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.

Sử dụng hàm sum() trong NumPy

Trong bài viết này, bạn sẽ học cách sử dụng hàm numpy sum() để tính toán và trả về tổng của tất cả các phần tử trong một mảng NumPy. Hàm numpy sum() là một công cụ hữu ích và mạnh mẽ trong thư viện NumPy, thường được sử dụng trong các thao tác xử lý dữ liệu và tính toán khoa học. Bằng cách nắm vững cách sử dụng hàm này, bạn sẽ có thể thực hiện các phép tính tổng hợp một cách hiệu quả trên các mảng dữ liệu một chiều và đa chiều.

test php

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

Giới thiệu về hàm sum() trong Numpy

Hàm numpy sum() là một hàm tổng hợp nhận vào một mảng và trả về tổng của tất cả các phần tử trong mảng.

Ví dụ sau sử dụng hàm sum() để tính tổng của tất cả các phần tử trong một mảng 1 chiều:

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

a = np.array([1, 2, 3])
total = np.sum(a)
print(total)

Kết quả:

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

6

Cách hoạt động:

Đầu tiên, tạo một mảng NumPy mới chứa ba số 1, 2 và 3:

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

Thứ hai, tính tổng của tất cả các phần tử trong mảng a bằng cách sử dụng hàm sum():

total = np.sum(a)

Hiển thị kết quả:

print(total)

Ví dụ sau sử dụng hàm sum() để tính tổng của tất cả các phần tử trong một mảng 2 chiều:

import numpy as np

a = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
#Bài viết này được đăng tại freetuts.net
total = np.sum(a)
print(total)

Kết quả:

21

Trong ví dụ này, hàm sum() cộng tất cả các số trong mảng a.

Hàm sum() cũng chấp nhận đối số axis cho phép bạn trả về tổng của các phần tử theo một trục nhất định. Ví dụ:

import numpy as np

a = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
#Bài viết này được đăng tại freetuts.net
total = np.sum(a, axis=0)
print(total)

Kết quả:

Screenshot 202024 06 06 20163957 png

[5 7 9]

Trong ví dụ này, hàm sum() trả về một mảng mới mà mỗi phần tử là tổng của các phần tử của mảng a theo trục-0.

Tương tự, bạn có thể tính tổng các phần tử theo trục-1 như sau:

import numpy as np

a = np.array([
    [1, 2, 3],
    [4, 5, 6]
])
#Bài viết này được đăng tại freetuts.net
total = np.sum(a, axis=1)
print(total)

Kết quả:

Screenshot 202024 06 06 20164009 png

[ 6 15]

Kết bài

Khi làm việc với NumPy, việc tính toán tổng của các phần tử trong một mảng trở nên dễ dàng và hiệu quả nhờ vào hàm sum(). Bạn có thể sử dụng hàm sum() để lấy tổng của tất cả các phần tử trong một mảng. Hơn nữa, đối số axis của hàm này cho phép bạn chỉ định trục mà bạn muốn tính tổng, giúp bạn linh hoạt trong việc tính toán trên các mảng đa chiều. Bằng cách nắm vững các kỹ thuật này, bạn sẽ có thể xử lý và phân tích dữ liệu một cách hiệu quả hơn trong các dự án của mình.

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