In giá trị tối đa từ trục 0 và giá trị tối thiểu từ trục 1 từ mảng 2-D sau trong Python.

Trong bài viết này, mình sẽ cùng nhau tìm hiểu cách tìm giá trị tối đa từ trục 0 và giá trị tối thiểu từ trục 1 trong mảng 2D sử dụng thư viện NumPy. Bài tập này giúp bạn làm quen với cách làm việc với mảng đa chiều và tìm các giá trị cực trị.

Bước 1: Import thư viện NumPy

Đầu tiên, hãy import thư viện NumPy để có thể làm việc với mảng.

import numpy as np

Bước 2: Tạo mảng 2D

Mình sử dụng mã sau để tạo mảng 2D đã cho:

sampleArray = np.array([[34, 43, 73],
                        [82, 22, 12],
                        [53, 94, 66]])

Bước 3: Tìm giá trị tối đa từ trục 0

Ta sử dụng hàm np.amax() để tìm giá trị tối đa từ trục 0 của mảng.

max_values_axis0 = np.amax(sampleArray, axis=0)

Bước 4: Tìm giá trị tối thiểu từ trục 1

Sử dụng hàm np.amin() để tìm giá trị tối thiểu từ trục 1 của mảng.

min_values_axis1 = np.amin(sampleArray, axis=1)

Bước 5: In kết quả tìm giá trị cực trị

Mình sử dụng hàm print() để in kết quả tìm giá trị tối đa từ trục 0 và tối thiểu từ trục 1.

print("Giá trị tối đa từ trục 0:", max_values_axis0)
print("Giá trị tối thiểu từ trục 1:", min_values_axis1)

Kết quả

Khi bạn chạy chương trình, bạn sẽ nhận được kết quả sau:

Giá trị tối đa từ trục 0: [82 94 73]
Giá trị tối thiểu từ trục 1: [34 12 53]

Chúc mừng bạn đã thành công tìm giá trị tối đa từ trục 0 và tối thiểu từ trục 1 trong mảng 2D. Bài tập này giúp bạn làm quen với cách làm việc với mảng đa chiều và tìm các giá trị cực trị. Chúc các bạn thành công và tiếp tục khám phá NumPy trong Python!

test php

Bài giải

-------------------- ######## --------------------

Câu hỏi thường gặp liên quan:

In giá trị tối đa từ trục 0 và giá trị tối thiểu từ trục 1 từ mảng 2-D sau trong Python.

Bước 1: Import thư viện NumPy

Bước 2: Tạo mảng 2D

Bước 3: Tìm giá trị tối đa từ trục 0

Bước 4: Tìm giá trị tối thiểu từ trục 1

Bước 5: In kết quả tìm giá trị cực trị

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

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

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

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

In giá trị tối đa từ trục 0 và giá trị tối thiểu từ trục 1 từ mảng 2-D sau trong Python.

Bước 1: Import thư viện NumPy

Bước 2: Tạo mảng 2D

Bước 3: Tìm giá trị tối đa từ trục 0

Bước 4: Tìm giá trị tối thiểu từ trục 1

Bước 5: In kết quả tìm giá trị cực trị

Cùng chuyên mục:

Cách lưu trữ và tải lại Models trong PyTorch

Tìm hiểu về TensorBoard với PyTorch

Học chuyển giao (Transfer Learning) trong PyTorch Beginner

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

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

Tìm hiểu Activation Functions trong PyTorch

Softmax và Cross Entropy trong PyTorch Beginner

Dataset Transforms trong PyTorch Beginner

Dataset và DataLoader trong PyTorch Beginner

Hồi quy Logistic trong PyTorch Beginner

Hồi quy tuyến tính trong PyTorch Beginner

Training Pipeline trong PyTorch Beginner

Sử dụng Gradient Descent với Autograd trong PyTorch

Hướng dẫn về Tensor cơ bản trong PyTorch

Hướng dẫn cài đặt PyTorch với Deep Learning

LDA (Linear Discriminant Analysis) trong Python

Thuật toán AdaBoost trong Python

Thuật toán K-Means Clustering trong Python

Triển khai PCA bằng Python

Triển khai thuật toán Random Forest bằng Python

Giới thiệu

Thủ thuật

Link hay

Liên kết