Contents

1. Giới thiệu NumPy ........................................................................................................................................ 2

1.1 Numpy là gì? ........................................................................................................................................... 2
1.2 Cài đặt numpy ......................................................................................................................................... 2
2. Mảng trong numpy....................................................................................................................................... 2
2.1 Tạo mảng numpy .................................................................................................................................... 2
3. Thuộc tính và Phương thức của Mảng trong Numpy................................................................................... 2
3.1. Hàm xuất ra kiểu dữ liệu các phần tử của mảng: ................................................................................... 2
3.2. Kích thước của mảng ............................................................................................................................. 2
3.3. Hàm trả về số phần tử mảng trong numpy ............................................................................................. 3
3.4. Tính tổng các phần tử: sử dụng hàm sum. ............................................................................................. 3
3.5. Tính giá trị trung bình: ........................................................................................................................... 3
3.6. Tìm giá trị lớn nhất và nhỏ nhất: dùng hàm max và min. ...................................................................... 3
3.7. Lấy phần tử ............................................................................................................................................ 3
3.8. Cắt mảng ................................................................................................................................................ 4
4. Chuyển kiểu từ mảng sang danh sách (list) và bộ (tuple) ............................................................................. 5
4.1. Tại sao cần phải chuyển từ mảng numpy sang kiểu danh sách và kiểu bộ?........................................... 5
4.2. Thực hiện chuyển đổi............................................................................................................................. 5
5 . Các phép toán số học tuyến tính .................................................................................................................. 5
5.1. Cộng hai mảng ....................................................................................................................................... 5
5.2. Trừ hai mảng .......................................................................................................................................... 5
5.3. Nhân hai mảng ....................................................................................................................................... 5
5.4. Nhân mảng với một số ........................................................................................................................... 5
5.5. Thực hiện phép lũy thừa ........................................................................................................................ 6

1
 Thư viện numpy
1. Giới thiệu NumPy
1.1 Numpy là gì?
NumPy (viết tắt của "Numerical Python") là thư viện dành cho tính toán số học và khoa
học trong Python.
1.2 Cài đặt numpy
- NumPy cần được cài đặt bằng pip:
pip install numpy
- Sau khi đã cài đặt, NumPy cần được import vào dự án bằng câu lệnh:
import numpy as np
2. Mảng trong numpy
Mảng (Array) là một khái niệm quan trọng trong thư viện numpy. Mảng numpy là một
tập hợp các giá trị có cùng kiểu dữ liệu, được sắp xếp theo các chiều và có kích thước
cố định. Mảng numpy giúp thực hiện các phép toán số học và xử lý dữ liệu nhanh chóng
và hiệu quả.
2.1 Tạo mảng numpy
- Để tạo một mảng numpy, có thể sử dụng numpy.array().
- Ví dụ:
+ Mảng 1 chiều:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
+ Mảng 2 chiều:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
3. Thuộc tính và Phương thức của Mảng trong Numpy
3.1. Hàm xuất ra kiểu dữ liệu các phần tử của mảng:
- Mảng numpy chứa các phần tử có cùng kiểu dữ liệu. Kiểu dữ liệu của mảng có thể
được xác định bằng thuộc tính dtype. Ví dụ:
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr.dtype)

# Kết quả: int32

3.2. Kích thước của mảng
- Kích thước của mảng numpy được xác định bằng thuộc tính shape. Ví dụ:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)

2
 # Kết quả: (2, 3)
=> Mảng có 2 hàng và 3 cột
3.3. Hàm trả về số phần tử mảng trong numpy
- Có thể sử dụng hàm size trong thư viện NumPy để trả về số phần tử trong mảng. Dưới
đây là cú pháp và ví dụ sử dụng hàm size:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
num_elements = arr.size
print("Số phần tử của mảng:", num_elements)
# Kết quả: 6
3.4. Tính tổng các phần tử: sử dụng sum.
- Ví dụ:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
column_sum = arr.sum()
print(column_sum)
# Kết quả: 21
3.5. Tính giá trị trung bình:
- Để tính giá trị trung bình có thể sử dụng mean. Ví dụ:
import numpy as np
arr = np.array([[1, 5, 3], [4, 5, 6]])

#Giá trị trung bình của mảng:

array_mean = arr.mean()
print(array_mean)
# Kết quả: 4
3.6. Tìm giá trị lớn nhất và nhỏ nhất: dùng max và min.
- Ví dụ:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])

column_max = arr.max()
column_min = arr.min()

print("Giá trị lớn nhất:", column_max)

print("Giá trị nhỏ nhất:", column_min)
3.7. Lấy phần tử
- Để lấy một phần tử mảng NumPy, có thể sử dụng các chỉ mục (indexing). Ví dụ:
# Lấy phần tử thứ tư (index 3)
element = arr[3]

3
3.8. Cắt mảng
- Để sử dụng cắt mảng ta dùng kỹ thuật slicing:
Chú ý: Index cuối không bao gồm trong kết quả.
- Cắt mảng theo hàng (axis 0):
o Trích xuất 1 hàng cụ thể bằng index:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Trích xuất hàng có index 1

row = arr[1]
print(row)
# Kết quả: [4 5 6]
o Trích xuất nhiều hàng bằng slicing:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

subarray = arr[0:2, :]
print(subarray)
# Trích xuất từ hàng có index trong phạm vi 0 đến 1
(Không bao gồm hàng có index 2 vì Index cuối không bao gồm trong kết quả)

- Cắt mảng theo cột (axis 1):

o Trích xuất 1 cột cụ thể bằng index:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Trích xuất cột có index 1

column = arr[:, 1]
print(column)
# Kết quả: [2 5 8]
o Trích xuất nhiều cột bằng slicing:
import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

subarray = arr[:, 0:2]
# Trích xuất từ cột có index trong phạm vi 0 đến 1
(Không bao gồm cột có index 2 vì Index cuối không bao gồm trong kết quả)

print(subarray)
# Kết quả:
[[1 2]
[4 5]
[7 8]]

4
4. Chuyển kiểu từ mảng sang danh sách (list) và bộ (tuple)
4.1. Tại sao cần phải chuyển từ mảng numpy sang kiểu danh sách và kiểu bộ?
- Tương thích với mã nguồn có sẵn: Khi đang làm việc với mã nguồn hoặc thư viện mà
yêu cầu dữ liệu kiểu danh sách hoặc kiểu bộ.
- Tương thích với giao diện người dùng: Trong phát triển ứng dụng hoặc giao diện người
dùng, có thể dễ dàng hiển thị và thao tác với dữ liệu dưới dạng danh sách hoặc bộ.
- Tính linh hoạt trong việc thay đổi dữ liệu: Danh sách (list) trong Python cho phép thay
đổi dữ liệu dễ dàng, trong khi mảng NumPy thường là bất biến. Nếu cần thay đổi hoặc
điều chỉnh dữ liệu một cách thường xuyên, chuyển đổi sang kiểu danh sách có thể làm
cho công việc dễ dàng hơn.
4.2. Thực hiện chuyển đổi
- Để chuyển đổi một mảng numpy sang kiểu danh sách (list), có thể sử dụng tolist():
arr = np.array([1, 2, 3, 4, 5])
lst = arr.tolist()
- Để chuyển đổi một mảng numpy sang kiểu bộ (tuple), có thể sử dụng tuple():
arr = np.array([1, 2, 3, 4, 5])
tpl = tuple(arr)
5 . Các phép toán số học tuyến tính
- Mảng numpy cho phép thực hiện các phép toán số học tuyến tính trên toàn bộ mảng
hoặc trên từng phần tử của mảng. Ví dụ:
5.1. Cộng hai mảng
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = arr1 + arr2
# Kết quả: [5, 7, 9]

5.2. Trừ hai mảng

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
subtract_result = arr1-arr2
# Kết quả: [-3, -3, -3]
5.3. Nhân hai mảng
arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
result = arr1 * arr2
# Kết quả: [4, 10, 18]
5.4. Nhân mảng với một số
arr1 = np.array([1, 2, 3])
s=2

5
 multiply_by_scalar_result = arr1 * s
# Kết quả: [2, 4, 6]
5.5. Thực hiện phép lũy thừa
arr1 = np.array([1, 2, 3])
result = arr1 ** 2
# Kết quả: [1, 4, 9]