Bỏ qua đến nội dung chính
Mục lục

numpy sum, mean, std theo axis: tính theo hàng, theo cột

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 12/23 · Chương 2

Mảng và tư duy vector

  • 7 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

sum() trong NumPy (numpy sum) cộng các phần tử của mảng; mean(), std(), min(), max() cho trung bình, độ lệch chuẩn, nhỏ nhất và lớn nhất. Gọi không tham số, chúng gộp cả mảng thành một số. Thêm axis=0 hay axis=1, chúng gộp theo một trục, cho tổng năm của từng chi nhánh hay tổng của từng tháng trong bảng doanh thu.

Cần biết trước: shape, ndim, dtype và cắt mảng.

Thống kê cả mảng

Ba chi nhánh Huế, Đà Lạt, Hà Nội ghi số ly bán của bốn món trong một ngày, mỗi chi nhánh một hàng; bốn cột lần lượt là cà phê sữa, bạc xỉu, trà đào và sinh tố bơ. Gọi các phương thức thống kê không kèm tham số, bạn nhận một số cho cả 12 ô:

python
import numpy as np

so_ly = np.array([[40, 25, 18, 9],
                  [31, 40, 22, 15],
                  [55, 38, 30, 20]])
print(so_ly.sum())
print(so_ly.mean().round(2))
print(so_ly.min(), so_ly.max())
print(so_ly.std().round(1))

KẾT QUẢ

343
28.58
9 55
12.5

Cả ba chi nhánh bán 343 ly. mean() luôn trả số thực, kể cả khi mọi ô là số nguyên. std() là độ lệch chuẩn: nó đo các số tản ra xa trung bình bao nhiêu, càng lớn thì số liệu càng chênh nhau. Số thực dài nên in qua round(2) hay round(1) để chỉ giữ hai hay một chữ số sau dấu thập phân, như bài shape, ndim, dtype đã dạy.

axis=0 và axis=1: trục nào bị gộp

Bảng so_ly có shape (3, 4): trục 0 là ba hàng (chi nhánh), trục 1 là bốn cột (món). Tham số axis nói trục nào bị gộp lại. Kết quả mất đúng trục bạn ghi trong axis:

python
import numpy as np

so_ly = np.array([[40, 25, 18, 9],
                  [31, 40, 22, 15],
                  [55, 38, 30, 20]])
theo_mon = so_ly.sum(axis=0)
theo_chi_nhanh = so_ly.sum(axis=1)
print(theo_mon, theo_mon.shape)
print(theo_chi_nhanh, theo_chi_nhanh.shape)
print(so_ly.max(axis=0))

KẾT QUẢ

[126 103  70  44] (4,)
[ 92 108 143] (3,)
[55 40 30 20]

axis=0 gộp ba hàng chồng lên nhau, như cộng dọc từng cột: còn một số cho mỗi món. axis=1 gộp bốn cột, như cộng ngang từng hàng: còn một số cho mỗi chi nhánh. Hà Nội bán nhiều nhất trong ngày (143 ly). Mọi phương thức thống kê nhận axis theo cùng một nghĩa: max(axis=0) là số ly cao nhất của từng món trên ba chi nhánh.

Đổi max(axis=0) thành max(axis=1) rồi chạy lại: dòng cuối in [40 40 55], món bán chạy nhất của từng chi nhánh.

Thống kê bảng doanh thu 12 tháng

File doanh_thu_chi_nhanh.csv ghi doanh thu (triệu đồng) của tám chi nhánh, từ Hà Nội tới Cần Thơ, trong 12 tháng của năm 2025. np.loadtxt() đọc nó thành bảng shape (12, 8): hàng là tháng, cột là chi nhánh.

python
import numpy as np

dt = np.loadtxt("doanh_thu_chi_nhanh.csv", delimiter=",",
                skiprows=1, usecols=range(1, 9), dtype=int,
                encoding="utf-8")
print(dt.max(axis=0))
moi_thang = dt.sum(axis=1)
trung_binh = moi_thang.mean()
print(trung_binh.round(1))
print((moi_thang < trung_binh).sum(), "tháng dưới mức trung bình")
hcm, hue = dt[:, 1], dt[:, 4]
print(hcm.std().round(1), hue.std().round(1))
print((hcm.std() / hcm.mean() * 100).round(1))
print((hue.std() / hue.mean() * 100).round(1))

KẾT QUẢ

[1087 1291  577  533  284  428  458  348]
3907.5
6 tháng dưới mức trung bình
154.5 32.6
15.3
17.5

Dòng đầu trả lời "tháng đẹp nhất của mỗi chi nhánh bán được bao nhiêu": max(axis=0) gộp 12 tháng, còn một số cho mỗi cột, và TP. Hồ Chí Minh có tháng cao nhất toàn chuỗi. Hai dòng sau gộp theo hướng kia: sum(axis=1) cho doanh thu của cả chuỗi trong từng tháng, rồi mean() của 12 con số đó là một tháng "bình thường". Phép so sánh moi_thang < trung_binh cho một mảng True/False, và sum() đếm số True: nửa năm, cả chuỗi bán dưới mức của một tháng bình thường.

Ba dòng cuối hỏi chi nhánh nào bán đều tay hơn. Theo std(), Huế tản ít hơn TP. Hồ Chí Minh rất nhiều, nhưng đó chỉ vì Huế bán ít hơn. Chia độ lệch chuẩn cho trung bình của chính chi nhánh (tính theo phần trăm) mới so được hai quy mô khác nhau, và khi đó Huế lại dao động mạnh hơn một chút.

Giữ chiều bằng keepdims=True

Gộp theo một trục làm mất trục đó: tổng mỗi chi nhánh của so_ly có shape (3,). Thêm keepdims=True, trục bị gộp vẫn ở lại với độ dài 1, nên kết quả là một cột (3, 1):

python
import numpy as np

so_ly = np.array([[40, 25, 18, 9],
                  [31, 40, 22, 15],
                  [55, 38, 30, 20]])
tong = so_ly.sum(axis=1, keepdims=True)
print(tong.shape)
print(tong)
print((so_ly / tong * 100).round(1))

KẾT QUẢ

(3, 1)
[[ 92]
 [108]
 [143]]
[[43.5 27.2 19.6  9.8]
 [28.7 37.  20.4 13.9]
 [38.5 26.6 21.  14. ]]

Cột tổng đứng cạnh bảng đúng như một cột trong bảng tính, mỗi chi nhánh một hàng. Vì vậy chia bảng cho cột tổng thì mỗi hàng chia cho tổng của chính nó, và dòng cuối là tỉ trọng từng món trong số ly của mỗi chi nhánh: cà phê sữa chiếm 43,5% ở Huế. Phép chia giữa hai shape khác nhau này theo quy tắc broadcasting, bài sau dạy kỹ.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.array([[1, 2], [3, 4], [5, 6]]).sum(axis=0)) in ra gì?

    • [ 3 7 11]
    • [ 9 12]
    • 21
  2. Sau import numpy as np, print(np.ones((12, 8)).sum(axis=1).shape) in ra gì?

    • (12,)
    • (8,)
    • (12, 1)
  3. Bảng so_ly có shape (3, 4). Những lệnh nào cho kết quả shape (3, 1)?

    • so_ly.sum(axis=1, keepdims=True)
    • so_ly.mean(axis=1, keepdims=True)
    • so_ly.sum(axis=0, keepdims=True)
    • so_ly.sum(axis=1)
  4. Sau import numpy as np, print(np.array([[1, 5], [3, 7]]).max(axis=1)) in ra gì?

    • [3 7]
    • [5 7]
    • 7
Đúng hết lần đầu +15 XP

Bài tập

Tính ngày đỉnh vượt trung bình bao nhiêu

Một chi nhánh ghi số ly bán mỗi ngày vào bảng so_ly: mỗi hàng là một ngày, mỗi cột là một món. Với mỗi món, chủ quán muốn biết ngày bán nhiều nhất vượt số ly trung bình mỗi ngày của chính món đó bao nhiêu. Viết thân hàm vuot_trung_binh(so_ly).

Không dùng vòng lặp for. Hàm không sửa bảng so_ly của nơi gọi.

Trả về: mức vượt của từng món, theo thứ tự cột, một ndarray.

Ví dụ bốn ngày [[40, 25, 18], [31, 40, 22], [55, 38, 30], [26, 21, 18]] cho [17. 9. 8.]: món đầu bán nhiều nhất 55 ly, trung bình 38 ly.

python
import numpy as np


def vuot_trung_binh(so_ly):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • sum(), mean(), std(), min(), max() không tham số gộp cả mảng thành một số.

  • axis là trục bị gộp: trên bảng (m, n), axis=0 cho (n,) (mỗi cột một số), axis=1 cho (m,) (mỗi hàng một số).

  • mean() và std() luôn trả số thực; in qua round() cho gọn.

  • Nhầm trục không báo lỗi; in shape của kết quả để tự kiểm.

  • keepdims=True giữ trục đã gộp với độ dài 1, cho cột (m, 1) để chia từng hàng cho tổng của nó.

Câu hỏi thường gặp

np.sum(a) và a.sum() khác nhau không?

Không, hai cách cho cùng kết quả và cùng nhận axis, keepdims. Bài này dùng dạng phương thức a.sum(axis=0) vì đọc gọn khi nối nhiều bước. Riêng trung vị chỉ có dạng hàm, np.median(a, axis=0).

Mảng 3 chiều thì axis=2 là gì?

Là trục thứ ba, chẳng hạn bảng (2, 12, 8) ghi hai năm × 12 tháng × 8 chi nhánh: sum(axis=0) cộng hai năm thành bảng (12, 8), sum(axis=2) cộng tám chi nhánh thành bảng (2, 12). Quy tắc vẫn vậy: kết quả mất đúng trục bạn ghi trong axis.

Vì sao std() của NumPy khác hàm STDEV của Excel?

Mặc định std() chia cho số phần tử n (độ lệch chuẩn của tổng thể), còn STDEV của Excel chia cho n - 1 (của mẫu). Viết a.std(ddof=1) để ra đúng số của Excel.

Đếm số tháng mỗi chi nhánh bán dưới 300 triệu thế nào?

So bảng với 300 để được một bảng bool, rồi cộng theo trục tháng: (dt < 300).sum(axis=0). True tính là 1, nên mỗi cột cho số tháng dưới mốc: Huế cả 12 tháng, Cần Thơ 9 tháng; bài boolean mask dạy cách dựng bảng bool đó.

Chủ đề

numpy sum

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập