08-Buổi 8 - Numpy - 5t

WORKING HARD & SMART TODAY FOR A BETTER TOMORROW Lập trình python cho phân tích dữ liệu
CHƯƠNG 8:
NUMPY
Trang 1
Mục tiêu bài học

 Numpy module.
Trang 2
Nội dung bài học

 Giới thiệu Numpy
 Mảng Numpy
 Đánh chỉ mục mảng
 Cắt lát (slicing)
 Một số phép toán
 Broadcasting
 Sắp xếp, tìm kiếm và đếm
 Sao chép
 Numpy và đại số tuyến tính
 Tổng kết
 Bài tập
Trang 3
8.1 Giới thiệu Numpy

Numpy là một package của python. Nó là viết tắt của 'Numerical
Python'. Thư viện bao gồm các đối tượng mảng nhiều chiều và một
tập hợp các quy trình để xử lý mảng.
Numeric, tổ tiên của NumPy, được phát triển bởi Jim Hugunin. Một
gói khác Numarray cũng được phát triển, có một số chức năng bổ
sung.
Năm 2005, Travis Oliphant tạo ra gói NumPy bằng cách kết hợp các
tính năng của Numarray vào Numeric. Có rất nhiều người đóng góp
cho dự án mã nguồn mở này.
Trang 4

Sử dụng NumPy, nhà phát triển có thể thực hiện các thao tác sau:
• Các phép toán toán học và logic trên mảng.
• Các biến đổi Fourier và các quy trình để thao tác hình dạng.
• Các phép toán liên quan đến đại số tuyến tính. NumPy tích hợp
sẵn các hàm cho đại số tuyến tính và tạo số ngẫu nhiên.
Trang 5

NumPy thường được sử dụng cùng với các gói như SciPy (Scientific
Python) và Mat-plotlib (thư viện vẽ đồ thị). Sự kết hợp này được sử
dụng rộng rãi để thay thế cho MatLab, một nền tảng phổ biến cho
tính toán kỹ thuật.
Python thay thế cho MatLab hiện được xem như một ngôn ngữ lập
trình hoàn thiện và hiện đại hơn.
Nó là mã nguồn mở, là một lợi thế của NumPy.
Trang 6

Cách cài đặt python phổ biến là sử dụng pip:
Sử dụng:
Trang 7
8.2 Mảng Numpy - Ndarray Object

Đối tượng quan trọng nhất được định nghĩa trong NumPy là một
kiểu mảng N chiều được gọi là ndarray. Nó mô tả bộ sưu tập các đối
tượng cùng loại. Các mục trong bộ sưu tập có thể được truy cập
bằng cách sử dụng chỉ mục dựa trên phần tử đầu tiên.
Mọi mục trong một ndarray có cùng kích thước khối trong bộ nhớ.
Mỗi phần tử trong ndarray là một đối tượng của đối tượng kiểu dữ
liệu (được gọi là dtype).
Bất kỳ mục nào được trích xuất từ đối tượng ndarray (bằng cách cắt)
được đại diện bởi một đối tượng Python thuộc một trong các
kiểu mảng vô hướng.
Trang 8
8.2 Mảng Numpy – Ví dụ các phép toán
Trang 9
8.3 Mảng Numpy – Khởi tạo
Trang 10
8.4 Đánh chỉ mục mảng

axis 0 = row, axis 1 = column
Trang 11
8.5 Cắt lát (slicing)
Trang 12

Cú pháp: #array[from:to:step], xem ví dụ
Trang 13

Chú ý khi dùng slice tạo ra mảng mới, nhưng địa chỉ vẫn cùng với
mảng ban đầu, ví dụ:
Trang 14

Slicing với mảng 2 chiều:
Trang 15

Slicing có thể truyền tuần tự:
Trang 16
8.6 Một số phép toán

 np.sqrt
 np.exp
 np.maximum
 np.modf
 others
Trang 17
8.6.1 sqrt, exp
Trang 18
8.6.2 maximum
Trang 19
8.6.3 modf
Trang 20
8.6.4 others
Trang 21
8.6.4 others
Trang 22
8.7 Broadcasting
Thuật ngữ broadcast đề cập đến khả năng của NumPy để xử lý các
mảng có hình dạng khác nhau trong các phép toán số học. Các phép
toán số học trên mảng thường được thực hiện trên các phần tử tương
ứng. Nếu hai mảng có hình dạng hoàn toàn giống nhau thì các thao
tác này được thực hiện trơn tru.
Trang 23
8.7 Broadcasting
Nếu kích thước của hai mảng không giống nhau, thì không thể thực
hiện các thao tác giữa phần tử với phần tử. Tuy nhiên, các thao tác
trên các mảng có hình dạng không giống nhau vẫn có thể thực hiện
được trong NumPy, vì khả năng broadcasting. Mảng nhỏ hơn được
phát tới kích thước của mảng lớn hơn để chúng có hình dạng tương
thích.
Trang 24
8.7 Broadcasting – Ví dụ broadcasting axis 0
Trang 25
Trang 26
Trang 27
8.8 Sắp xếp, tìm kiếm, đếm

 numpy.sort()
 numpy.argsort()
 numpy.lexsort()
 numpy.argmax(), numpy.argmin()
 numpy.nonzero() :
 numpy.where()
 numpy.extract()
Trang 28
8.8.1 numpy.sort()
Hàm sort() trả về một bản sao đã được sắp xếp của mảng đầu vào
Trang 29
8.8.2 numpy.argsort()
Hàm numpy.argsort() thực hiện sắp xếp và trả về mảng chỉ số dữ
liệu.
Trang 30
8.8.3 numpy. lexsort()

Hàm thực hiện sắp xếp bằng cách sử dụng một chuỗi khóa. Các
khóa có thể được xem như một cột trong bảng tính. Hàm trả về một
mảng chỉ số.
Trang 31
8.8.4 numpy.argmax()
Hàm này trả về chỉ số của phần tử cực đại.
Trang 32
8.8.5 numpy.argmin()
Hàm này trả về chỉ số của phần tử cực tiểu.
Trang 33
8.8.6 numpy. nonzero()

Hàm trả về chỉ số của các phần tử khác 0 trong mảng đầu vào.
Trang 34
8.8.7 numpy.where()
Hàm where() trả về chỉ số trong mảng đầu vào thỏa mãn điều kiện
đã cho
Trang 35
8.8.8 numpy.extract()
Hàm extract() trả về các phần tử thỏa mãn bất kỳ điều kiện nào.
Trang 36
8.9 Sao chép

Trong khi thực thi các hàm, một số hàm trả về bản sao của mảng đầu
vào, trong khi một số trả về dạng xem. Khi nội dung được lưu trữ
vật lý ở một vị trí khác, nó được gọi là Sao chép. Mặt khác, nếu một
dạng xem khác của cùng một nội dung bộ nhớ được cung cấp, ta gọi
nó là Dạng xem.
Trang 37
8.9.1. No copy
Các phép gán đơn giản không tạo ra bản sao của đối tượng mảng.
Trang 38
8.9.2. View hoặc Shallow Copy

NumPy có phương thức ndarray.view() là một đối tượng mảng mới
xem xét cùng một dữ liệu của mảng ban đầu. Không giống như
trường hợp trước đó, thay đổi kích thước của mảng mới không thay
đổi kích thước của mảng ban đầu.
Trang 39
8.9.2. View hoặc Shallow Copy – Ví dụ
Trang 40
8.9.3. Deep Copy

Hàm ndarray.copy() tạo một bản sao sâu. Nó là một bản sao hoàn
chỉnh của mảng và dữ liệu của nó, và không chia sẻ với mảng ban
đầu.
Trang 41
8.10 Đại số tuyến tính

1. numpy.dot()
2. numpy.vdot()
3. numpy.inner()
4. numpy.matmul()
5. numpy.linalg.det() ( Định thức )
6. numpy.linalg.inv()
7. numpy.linalg.solve()
Trang 42
8.10.1 Đại số tuyến tính - numpy.dot()

Hàm này trả về tích số chấm của hai mảng.
Trang 43
8.10.2 Đại số tuyến tính - numpy.vdot()

Hàm này trả về tích số chấm của hai vectơ.
Trang 44
8.10.3 Đại số tuyến tính - numpy.inner()

Hàm này trả về tích bên trong của vectơ cho mảng 1-D. Đối với các
kích thước cao hơn, nó trả về tích tổng trên các trục.
Trang 45
8.10.4 Đại số tuyến tính - numpy.matmul()

Trả về tích ma trận của hai mảng (giống numpy.dot).
Trang 46
8.10.5 Đại số tuyến tính – Định thức

Định thức được tính toán từ các phần tử đường chéo của một ma
trận vuông.
với ma trận [[a, b], [c, d]], định thức được tính là ‘ad-bc’. Ma trận
vuông lớn hơn được coi là hợp của ma trận 2x2.
Hàm numpy.linalg.det() tính toán định thức của ma trận đầu vào.
Trang 47
8.10.6 Đại số tuyến tính – numpy.linalg.inv()

numpy.linalg.inv() để tính nghịch đảo của ma trận. Nghịch đảo của
ma trận nhân với ma trận ban đầu sẽ được kết quả là ma trận đơn vị.
Trang 48
8.10.7 Đại số tuyến tính – numpy.linalg.solve()

Tìm nghiệm của phương trình tuyến tính ở dạng ma trận.
Trang 49
8.11 Tổng kết

Giải đáp thắc mắc
Giao bài tập về nhà
Trang 50
Hey!
Coding
is easy!
END
Trang 51

08-Buổi 8 - Numpy - 5t

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

08-Buổi 8 - Numpy - 5t

Uploaded by

Copyright:

Available Formats

WORKING HARD & SMART TODAY FOR A BETTER TOMORROW Lập trình python cho phân tích dữ liệu

Mục tiêu bài học

Nội dung bài học

8.1 Giới thiệu Numpy

8.1 Giới thiệu Numpy

8.1 Giới thiệu Numpy

8.1 Giới thiệu Numpy

8.2 Mảng Numpy - Ndarray Object

8.2 Mảng Numpy – Ví dụ các phép toán

8.3 Mảng Numpy – Khởi tạo

8.4 Đánh chỉ mục mảng

8.5 Cắt lát (slicing)

8.5 Cắt lát (slicing)

8.5 Cắt lát (slicing)

8.5 Cắt lát (slicing)

8.5 Cắt lát (slicing)

8.6 Một số phép toán

8.6.1 sqrt, exp

8.7 Broadcasting – Ví dụ broadcasting axis 0

8.7 Broadcasting – Ví dụ broadcasting axis 1

8.7 Broadcasting – Ví dụ broadcasting axis 0

8.8 Sắp xếp, tìm kiếm, đếm

8.8.3 numpy. lexsort()

8.8.6 numpy. nonzero()

8.9 Sao chép

8.9.2. View hoặc Shallow Copy

8.9.2. View hoặc Shallow Copy – Ví dụ

8.9.3. Deep Copy

8.10 Đại số tuyến tính

8.10.1 Đại số tuyến tính - numpy.dot()

8.10.2 Đại số tuyến tính - numpy.vdot()

8.10.3 Đại số tuyến tính - numpy.inner()

8.10.4 Đại số tuyến tính - numpy.matmul()

8.10.5 Đại số tuyến tính – Định thức

8.10.6 Đại số tuyến tính – numpy.linalg.inv()

8.10.7 Đại số tuyến tính – numpy.linalg.solve()

8.11 Tổng kết

You might also like