phần tử đầu là 5, công sai -
0.5, và phần tử cuối là số nhỏ nhất lớn hơn 2.

print(np.arange(0, 5, 0.5)) #hi n th [0. 0.5 1. 1.5 2.

2.5 3. 3.5 4. 4.5]
print(np.arange(5, 2, -0.5)) #hi n th [5. 4.5 4. 3.5
3. 2.5]

6.4.2. Truy cập mảng một chiều

Số phần tử của mảng A được xác định bằng thuộc tính shape.

129
import numpy as np
A = np.array([1, 2, 3, 4])
print(A.shape) #hiển thị (4,)
Kết quả trả về là một tuple. Nếu A là mảng một chiều, kết quả trả về sẽ có dạng
(d,) trong đó d là số phần tử của mảng A và là phần tử duy nhất của tuple này. Ở ví dụ
trên sau số 4 còn dấu (,) nữa để chắc chắn rằng kết quả là một tuple.

Mỗi thành phần trong mảng một chiều tương ứng với một chỉ số. Chỉ số trong
mảng numpy cũng giống như chỉ số trong list, bắt đầu từ 0 tính từ trái sang phải và chỉ
số ngược bắt đầu từ -1 tính từ phải sang trái.

Để truy cập nhiều phần tử của mảng một chiều, ta có nhiều cách khác nhau:

import numpy as np
A = np.array([1, 2, 3, 4, 5, 6])
k=[0,2,4]
print(A[k]) #hiển thị [1 3 5]
Trong ví dụ này, k là một list, các phần tử của nó có thể coi là các chỉ số của
mảng A. A[k] trả về một mảng numpy, là mảng con của A với các phần tử có chỉ số
được chỉ ra trong list các chỉ số k.

k cũng có thể là một mảng numpy chứa các số nguyên là chỉ số hợp lệ của A.

k=np.array([0,2,4]).
Ngoài ra, cách đánh chỉ số của mảng numpy cũng được sử dụng các quy tắc khác
giống như cách đánh chỉ số của một list.

import numpy as np
A = np.array([1, 2, 3, 4, 5, 6])
print(A[:3]) #hiển thị [1 2 3]
print(A[2:]) #hiển thị [3 4 5 6]
print(A[2:4]) #hiển thị [3 4]
Ta cũng có thể thay đổi giá trị của nhiều phần tử trong mảng. Ví dụ:

import numpy as np
A = np.array([1, 2, 3, 4, 5, 6])
A[[1,2,3]]=0 #thay giá tr các ph n t t i ch s 1,2,3
b ng giá tr 0
print(A) #hi n th [1 0 0 0 5 6]
print(A[::-1]) #đ o ng c m ng A  [6 5 0 0 0 1]

6.4.3. Các phép toán trên mảng một chiều

130
a. Phép toán giữa mảng một chiều với một số vô hướng

Để cộng/trừ/nhân/chia/lũy thừa của mọi phần tử mảng một chiều A với một số vô
hướng x ta chỉ cần lấy A ?x hoặc x ?A trong đó ? có thể thay bằng các phép tính +, -,
*,/, **

import numpy as np
A = np.array([1, 2, 3, 4, 5])
A=A+2
print(A) #[3 4 5 6 7]
b. Phép toán giữa hai mảng một chiều

Để thực hiện các phép toán giữa hai mảng một chiều, số phần tử của hai mảng
phải như nhau. Các phép toán +, -, *, /,** sẽ được thực hiện theo kiểu element-wise,
tức lấy từng cặp phần tử tương ứng của hai mảng để tính toán rồi lấy kết quả. Ví dụ:

import numpy as np
A = np.array([1, 2, 3])
B = np.array([4, 5, 6])
print(A*B) #hiển thị [4 10 18]
print(A**B) #hiển thị [1 32 729]
c. Các hàm toán học trong numpy

np.abs, np.log, np.exp, np.sin, np.cos, np.tan: Cũng được áp dụng lên từng phần
tử của mảng.

Để tìm giá trị lớn nhất hay nhỏ nhất của mảng một chiều, chúng ta sử dụng hàm
np.min hoặc np.max.

Để tìm chỉ số mà tại đó mảng một chiều đạt giá trị nhỏ nhất hay lớn nhất, ta có
thể sử dụng np.argmin hoặc np.argmax.

6.4.4. Tích vô hướng của hai vector

Tích vô hướng của hai vectors a và b có cùng số phần tử được định nghĩa như
sau: np.sum(a*b) hoặc np.dot(a,b), tức lấy a nhân với b theo từng cặp phần tử (element
– wise) rồi tính tổng các phần tử.

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(np.sum(a*b)) # 32

131
print(np.dot(a,b)) # 32

6.5. Mảng nhiều chiều

Trong numpy, người ta thường dùng mảng numpy hai chiều để thể hiện một ma
trận. Mảng hai chiều có thể coi là một mảng của các mảng một chiều. Trong đó, mỗi
mảng nhỏ một chiều tương ứng với một hàng của ma trận. Nói cách khác, ma trận có
thể được coi là mảng của các vector hàng – mỗi vector hàng được biểu diễn bằng một
mảng numpy một chiều.

6.5.1. Khởi tạo ma trận

Python không có kiểu xây dựng riêng dành cho ma trận, vậy nên chúng ta có thể
biểu diễn ma trận dưới dạng một list lồng nhau.

A = [[1, 4, 5, 12],
[-5, 8, 9, 0],
[-6, 7, 11, 19]]
print("A =", A)
print("A[1] =", A[1]) # Hàng thứ 2 của ma trận
print("A[1][2] =", A[1][2]) # Phần tử thứ 3 của hàng thứ
2
print("A[0][-1] =", A[0][-1]) # Phần tử cuối cùng của
hàng 1
column = [];
for row in A:
column.append(row[1])
print("Cột thứ 2 =", column)
Chạy chương trình, output được trả về là:

A = [[1, 4, 5, 12], [-5, 8, 9, 0], [-6, 7, 11, 19]]

A[1] = [-5, 8, 9, 0]
A[1][2] = 9
A[0][-1] = 12
C t th 2 = [4, 8, 7]
Tuy nhiên, list lồng nhau chỉ dùng để biểu diễn ma trận thường dùng các tính
toán đơn giản. Tương tự như cách tạo mảng một chiều ta cũng có thể sử dụng thư viện
numpy để tạo ma trận.

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6]])
print(A) #hiển thị [[1 2 3]
[4 5 6]]

132
a. Tạo các ma trận đặc biệt

Tạo ma trận đơn vị (ma trận đơn vị là một ma trận vuông có tất cả các phần tử
trên đường chéo bằng 1), sử dụng hàm np.eys(N, M=None, k=0, dtype=<type
'float'>)

import numpy as np
print(np.eye(4))
"""Hi n th :
[[1. 0. 0. 0.]
[0. 1. 0. 0.]
[0. 0. 1. 0.]
[0. 0. 0. 1.]]
"""
Để tạo một ma trận đường chéo, hoặc muốn trích xuất đường chéo của một ma
trận, ta dùng hàm np.diag()

import numpy as np
B=np.diag([1,2,3])
print(B)
"""Hi n th :
[[1 0 0]
[0 2 0]
[0 0 3]]
"""
print(np.diag(B)) # hiển thị [1 2 3]
Nếu đầu vào là mảng một chiều, trả về mảng hai chiều thể hiện ma trận có đường
chéo là các phần tử thuộc mảng đầu vào.

Nếu đầu vào là một mảng hai chiều (có thể không vuông), trả về mảng một chiều
chứa các giá trị ở hàng i, cột thứ i với 0<=i<=min(m,n). Trong đó m, n lần lượt là số
hàng và số cột của ma trận được biểu diễn bằng mảng hai chiều ban đầu.

Đường chéo phụ của một ma trận cũng có thể được lấy bằng cách sử dụng hàm
này và chỉ ra giá trị của k:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7,8,9]])
print(np.diag(A,k=1))
Tương tự như mảng một chiều, để tìm kích thước của mảng hai chiều, ta cũng sử
dụng thuộc tính shape.

import numpy as np

133
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A.shape) # (3,3)

6.5.2. Truy cập vào các phần tử của ma trận

a. Truy cập vào từng phần tử

Để truy cập vào phần tử ở hàng thứ i, cột thứ j của ma trận (chỉ số bắt đầu từ 0),
ta có thể coi phần tử đó là phần tử thứ j của mảng i trong mảng hai chiều ban đầu.

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A[0][1]) # 2
Ở đây, A[0] chính là mảng một chiều [1 2 3], trong mảng này, ta lấy phần tử có
chỉ số là 1, phần tử đó có giá trị là 2. Vậy A[0][1]=2.

b. Truy cập vào nhiều phần tử của ma trận

Để truy cập vào hàng có chỉ số i của ma trận A, ta chỉ cần dùng A[i] hoặc A[i,:]
hoặc A[i][:]. Để truy cập vào cột có chỉ số j, ta dùng A[:,j].

Nhiều phần tử trong cùng một hàng: Việc truy cập vào nhiều phần tử trong một
hàng tương tự như với mảng một chiều. Ví dụ:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A[0,1:]) #hiển thị [2 3]
print(A[1][:]) #hi n th [4 5 6]
Nhiều phần tử trong cùng một cột:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A[[0,1],-1]) #hiển thị [3 6]
Nhiều hàng, nhiều cột: Nếu muốn trích một ma trận con từ ma trận ban đầu, giả
sử lấy ma trận được tạo bởi hàng có chỉ số 0 và 2, cột có chỉ số 1 và 2, ta làm như sau:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A[[0,2],[1,2]]) #hiển thị [2 9]

6.5.3. Các phép toán trên ma trận

a. Các hàm np.sum, np.min, np.max, np.mean, np.abs, np.sin, np.exp,…

134
 Cách quy ước axis của ma trận: axis = 0 là tính theo chiều từ trên xuống
dưới, nghĩa là phương của nó cùng với phương của các cột. Tương tự axis = 1 sẽ
có phương cùng với phương của các hàng. Hãy quan sát hình dưới đây và ghi nhớ cách
quy ước quan trọng này.

Hình 6-1.

Xét ma trận A:

1 2 3
4 5 6
 

A=  7 8 9 

Và các hàm trên tác động lên A theo axis=0 (tức các cột của A). Ví dụ:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A)
print(np.sum(A,axis=0)) # [12 15 18]
print(np.min(A,axis=0)) # [1 2 3]
print(np.max(A,axis=0)) # [7 8 9]
print(np.mean(A,axis=0)) # [4. 5. 6.]
Các giá trị theo các hàm trên lần lượt là tổng, giá trị nhỏ nhất, giá trị lớn nhất,
trung bình cộng theo mỗi cột. Kết quả trả về là các mảng một chiều có số phần tử bằng
số cột của A.

Tương tự như thế, ví dụ sau thay axis = 1 sẽ tính trên các hàng.

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6],[7, 8, 9]])
print(A)
print(np.sum(A,axis=1)) #[ 6 15 24]
print(np.min(A,axis=1)) #[1 4 7]
print(np.max(A,axis=1)) #[3 6 9]
print(np.mean(A,axis=1)) #[2. 5. 8.]

135
 Kết quả trả về cũng là các mảng một chiều có số phần tử bằng với số hàng của A.
Khi không đề cập tới axis, kết quả được tính trên toàn bộ ma trận.

b. Tính toán giữa ma trận và một số vô hướng:

Các phần tử của ma trận sẽ được kết hợp với số vô hướng bằng các phép toán
tương ứng để tạo ra một ma trận mới cùng kích thước. Điều này tương tự như tính toán
giữa mảng một chiều và một số vô hướng, đúng với các mảng numpy với số chiều bất
kỳ.

6.5.4. Các phép toán giữa hai ma trận

Các phép toán cộng, trừ, nhân, chia, luỹ thừa (+, -, *, /, **) giữa hai ma trận cùng
kích thước cũng được thực hiện dựa trên từng cặp phần tử. Kết quả trả về là một ma
trận cùng kích thước với hai ma trận đã cho.

Ví dụ sau thực hiện phép toán A*B

import numpy as np
A = np.array([[1, 3, 5],[7, 9, 11]])
B = np.array([[0, 2, 4],[6, 8 ,10]])
print(A*B)
# Hi n th
#[[ 0 6 20]
# [ 42 72 110]]
Chú ý: Cách viết A*B được thực hiện trên từng cặp phần tử của A và B.

6.5.5. Các phép toán giữa ma trận và vector

Tương tự các phép toán giữa hai ma trận cùng kích thước, các phép toán giữa
một ma trận và vector cũng bao gồm +,-,*,/,**. Ví dụ: Thực hiện phép cộng và nhân
ma trận A cho vector b như sau:

import numpy as np
A=np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
b=np.array([1,2,3])
print(A+b)
#hi n th k t qu
#[[ 1 3 5]
# [ 4 6 8]
# [ 7 9 11]]
print(A*b)

136
#hi n th k t qu
#[[ 0 2 6]
# [ 3 8 15]
# [ 6 14 24]]
Kết quả của phép toán A+b thu được bằng cách lấy từng hàng của A cộng với b.
Kết quả của A*b thu được bằng cách lấy từng cột của A nhân với phần tử tương ứng
của b. Quy luật tương tự xảy ra với cả phép -, / và **.

6.5.6. Tích giữa hai ma trận, tích giữa ma trận và vector

a. Tích giữa hai ma trận

Trong đại số tuyến tính, tích của hai ma trận A  R mxn và B  R nxp được ký hiệu là
C  AB  R mxp trong đó phần tử ở hàng thứ i cột thứ j (tính từ 0) của C được tính theo
công thức:

n 1
cij   aik bkj
k 0

Chú ý rằng để phép nhân thực hiện được, số cột của ma trận thứ nhất phải bằng
với số hàng của ma trận thứ hai (ở đây đều bằng n).

Cho ma trận A, B, trong đó A.shape[1] == B.shape[0]. Tích của hai ma trận có

thể được thực hiện bằng thuộc tính .dot hoặc hàm np.dot.

import numpy as np
A=np.array([[1, 2, 1], [2, 0, 1]]) #ma trận A có kích
thước 2x3
B=np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) #ma trận B
có kích thước 3x3
C = A.dot(B) #hoặc C = np.dot(A,B)
print(C) # ma trận C có kích thước 2x3
#hi n th k t qu :
#[[12 16 20]
# [ 6 9 12]]
b. Tích giữa một ma trận và một vector

Trong ĐSTT, tích giữa một ma trận và một vector được coi là một trường hợp
đặc biệt của tích giữa một ma trận và một ma trận có số cột bằng một. Xem ví dụ dưới
đây:

import numpy as np

137
A=np.array([[1, 2, 1], [2, 0, 1]]) #ma trận A có kích
thước 2x3
b=np.array([0, 1, 2]) #vector b
C = A.dot(b) #hoặc C = np.dot(A,b)
print(C) # hiển thị [4 2]
D = b.dot(A)
print(D)
""" hi n th
raceback (most recent call last):
File
"C:/Users/FPTShop/PycharmProjects/Hello/xinh/demo.py",
line 6, in <module>
D = b.dot(A)
ValueError: shapes (3,) and (2,3) not aligned: 3 (dim 0)
!= 2 (dim 0)
"""
Nếu đặt b lên trước A thì có lỗi xảy ra vì xung đột chiều. Tuy nhiên nếu mảng
một chiều b có kích thước bằng 2 thì lại có thể nhân với mảng hai chiều A được.

import numpy as np
A=np.array([[1, 2, 1], [2, 0, 1]])
b=np.array([1, 2]) #vector b
C = b.dot(A)
print(C) # hiển thị kết quả [5, 2, 3]

6.5.7. Chuyển vị ma trận

Ma trận chuyển vị của ma trận A được định nghĩa như sau: Nếu A là một ma trận
có kích thước m x n với các giá trị aij tại hàng i, cột j thì ma trận chuyển vị B = AT là
ma trận có kích thước n x m với các giá trị: bij = aji

Ví dụ:

T 1 4 
1 2 3   
4 5 6  2 5 
  3 6 

Có hai cách để lấy chuyển vị của một ma trận: dùng phương thức (.T) hoặc dùng
hàm np.transpose()

import numpy as np
A = np.array([[1, 2, 3],[4, 5, 6]])
B = A.T # hoặc B = np.transpose(A)
print(B)

138
6.5.8. Reshape ma trận

Khi làm việc với ma trận, chúng ta sẽ phải thường xuyên làm việc với các phép
biến đổi kích thước của ma trận. Phép biến đổi kích thước có thể coi là việc sắp xếp lại
các phần tử của một ma trận vào một ma trận khác có tổng số phần tử như nhau.

Trong numpy, để làm được việc này chúng ta dùng phương thức (.reshape) hoặc
hàm np.reshape.

import numpy as np
A = np.array([[1, 2],[3, 4], [5, 6]])
print(np.reshape(A,(2, 3))) #hoặc print(A.reshape(2,3))
#hi n th
#[[1 2 3]
# [4 5 6]]
Số chiều của mảng mới không nhất thiết phải bằng 2, nó có thể bằng bất kỳ giá
trị nào (lớn hơn hoặc bằng 1) nhưng phải đảm bảo tổng số phần tử của hai mảng là như
nhau.

import numpy as np
A = np.array([[1, 2],[3, 4], [5, 6]])
print(np.reshape(A,6)) #m ng 1 chi u
print(A.reshape(3,1,2)) #m ng 3 chi u
Có thể nhận thấy rằng nếu chuyển thành một mảng hai chiều mới, không nhất
thiết phải biết kích thước của mỗi chiều mà chỉ cần kích thước của một chiều. Kích
thước còn lại được suy ra từ việc tổng số phần tử của hai mảng là như nhau. Tương tự,
nếu chuyển thành một mảng ba chiều mới, ta chỉ cần biết hai trong ba kích thước. Kích
thước còn lại sẽ được python tự tính ra, và ta chỉ cần gán nó bằng -1.

import numpy as np
A = np.array([[1, 2],[3, 4], [5, 6]])
print(A.reshape(-1))
print(A.reshape(6,-1))
print(A.reshape(2,1,-1))
a. Thứ tự của phép toán reshape

Các phần tử trong mảng mới được sắp xếp như thế nào? Có hai cách sắp xếp
chúng ta cần lưu ý: mặc định là ‘C’-order và một cách khác là ‘F’-order.

Trong ‘C’ – oder, các thành phần của mảng nguồn được quét từ axis trong ra

139
ngoài (axis = 1 rồi mới tức axis = 0, tức từng hàng một), sau đó chúng được xếp vào
mảng đích cũng theo thứ tự đó.

Trong ‘F’ – oder, các thành phần của mảng nguồn được quét từ axis ngoài vào
trong (từng cột một), sau đó chúng được sắp xếp vào mảng đích cũng theo thứ đó.

Ví dụ: Reshape ma trận A theo cách “F’ – order.

import numpy as np
A = np.array([[1, 2],[3, 4], [5, 6]])
print(A.reshape(2, 3, order= 'F'))
# hi n th :
#[[1 5 4]
# [3 2 6]]

6.6. Bài tập

Bài 6-1. Cho trước 1 danh sách với các phần tử, viết hàm theo yêu cầu:

Xóa 1 phần tử theo vị trí bất kỳ (đầu danh sách, cuối danh sách, giữa danh sách).

Xóa các phần tử theo vị trí bắt đầu và kết thúc.

Thêm mới 1 phần tử theo vị trí bất kỳ (đầu danh sách, cuối danh sách, giữa danh
sách)

Thêm các phần tử theo vị trí bắt đầu và vị trí kết thúc chèn.

Xóa 1 phần tử đầu và cuối của danh sách.

Bài 6-2. Viết chương trình chấp nhận một chuỗi số, phân tách bằng dấu phẩy từ giao
diện điều khiển, tạo ra một danh sách và một tuple chứa mọi số.

Ví dụ: Đầu vào được cung cấp là 34,67,55,33,12,98 thì đầu ra là:

['34', '67', '55', '33', '12', '98']

('34', '67', '55', '33', '12', '98')

Bài 6-3. Với số nguyên n nhất định, hãy viết chương trình để tạo ra một dictionary
chứa (i, i*i) như là số nguyên từ 1 đến n (bao gồm cả 1 và n) sau đó in ra dictionary
này. Ví dụ: Giả sử số n là 8 thì đầu ra sẽ là: {1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49,
8: 64}.

Bài 6-4. Viết một chương trình chấp nhận đầu vào là một câu, đếm chữ hoa, chữ

140
thường.

Giả sử đầu vào là: Learning with Python

Thì đầu ra là: Chữ hoa: 2, Chữ thường: 16

Bài 6-5. Viết một chương trình để in ra tuple chứa các số chẵn được lấy từ tuple
(1,2,3,4,5,6,7,8,9,10).

Bài 6-6. Viết chương trình tạo và in ra tuple chứa các giá trị bình phương của các số từ
1 đến n. Số nguyên dương n được nhập từ bàn phím.

Bài 6-7. Viết chương trình phân tích số nguyên n thành các thừa số nguyên tố. Ví dụ:
50=2x5x5. (Đưa các thừa số nguyên tố phân tích được vào trong list)

Bài 6-8. Viết chương trình tính tần suất các từ được nhập từ bàn phím. Kết quả được
xuất ra sau khi đã sắp xếp theo bảng chữ cái. Giả sử:

Đầu vào: The more danger, the more honor

Đầu ra: The:1 danger:1 honor:1 more:2 the:1

Bài 6-9. Viết chương trình nhập một chuỗi phân tách nhau bởi dấu phẩy và in từng từ
trong chuỗi theo thứ tự bảng chữ cái, phân tách nhau bằng dấu phẩy. Ví dụ:

Đầu vào: mary, peter, alice, jack

Đầu ra: alice, jack, mary, peter

Bài 6-10. Viết chương trình chấp nhận đầu vào là chuỗi các số nhị phân, phân tách
nhau bởi dấu phẩy, kiểm tra xem chúng có chia hết cho 5 không. Sau đó in các số chia
hết cho 5 thành dãy phân tách bởi dấu phẩy.

Ví dụ: Đầu vào: Nhập các số nhị phân: 1011,101,0110,010100,1001

Đầu ra: 101,010100

Bài 6-11. Cho trước một số tự nhiên n. Tạo một mảng có n phần tử mà các phần tử có
chỉ số chẵn (bắt đầu từ 0) là một cấp số cộng bắt đầu từ 2, công sai bằng -0.5; các phần
tử có chỉ số lẻ bằng -1.

Ví dụ: Với n=4, kết quả trả về là mảng [ 2. -1. 1.5 -1. ]. Với n=5, kết
quả trả về là mảng [ 2. -1. 1.5 -1. 1. ].

141
Bài 6-12. Cho mảng một chiều A bất kì, hiển thị lên màn hình các yêu cầu sau:

Đếm các số chính phương có trong mảng

Đếm số lượng số nguyên tố có trong mảng

Tính tổng và trung bình cộng các phần tử trong mảng

Sắp xếp mảng theo thứ tự giảm dần.

Bài 6-13. Cho ma trận A bất kỳ:

Viết hàm tính tổng các phần tử trên các cột có chỉ số chẵn của ma trận A

Viết hàm tính tổng các phần tử có cả chỉ số cột và hàng đều chẵn.

Trong mỗi hàng, ta định nghĩa độ biến động của nó là sự khác nhau giữa giá trị
lớn nhất và nhỏ nhất của các phần tử trong hàng đó. Viết hàm trả về độ biến động của
tất cả các hàng trong ma trận.

Bài 6-14. Hãy tạo ma trận A sau một cách nhanh nhất, không dùng cách thủ công ghi
từng phần tử.

1 5 9 2
 6 10 3 7 
 
11 4 8 12 
 
 
Gợi ý: Sử dụng np.arange(); Tìm quy luật của ma trận rồi dùng các phép
transpose, reshape thích hợp.

Bài 6-15. Frobenius norm của một ma trận được định nghĩa là căn bậc hai của tổng
bình phương các phần tử của ma trận. Frobenius norm của một ma trận A được kí hiệu

là A F .

A F
 A
i, j
2
ij

Viết hàm tính Frobenius norm của một ma trận bất kỳ.

142