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 divide() trong NumPy

Trong bài viết này, bạn sẽ học cách sử dụng hàm numpy divide() hoặc toán tử / để tìm thương số của hai mảng có kích thước bằng nhau theo từng phần tử. Phương pháp này rất hữu ích trong việc thực hiện các phép chia trên mảng một cách hiệu quả và chính xác, giúp tối ưu hóa quá trình xử lý dữ liệu trong các bài toán thực tế.

test php

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

Giới thiệu về hàm divide() trong NumPy

Toán tử / hoặc hàm divide() trả về thương số của hai mảng có kích thước bằng nhau bằng cách thực hiện phép chia từng phần tử.

Ví dụ sử dụng hàm divide() và toán tử /

Sử dụng hàm NumPy divide() và toán tử / để tìm thương số của hai mảng 1D

Ví dụ sau sử dụng toán tử / để tìm thương số của hai mảng 1D:

import numpy as np

a = np.array([8, 6])
b = np.array([2, 3])

c = a / b
print(c)

Kết quả:

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

[4. 2.]

Screenshot 202024 06 08 20221740 png

Cách thức hoạt động:

Tạo hai mảng 1D, mỗi mảng có hai số:

a = np.array([8, 6])
b = np.array([2, 3])

Tìm thương số của a/b bằng cách sử dụng toán tử /:

c = a / b

Toán tử / trả về thương số của từng phần tử trong mảng a với phần tử tương ứng trong mảng b:

[8/2, 6/3] = [4, 2]

Tương tự, bạn có thể sử dụng hàm divide() để tìm thương số của hai mảng 1D như sau:

import numpy as np

a = np.array([8, 6])
b = np.array([2, 3])

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

Kết quả:

[4. 2.]

Sử dụng hàm NumPy divide() và toán tử / để tìm thương số của hai mảng 2D

Ví dụ sau sử dụng toán tử / để tìm thương số của hai mảng 2D:

import numpy as np

a = np.array([[10, 8], [6, 4]])
b = np.array([[5, 2], [2, 1]])

c = a / b
print(c)

Kết quả:

[[2. 4.]
 [3. 4.]]

Trong ví dụ này, toán tử / thực hiện phép chia từng phần tử:

[[ 10/5  8/2]
 [ 6/2  4/1]]

Tương tự, bạn có thể sử dụng hàm divide() để tìm thương số của hai mảng 2D:

import numpy as np

a = np.array([[10, 8], [6, 4]])
b = np.array([[5, 2], [2, 1]])

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

Screenshot 202024 06 08 20221727 png

Kết quả:

[[2. 4.]
 [3. 4.]]

Kết bài

Sử dụng toán tử / hoặc hàm divide() để tìm thương số của hai mảng có kích thước bằng nhau theo từng phần tử là một kỹ thuật cơ bản và quan trọng trong xử lý dữ liệu. Việc nắm vững kỹ năng này sẽ giúp bạn thực hiện các phép tính toán học trên mảng một cách hiệu quả và chính xác, từ đó nâng cao hiệu suất làm việc và tối ưu hóa quá trình phân tích dữ liệu. Bằng cách áp dụng các ví dụ và hướng dẫn cụ thể trong bài viết này, bạn sẽ có thể dễ dàng áp dụng kiến thức vào các bài toán thực tế, giúp công việc của bạn trở nên thuận lợi và chuyên nghiệp hơn.

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Hướng dẫn cơ bản mạng Nơ-ron Tích Chập (CNN) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Mạng Nơ-Ron truyền thẳng (Feed Forward Neural Network) trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Triển khai thuật toán Random Forest bằng Python

Top