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

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]

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:

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.

Bài trước Bài tiếp

Sử dụng hàm sum() trong NumPy

Giới thiệu về hàm `sum()` trong Numpy

Kết bài

Cùng chuyên mục:

Sử dụng câu lệnh raise from trong Python

Ngoại lệ tùy chỉnh trong Python

Ngoại lệ Raise trong Python

Tìm hiểu về các ngoại lệ trong Python

Tìm hiểu về decorator dataclass trong Python

Ví dụ sử dụng metaclass trong Python

Lớp Metaclass trong Python

Tìm hiểu về Class Type trong Python

Phương thức new trong Python

Phân biệt Data Descriptor và Non-data Descriptor trong Python

Mô tả Descriptors trong Python

Tìm hiểu về các lớp mixin trong Python

Đa kế thừa trong Python

Nguyên tắc đảo ngược sự phụ thuộc trong Python

Interface Segregation Principle - ISP trong Python.

Nguyên tắc thay thế Liskov - LSP trong Python

Nguyên tắc Đóng-Mở trong Python

Single Responsibility Principle trong Python

Cách sử dụng hàm Auto() của Python

Tùy chỉnh và mở rộng lớp Enum trong Python

Sử dụng hàm sum() trong NumPy

Giới thiệu về hàm sum() trong Numpy

Kết bài

Cùng chuyên mục:

Sử dụng câu lệnh raise from trong Python

Ngoại lệ tùy chỉnh trong Python

Ngoại lệ Raise trong Python

Tìm hiểu về các ngoại lệ trong Python

Tìm hiểu về decorator dataclass trong Python

Ví dụ sử dụng metaclass trong Python

Lớp Metaclass trong Python

Tìm hiểu về Class Type trong Python

Phương thức __new__ trong Python

Phân biệt Data Descriptor và Non-data Descriptor trong Python

Mô tả Descriptors trong Python

Tìm hiểu về các lớp mixin trong Python

Đa kế thừa trong Python

Nguyên tắc đảo ngược sự phụ thuộc trong Python

Interface Segregation Principle - ISP trong Python.

Nguyên tắc thay thế Liskov - LSP trong Python

Nguyên tắc Đóng-Mở trong Python

Single Responsibility Principle trong Python

Cách sử dụng hàm Auto() của Python

Tùy chỉnh và mở rộng lớp Enum trong Python

Giới thiệu

Thủ thuật

Link hay

Liên kết

Giới thiệu về hàm `sum()` trong Numpy

Phương thức new trong Python