Bỏ qua đến nội dung chính
Mục lục

Bài tập NumPy có lời giải: 10 bài tự chấm

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 22/23 · Chương 2

Mảng và tư duy vector

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

Mười bài tập NumPy dưới đây được chấm ngay trên trang: mỗi bài bạn viết thân một hàm, bấm Chạy, và từng dòng kiểm tra báo đạt hay chưa. Các bài xếp từ dễ tới khó, dùng lại cả nhóm bài mảng và tư duy vector: tạo mảng, lát cắt, mask, thống kê theo axis, NaN, np.where(), sắp xếp, broadcasting, toán tử @ và số ngẫu nhiên.

Cần biết trước: mảng NumPy, thống kê theo axis và broadcasting.

Cách làm các bài tập

Mỗi bài cho sẵn dòng import numpy as np và dòng def với thân là pass. Bạn thay pass bằng thân hàm. Trình chấm không đọc những gì bạn in ra: nó gọi hàm của bạn với nhiều mảng khác nhau rồi so giá trị trả về, nên hàm phải return kết quả. Mảng được so bằng np.allclose(), nên số nguyên hay số thực đều được miễn giá trị đúng, trừ bài nào đề ghi rõ số nguyên; số thực được so gần đúng, không so từng chữ số cuối.

Mỗi hàm có năm dòng kiểm tra. Một dòng đưa vào bảng rỗng hay bảng một hàng, một dòng kiểm hàm không sửa mảng mà nơi gọi truyền vào, và một dòng gọi hàm với hàng chục mảng sinh tự động bằng np.random.default_rng(). Vì vậy hàm gõ sẵn đáp số của ví dụ trong đề sẽ không qua, và hàm sửa thẳng vào mảng đầu vào cũng không qua. Mọi bài đều tính trên cả mảng, nên đề nào cũng cấm vòng lặp for.

Bí thì mở gợi ý theo thứ tự: gợi ý thứ nhất chỉ chỗ cần nhìn, thứ hai nêu cách làm, thứ ba gần như là lời giải. Chưa đạt một dòng kiểm tra, hãy gọi thử hàm với đúng mảng trong dòng đó và in kết quả cùng shape của nó. Mỗi đề kết thúc bằng một link "Ôn lại" về bài dạy kỹ thuật của bài tập.

Mức dễ: một kỹ thuật, một câu hỏi

Bốn bài đầu mỗi bài cần một, hai thao tác: tạo dãy bằng np.arange(), gộp theo axis, cắt cột, hay lọc bằng mask.

Tạo các mức giá cách đều

Quán muốn thử các mức giá cho một món mới: bắt đầu từ gia_dau, mỗi mức cao hơn mức trước buoc đồng, có tất cả so_muc mức. Viết thân hàm muc_gia(gia_dau, buoc, so_muc). Khi so_muc là 0 thì không có mức nào.

Dùng np.arange() và không dùng vòng lặp for.

Trả về: các mức giá từ thấp tới cao, một ndarray.

Ví dụ muc_gia(25000, 5000, 4) cho [25000 30000 35000 40000]. Ôn lại: np.arange() và np.linspace().

python
import numpy as np


def muc_gia(gia_dau, buoc, so_muc):
    pass  # Viết thân hàm thay cho dòng này

Tính điểm trung bình từng môn

Bảng diem có mỗi hàng là một học viên, mỗi cột là một môn. Viết thân hàm trung_binh_mon(diem) tính điểm trung bình của từng môn. Hàm không sửa bảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: điểm trung bình theo thứ tự các cột, một ndarray.

Ví dụ bảng bốn học viên, ba môn [[8, 6.5, 9], [7, 8, 6], [9, 9.5, 7.5], [6, 7, 8]] cho [7.5 7.75 7.625]. Ôn lại: thống kê theo axis.

python
import numpy as np


def trung_binh_mon(diem):
    pass  # Viết thân hàm thay cho dòng này

Cộng doanh thu hai ngày cuối tuần

Bảng bang ghi doanh thu (triệu đồng) theo tuần: mỗi hàng là một tuần, bảy cột theo thứ tự "Thứ 2" … "Thứ 7", "Chủ nhật". Viết thân hàm doanh_thu_cuoi_tuan(bang) cộng doanh thu Thứ 7 và Chủ nhật của từng tuần. Hàm không sửa bảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: tổng hai ngày cuối tuần của từng tuần, một ndarray.

Ví dụ một tuần [3.2, 2.8, 3.0, 3.5, 4.1, 6.8, 7.4] cho 14.2. Ôn lại: chỉ số và cắt mảng.

python
import numpy as np


def doanh_thu_cuoi_tuan(bang):
    pass  # Viết thân hàm thay cho dòng này

Lọc tên các món còn hàng

ten là mảng tên món, ton_kho là mảng số phần còn lại của từng món, cùng thứ tự. Số tồn có thể âm khi kho ghi bán vượt. Viết thân hàm mon_con_hang(ten, ton_kho) lấy tên các món còn ít nhất một phần, giữ thứ tự của ten. Hàm không sửa hai mảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: tên các món còn hàng, một ndarray.

Ví dụ tồn kho [12, 0, 5, 0] của cà phê sữa, bạc xỉu, trà đào, sinh tố bơ cho ['cà phê sữa' 'trà đào']. Ôn lại: lọc mảng theo điều kiện.

python
import numpy as np


def mon_con_hang(ten, ton_kho):
    pass  # Viết thân hàm thay cho dòng này

Mức vừa: dữ liệu thiếu và sắp xếp

Ba bài mức vừa làm việc với ô nan của cảm biến bụi, hay sắp mảng này theo thứ tự của mảng khác.

Tính tỉ lệ ngày bụi vượt ngưỡng

pm25 là chỉ số bụi PM2.5 theo ngày, ngày cảm biến không gửi số là np.nan. Viết thân hàm ti_le_ngay_vuot(pm25, nguong): trong những ngày đo được, tỉ lệ ngày có PM2.5 từ nguong trở lên là bao nhiêu. Mảng luôn có ít nhất một ngày đo được. Hàm không sửa mảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: tỉ lệ từ 0 đến 1, một float.

Ví dụ [38.4, 52.0, nan, 47.5, nan, 66.1, 50.0] với ngưỡng 50 cho 0.6. Ôn lại: NaN trong NumPy.

python
import numpy as np


def ti_le_ngay_vuot(pm25, nguong):
    pass  # Viết thân hàm thay cho dòng này

Điền ô thiếu bằng trung bình của từng trạm

Bảng bang ghi PM2.5 của nhiều trạm đo: mỗi hàng một trạm, mỗi cột một ngày, ô trạm không gửi số là np.nan. Mỗi trạm luôn có ít nhất một ngày đo được. Viết thân hàm dien_theo_tram(bang): thay mỗi ô nan bằng trung bình các ngày đo được của chính trạm đó. Hàm không sửa bảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: bảng mới cùng shape, không còn nan, một ndarray.

Ví dụ [[38.4, nan, 47.5], [52.0, 66.1, nan]] cho [[38.4, 42.95, 47.5], [52.0, 66.1, 59.05]]. Ôn lại: np.where().

python
import numpy as np


def dien_theo_tram(bang):
    pass  # Viết thân hàm thay cho dòng này

Tìm k món bán chạy nhất

ten là mảng tên món, so_ly là mảng số ly bán được, cùng thứ tự, không có hai món bằng số ly. Viết thân hàm top_ban_chay(ten, so_ly, k) lấy tên k món bán nhiều nhất, món bán nhiều nhất đứng đầu. Hàm không sửa hai mảng của nơi gọi.

Không dùng vòng lặp for và không dùng sorted().

Trả về: tên k món, một ndarray.

Ví dụ năm món cà phê sữa, bạc xỉu, trà đào, sinh tố bơ, trà sữa bán [92, 56, 38, 23, 61] ly, k = 3, cho ['cà phê sữa' 'trà sữa' 'bạc xỉu']. Ôn lại: argmax, argsort, sort.

python
import numpy as np


def top_ban_chay(ten, so_ly, k):
    pass  # Viết thân hàm thay cho dòng này

Mức khó: bảng hai chiều và mô phỏng

Ba bài cuối làm trên bảng hai chiều, cần nghĩ về shape trước khi viết: broadcasting theo hàng, toán tử @, và một mô phỏng có hạt giống.

Tính chênh lệch so với trung bình hàng

Bảng doanh_thu (triệu đồng) có mỗi hàng là một chi nhánh, mỗi cột là một tháng. Viết thân hàm chenh_theo_hang(doanh_thu): mỗi ô trừ đi doanh thu trung bình các tháng của chính chi nhánh đó, để thấy tháng nào chi nhánh bán hơn hay kém mức thường của nó. Hàm không sửa bảng của nơi gọi.

Không dùng vòng lặp for.

Trả về: bảng chênh lệch cùng shape với doanh_thu, một ndarray.

Ví dụ hàng [120.5, 98.0, 131.5, 110.0] có trung bình 115.0, nên thành [ 5.5 -17. 16.5 -5. ]. Ôn lại: broadcasting.

python
import numpy as np


def chenh_theo_hang(doanh_thu):
    pass  # Viết thân hàm thay cho dòng này

Tính điểm tổng kết có trọng số

Bảng diem có mỗi hàng là một học viên, ba cột là điểm giữa kỳ, cuối kỳ và bài tập, đều là số nguyên từ 0 đến 10. trong_so là ba trọng số theo phần trăm, cộng lại đúng 100, ví dụ [30, 50, 20]. Viết thân hàm diem_tong_ket(diem, trong_so): điểm tổng kết của một học viên là tổng của từng điểm nhân trọng số của nó, chia cho 100. Hàm không sửa hai mảng của nơi gọi.

Dùng toán tử @, không dùng sum() và không dùng vòng lặp for.

Trả về: điểm tổng kết của từng học viên, theo thứ tự hàng, một ndarray.

Ví dụ ba học viên [[7, 8, 9], [5, 6, 10], [9, 9, 4]] với trọng số [30, 50, 20] cho [7.9 6.5 8. ]. Ôn lại: nhân ma trận NumPy.

python
import numpy as np


def diem_tong_ket(diem, trong_so):
    pass  # Viết thân hàm thay cho dòng này

Mô phỏng số đơn mỗi ngày bằng một rng

Bạn cần dữ liệu thử cho báo cáo: số đơn của một quán trong so_ngay ngày, mỗi ngày là một số nguyên từ 20 đến 60 đơn, cả 20 lẫn 60 đều có thể ra. Viết thân hàm mo_phong_don(so_ngay, rng). rng là bộ sinh số do nơi gọi tạo bằng np.random.default_rng(<hạt giống>): hàm lấy số ngẫu nhiên từ chính rng đó, để cùng hạt giống thì ra cùng dữ liệu, khác hạt giống thì ra dữ liệu khác.

Không dùng np.random.seed(), không tạo bộ sinh số mới trong hàm và không dùng vòng lặp for.

Trả về: số đơn của từng ngày, một ndarray.

Ví dụ mo_phong_don(3, np.random.default_rng(1)) cho ba số nguyên, mỗi số từ 20 đến 60. Ôn lại: số ngẫu nhiên NumPy.

python
import numpy as np


def mo_phong_don(so_ngay, rng):
    pass  # Viết thân hàm thay cho dòng này

Câu hỏi thường gặp

Làm numpy exercises trên máy của mình được không?

Được. Chép dòng def cùng lời giải của bạn vào một file, rồi chép các dòng assert của phần kiểm tra xuống dưới và chạy file bằng Python có cài NumPy. Dòng nào báo AssertionError là dòng chưa đạt. Cách tự kiểm hàm bằng assert nằm ở bài assert.

Hàm của tôi đúng trên ví dụ trong đề mà vẫn chưa đạt, vì sao?

Thường là do shape hay do mảng của nơi gọi. Một dòng kiểm tra đưa vào bảng rỗng hay bảng vuông, một dòng khác kiểm mảng đầu vào còn nguyên. Gán vào lát cắt hay dùng -= trên mảng được truyền vào là sửa thẳng mảng đó, như bài view và copy giải thích. Gọi hàm với đúng mảng trong dòng chưa đạt rồi in kết quả và shape để thấy chỗ khác.

Làm xong 10 bài này thì luyện tiếp ở đâu?

Dự án ma trận doanh thu 12 tháng × 8 chi nhánh đứng ngay sau trang này, dùng gần hết các kỹ thuật ở đây trên một bảng thật. Sau đó tutorial Pandas đưa mảng lên thành bảng có tên cột, nơi phần lớn công việc phân tích dữ liệu diễn ra.

Chủ đề

bài tập numpy

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