Các hàm toán học trong thư viện NumPy

NumPy là một thư viện mạnh mẽ dành cho việc tính toán trong Python. Thư viện này được sử dụng rộng rãi trong các lĩnh vực như phân tích dữ liệu, học máy và tính toán khoa học.

Trong bài viết này, chúng ta hãy cùng tìm hiểu về các hàm NumPy để thao tác với các mảng dữ liệu một cách hiệu quả nhé!

Mục lục

1. Tạo Mảng NumPy

Để tạo một mảng NumPy, ta có thể sử dụng hàm np.array(). Hàm này nhận một danh sách hoặc tập hợp các giá trị làm đầu vào và trả về một mảng NumPy.

Ví dụ:

2. Truy Cập Phần Tử Mảng

Ta có thể truy cập phần tử của mảng NumPy bằng cách sử dụng chỉ mục. Chỉ mục bắt đầu từ 0 và tương ứng với vị trí của phần tử trong mảng.

Ví dụ:

3. Thao Tác Toán Học

NumPy cung cấp nhiều hàm toán học cho phép người dùng thực hiện các phép toán trên mảng.

Ví dụ:

– np.sum() tính tổng các phần tử trong mảng.
– np.mean() tính trung bình cộng của các phần tử trong mảng.
– np.max() tìm giá trị lớn nhất trong mảng.
– np.min() tìm giá trị nhỏ nhất trong mảng.

4. Thao Tác So Sánh

NumPy cung cấp nhiều hàm so sánh cho phép người dùng so sánh các phần tử trong mảng.

Ví dụ:

– np.equal() kiểm tra xem hai mảng có bằng nhau hay không.
– np.greater() kiểm tra xem phần tử của mảng thứ nhất có lớn hơn phần tử tương ứng của mảng thứ hai hay không.
– np.less() kiểm tra xem phần tử của mảng thứ nhất có nhỏ hơn phần tử tương ứng của mảng thứ hai hay không.

# Tạo Mảng Một Chiều Arr1 = Np.array([1, 2, 3, 4, 5]) # Tạo Mảng Hai Chiều Arr2 = Np.array([[1, 2, 3], [4, 5, 6]]) 6