Cách sử dụng hàm stack() trong NumPy

Trong bài viết này, bạn sẽ học cách sử dụng hàm NumPy stack() để gộp hai hoặc nhiều mảng thành một mảng duy nhất. Đây là một kỹ thuật quan trọng trong xử lý dữ liệu, giúp bạn kết hợp các mảng lại với nhau theo nhiều cách khác nhau để tạo ra cấu trúc dữ liệu phức tạp hơn. Việc nắm vững cách sử dụng hàm stack() sẽ giúp bạn tối ưu hóa quá trình phân tích và xử lý dữ liệu một cách hiệu quả.

Giới thiệu về hàm stack() trong NumPy

Hàm stack() gộp hai hoặc nhiều mảng thành một mảng duy nhất. Không giống như hàm concatenate(), hàm stack() gộp các mảng 1D thành một mảng 2D và gộp các mảng 2D thành một mảng 3D.

Cú pháp của hàm stack() như sau:

numpy.stack((a1, a2, ...), axis=0)

Trong đó, (a1, a2, …) là một dãy các mảng có kiểu ndarray hoặc các đối tượng có thể chuyển đổi thành mảng. Tất cả các mảng a1, a2, ... phải có cùng hình dạng.

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

Tham số axis chỉ định trục trong mảng kết quả mà dọc theo đó hàm sẽ gộp các mảng đầu vào. Mặc định, trục là 0, nghĩa là hàm sẽ gộp các mảng đầu vào theo chiều dọc.

Ngoài hàm stack(), NumPy còn có hàm vstack() để gộp hai hoặc nhiều mảng theo chiều dọc và hàm hstack() để gộp hai hoặc nhiều mảng theo chiều ngang.

Ví dụ về hàm stack() trong NumPy

Hãy xem một số ví dụ về cách sử dụng hàm stack().

Sử dụng hàm stack() để gộp các mảng 1D

Ví dụ sau sử dụng hàm stack() để gộp hai mảng 1D:

import numpy as np

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

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

Kết quả:

[[1 2] 
 [3 4]]

Ví dụ sau sử dụng hàm stack() để gộp hai mảng 1D theo chiều ngang bằng cách sử dụng trục 1:

import numpy as np

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

c = np.stack((a, b), axis=1)
print(c)

Kết quả:

[[1 3] 
 [2 4]]

Sử dụng hàm numpy stack() để gộp các mảng 2D

Ví dụ sau sử dụng hàm stack() để gộp các phần tử của hai mảng 2D. Kết quả là một mảng 3D:

import numpy as np

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

c = np.stack((a, b))
print(c)
print(c.shape)

Kết quả:

[[[1 2]
  [3 4]]
 [[5 6]
  [7 8]]]
(2, 2, 2)

So sánh stack() và concatenate() trong NumPy

Ví dụ sau minh họa sự khác biệt giữa hàm stack() và concatenate():

import numpy as np

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

c = np.concatenate((a, b)) # trả về mảng 1D
d = np.stack((a, b)) # trả về mảng 2D
print(c)
print(d)

Kết quả:

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

Trong ví dụ này, hàm concatenate() gộp các phần tử của hai mảng dọc theo một trục hiện có, trong khi hàm stack() gộp hai mảng dọc theo một trục mới.

Kết bài

Sử dụng hàm numpy stack() để gộp hai hoặc nhiều mảng thành một mảng duy nhất là một kỹ thuật mạnh mẽ và linh hoạt trong xử lý dữ liệu. Bằng cách nắm vững cách sử dụng hàm này, bạn có thể dễ dàng kết hợp các mảng lại với nhau theo các chiều khác nhau, giúp tạo ra các cấu trúc dữ liệu phức tạp và tiện lợi hơn cho các ứng dụng phân tích và xử lý dữ liệu của mình. Việc áp dụng hiệu quả numpy stack() không chỉ nâng cao hiệu suất làm việc mà còn mở ra nhiều khả năng mới trong việc quản lý và phân tích dữ liệu.