NUMPY
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Cách sử dụng hàm add() trong NumPy

Trong bài viết này, bạn sẽ học cách sử dụng hàm numpy add() hoặc toán tử + để thực hiện phép cộng từng phần tử của hai mảng có kích thước bằng nhau. Phép cộng từng phần tử này giúp bạn dễ dàng thao tác và tính toán trên các mảng số liệu một cách hiệu quả và linh hoạt. Qua các ví dụ minh họa, bạn sẽ thấy cách áp dụng hàm add() và toán tử + trong các trường hợp cụ thể, từ mảng một chiều đến mảng hai chiều.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Giới thiệu về hàm add() trong NumPy

Hàm numpy.add() trong thư viện NumPy của Python được sử dụng để thực hiện phép cộng phần tử theo phần tử giữa các mảng. Hàm này cho phép cộng hai mảng với nhau và trả về một mảng mới, trong đó mỗi phần tử là tổng của các phần tử tương ứng từ hai mảng đầu vào.

Dưới đây là cú pháp cơ bản của hàm numpy.add():

numpy.add(x1, x2, out=None, where=True, casting='same_kind', order='K', dtype=None, subok=True, *, signature=None, extobj=None)

Tham số

Bài viết này được đăng tại [free tuts .net]

  • x1, x2: Các mảng đầu vào cần cộng. Chúng phải có cùng kích thước hoặc có thể broadcast được với nhau.
  • out: (Tùy chọn) Mảng đích để lưu kết quả. Nếu được cung cấp, nó phải có cùng hình dạng như các mảng đầu vào.
  • where: (Tùy chọn) Mảng boolean cùng kích thước với x1 và x2, xác định các vị trí thực hiện phép cộng. Nếu không được cung cấp, phép cộng sẽ thực hiện trên toàn bộ các phần tử.
  • casting: (Tùy chọn) Điều khiển loại casting. Các giá trị hợp lệ là 'no', 'equiv', 'safe', 'same_kind', và 'unsafe'.
  • order: (Tùy chọn) Điều khiển thứ tự lưu trữ của kết quả. Các giá trị hợp lệ là 'C', 'F', 'A', và 'K'.
  • dtype: (Tùy chọn) Kiểu dữ liệu mong muốn của mảng kết quả.
  • subok: (Tùy chọn) Nếu True, các mảng con của mảng đầu vào sẽ được cho phép trong mảng kết quả.

Sử dụng hàm add() và toán tử + để cộng hai mảng 1D trong NumPy

Ví dụ sau sử dụng toán tử + để cộng hai mảng 1D:

import numpy as np

a = np.array([1, 2])
b = np.array([2, 3])

c = a + b
print(c)

Kết quả:

[3 5]

Screenshot 202024 06 07 20163749 png

Cách hoạt động:

Đầu tiên, tạo hai mảng 1D với hai phần tử mỗi mảng:

a = np.array([1, 2])
b = np.array([2, 3])

Tiếp theo, cộng mảng a với mảng b và gán kết quả vào biến c:

c = a + b

Toán tử + cộng từng phần tử của mảng a với phần tử tương ứng trong mảng b:

[1+2, 2+3] = [3, 5]

Tương tự, bạn có thể sử dụng hàm add() để cộng hai mảng 1D như sau:

import numpy as np

a = np.array([1, 2])
b = np.array([2, 3])

c = np.add(a, b)

print(c)

Kết quả:

[3 5]

Sử dụng hàm add() và toán tử + để cộng hai mảng 2D trong NumPy

Ví dụ sau sử dụng toán tử + để cộng hai mảng 2D:

import numpy as np

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

c = a + b
print(c)

Kết quả:

[[ 6  8]
 [10 12]]

Screenshot 202024 06 07 20163737 png

Trong ví dụ này, toán tử + thực hiện phép cộng từng phần tử như sau:

[[ 1+5  2+6]
 [ 3+7  4+8]]

Tương tự, bạn có thể sử dụng hàm add() để cộng hai mảng 2D:

import numpy as np

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

c = np.add(a, b)
print(c)

Kết quả:

[[ 6  8]
 [10 12]]

Kết bài

Sử dụng toán tử + hoặc hàm add() để cộng hai mảng có kích thước bằng nhau là một cách tiếp cận trực quan và hiệu quả trong việc xử lý các phép toán trên mảng số liệu. Các phương pháp này không chỉ giúp bạn thực hiện phép cộng một cách nhanh chóng mà còn đảm bảo tính chính xác và dễ đọc của mã nguồn. Qua các ví dụ đã thảo luận, hy vọng bạn đã nắm vững cách áp dụng các phương pháp này để phục vụ cho các nhu cầu tính toán và phân tích dữ liệu của mình.

Cùng chuyên mục:

Hướng dẫn xây dựng Command-Line Interface (CLI) bằng Quo trong Python

Hướng dẫn xây dựng Command-Line Interface (CLI) bằng Quo trong Python

Hướng dẫn toàn diện về module datetime trong Python

Hướng dẫn toàn diện về module datetime trong Python

Cách truy cập và thiết lập biến môi trường trong Python

Cách truy cập và thiết lập biến môi trường trong Python

Lớp dữ liệu (Data Classes) trong Python với decorator @dataclass

Lớp dữ liệu (Data Classes) trong Python với decorator @dataclass

Từ khóa yield trong Python

Từ khóa yield trong Python

Sự khác biệt giữa sort() và sorted() trong Python

Sự khác biệt giữa sort() và sorted() trong Python

Sử dụng Poetry để quản lý dependencies trong Python

Sử dụng Poetry để quản lý dependencies trong Python

Định dạng chuỗi Strings trong Python

Định dạng chuỗi Strings trong Python

Một tác vụ phổ biến khi làm việc với danh sách trong Python

Một tác vụ phổ biến khi làm việc với danh sách trong Python

Làm việc với các biến môi trường trong Python

Làm việc với các biến môi trường trong Python

Sự khác biệt giữa set() và frozenset() trong Python

Sự khác biệt giữa set() và frozenset() trong Python

Sự khác biệt giữa iterator và iterable trong Python

Sự khác biệt giữa iterator và iterable trong Python

Cách làm việc với file tarball/tar trong Python

Cách làm việc với file tarball/tar trong Python

Chuyển đổi kiểu dữ liệu trong Python

Chuyển đổi kiểu dữ liệu trong Python

Sự khác biệt giữa toán tử == và is trong Python

Sự khác biệt giữa toán tử == và is trong Python

Làm việc với file ZIP trong Python

Làm việc với file ZIP trong Python

Cách sử dụng ThreadPoolExecutor trong Python

Cách sử dụng ThreadPoolExecutor trong Python

Sự khác biệt giữa byte objects và string trong Python

Sự khác biệt giữa byte objects và string trong Python

Xử lý độ chính xác các hàm floor, ceil, round, trunc, format  trong Python

Xử lý độ chính xác các hàm floor, ceil, round, trunc, format trong Python

Cách lặp qua nhiều list với hàm zip() trong Python

Cách lặp qua nhiều list với hàm zip() trong Python

Top