NUMPY
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Sắp xếp mảng NumPy theo hàng và theo cột sử dụng NumPy trong Python

Trong bài viết này, mình sẽ cùng nhau tìm hiểu cách sắp xếp mảng NumPy theo hàng và theo cột. Bài tập này giúp bạn làm quen với cách làm việc với mảng NumPy và thực hiện việc sắp xếp theo các chiều khác nhau.

Đề bài:

Sắp xếp mảng NumPy sau

Trường hợp 1 : Sắp xếp mảng theo hàng thứ hai

Trường hợp 2 : Sắp xếp mảng theo cột thứ 2

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

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 NumPy

Mình sử dụng mã sau để tạo mảng NumPy đã cho:

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

Bước 3: Sắp xếp mảng theo hàng thứ hai

Mình sử dụng hàm np.sort() để sắp xếp mảng theo hàng thứ hai. Chú ý rằng việc sắp xếp này sẽ tạo ra một bản sao của mảng gốc.

sorted_by_row = np.sort(sampleArray, axis=1)

Bước 4: Sắp xếp mảng theo cột thứ hai

Mình sử dụng hàm np.argsort() để lấy chỉ số sắp xếp theo cột thứ hai và sau đó sử dụng chỉ số này để sắp xếp lại mảng ban đầu.

indices = np.argsort(sampleArray[:, 1])
sorted_by_column = sampleArray[indices]

Bước 5: In kết quả sắp xếp

Cuối cùng sử dụng hàm print() để in kết quả sắp xếp theo hàng và theo cột.

print("Mảng sau khi sắp xếp theo hàng thứ hai:")
print(sorted_by_row)

print("Mảng sau khi sắp xếp theo cột thứ hai:")
print(sorted_by_column)

Kết quả

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

Mảng sau khi sắp xếp theo hàng thứ hai:
[[34 43 73]
 [12 22 82]
 [53 66 94]]

Mảng sau khi sắp xếp theo cột thứ hai:
[[82 22 12]
 [34 43 73]
 [53 94 66]]

Chúc mừng bạn đã thành công sắp xếp mảng NumPy theo hàng và theo cột. Bài tập này giúp bạn làm quen với cách sắp xếp các phần tử trong mảng theo các chiều khác nhau. Chúc các bạn thành công và tiếp tục khám phá NumPy trong Python!

test php

Bài giải

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

Câu hỏi thường gặp liên quan:

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