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 flatten() trong NumPy

Trong bài viết này, bạn sẽ học cách sử dụng phương thức numpy flatten() để trả về một bản sao của một mảng đã được "dẹt hóa" thành một chiều. Phương thức này là một công cụ hữu ích trong thư viện NumPy, giúp bạn chuyển đổi các mảng nhiều chiều thành mảng một chiều, tạo điều kiện thuận lợi cho việc xử lý và phân tích dữ liệu. Hãy cùng khám phá cách sử dụng phương thức này thông qua các ví dụ cụ thể và dễ hiểu.

test php

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

Giới thiệu về phương thức flatten() trong NumPy

Phương thức flatten() là một phương thức của lớp ndarray. Phương thức flatten() trả về một bản sao của một mảng đã được "dẹt hóa" thành một chiều.

Cú pháp của phương thức flatten() như sau:

ndarray.flatten(order='C')

Tham số order chỉ định thứ tự của các phần tử trong mảng trả về. Nó chấp nhận một trong các giá trị sau:

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

  • 'C' có nghĩa là "dẹt hóa" các phần tử mảng theo thứ tự hàng (C-style).
  • 'F' có nghĩa là "dẹt hóa" các phần tử mảng theo thứ tự cột (Fortran-style).
  • 'A' có nghĩa là "dẹt hóa" các phần tử mảng theo thứ tự cột nếu mảng là Fortran liền kề trong bộ nhớ, hoặc theo thứ tự hàng nếu không.
  • 'K' có nghĩa là "dẹt hóa" các phần tử mảng theo thứ tự mà các phần tử được lưu trữ trong bộ nhớ.

Mặc định, thứ tự là 'C', tức là "dẹt hóa" các phần tử mảng theo thứ tự hàng.

Ví dụ về phương thức flatten() trong NumPy

Hãy xem một số ví dụ về việc sử dụng phương thức flatten() của NumPy.

Sử dụng phương thức flatten() với mảng đa chiều

Ví dụ sau sử dụng phương thức flatten() để trả về một mảng một chiều từ mảng hai chiều:

import numpy as np
#Bài viết này được đăng tại freetuts.net

a = np.array([[1, 2], [3, 4]])
b = a.flatten()
print(b)

Kết quả:

[1 2 3 4]

Screenshot 202024 06 07 20165407 png

Cách hoạt động:

Đầu tiên, tạo một mảng hai chiều có hai hàng và hai cột:

a = np.array([[1, 2], [3, 4]])

Tiếp theo, trả về một bản sao của mảng với các chiều được "dẹt hóa" thành một bằng cách sử dụng phương thức flatten():

b = a.flatten()

Cuối cùng, hiển thị mảng kết quả:

print(b)

Lưu ý rằng b là một bản sao, không phải là một chế độ xem của mảng a. Nếu bạn thay đổi các phần tử trong mảng b, các phần tử trong mảng a không thay đổi. Ví dụ:

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = a.flatten()

# thay đổi phần tử tại chỉ số 0
b[0] = 0
print(b)
#Bài viết này được đăng tại freetuts.net

# hiển thị mảng a
print(a)

Kết quả:

[0 2 3 4]
[[1 2]
 [3 4]]

Trong ví dụ này:

Đầu tiên, "dẹt hóa" mảng a và gán mảng kết quả cho biến b:

b = a.flatten()

Tiếp theo, thay đổi phần tử tại chỉ số 0 của b thành 0 và in ra b:

b[0] = 0
print(b)

Cuối cùng, hiển thị mảng a:

print(a)

Kết quả cho thấy phần tử tại chỉ số 0 của b thay đổi nhưng phần tử tại chỉ số 0 của a không thay đổi.

Sử dụng phương thức numpy flatten() để "dẹt hóa" mảng theo thứ tự cột

Ví dụ sau sử dụng phương thức numpy flatten() để "dẹt hóa" mảng theo thứ tự cột:

import numpy as np
#Bài viết này được đăng tại freetuts.net

a = np.array([[1, 2], [3, 4]])
b = a.flatten(order='F')

print(b)

Screenshot 202024 06 07 20165442 png

Kết quả:

[1 3 2 4]

Kết bài

Sử dụng phương thức numpy array flatten() để trả về một bản sao của một mảng đã được "dẹt hóa" thành một chiều giúp bạn linh hoạt hơn trong việc xử lý dữ liệu. Bạn có thể lựa chọn thứ tự "dẹt hóa" của các phần tử trong mảng để phù hợp với nhu cầu của mình, cho dù đó là theo kiểu row-major, column-major, hay theo cách mà các phần tử được lưu trữ trong bộ nhớ. Bằng cách này, việc thao tác và phân tích dữ liệu sẽ trở nên dễ dàng và hiệu quả hơn rất nhiều.

Cùng chuyên mục:

Tìm hiểu Backreferences trong regex của Python

Tìm hiểu Backreferences trong regex của Python

Nhóm Non-capturing trong Regex Python

Nhóm Non-capturing trong Regex Python

Các nhóm Capturing trong regex của Python

Các nhóm Capturing trong regex của Python

Sets và Ranges trong Regex của Python

Sets và Ranges trong Regex của Python

Lượng từ non-greed trong Regex của Python

Lượng từ non-greed trong Regex của Python

Chế độ Greedy trong Regex Python

Chế độ Greedy trong Regex Python

Các lượng từ trong Regex của Python

Các lượng từ trong Regex của Python

Regex Word Boundary trong Python

Regex Word Boundary trong Python

Regex với các ký tự neo trong Python

Regex với các ký tự neo trong Python

Các tập ký tự trong Regex của Python

Các tập ký tự trong Regex của Python

Biểu thức chính quy (Regex) trong Python

Biểu thức chính quy (Regex) trong Python

Tìm hiểu Context Managers trong Python

Tìm hiểu Context Managers trong Python

Biểu thức Generator trong Python

Biểu thức Generator trong Python

Tìm hiểu Generators trong Python

Tìm hiểu Generators trong Python

Sử dụng hiệu quả hàm iter() trong Python

Sử dụng hiệu quả hàm iter() trong Python

Iterator vs Iterable trong Python

Iterator vs Iterable trong Python

Tìm hiểu về Iterator trong Python

Tìm hiểu về Iterator trong Python

Dãy số Fibonacci trong Python

Dãy số Fibonacci trong Python

Cắt Chuỗi (Slicing) trong Python

Cắt Chuỗi (Slicing) trong Python

Sự khác biệt giữa Tuple và List trong Python

Sự khác biệt giữa Tuple và List trong Python

Top