NumPy cheat sheet: bảng tra cú pháp NumPy
Bài 1/1 · Chương 4
Trang phụ trợ
- 10 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 19
NumPy cheat sheet này gom 81 dòng cú pháp NumPy hay dùng nhất vào một trang. Các dòng chia thành mười ba nhóm theo đúng thứ tự các bài của tutorial, từ tạo mảng, shape và cắt mảng tới broadcasting, NaN và số ngẫu nhiên. Mỗi dòng có kết quả thật khi chạy và một link tới bài dạy kỹ dòng đó.
Cách đọc bảng tra nhanh NumPy
Mỗi nhóm mở đầu bằng một đoạn code ngắn tạo dữ liệu dùng chung, như mảng doanh_thu hay bảng dt của ba tháng, ba chi nhánh. Các dòng của bảng chạy lần lượt sau đoạn đó, như khi bạn gõ từng dòng vào cửa sổ Python tương tác: dòng sau thấy biến mà dòng trước gán. Cột Kết quả là đúng thứ được in ra. Ô có dấu gạch ngang là dòng không in gì, như một phép gán.
Phần lớn dòng bọc kết quả trong print(), vì NumPy in mảng gọn hơn khi qua print(): không có chữ array( và không ghi kiểu. Bảng nhiều hàng được in bằng .tolist() để vừa một dòng. Dòng làm NumPy báo lỗi thì cột Kết quả là dòng cuối của thông báo lỗi.
Tạo mảng
Mảng NumPy chứa các số cùng kiểu; phép toán trên mảng áp lên mọi phần tử.
import numpy as np
gia = np.array([29000, 32000, 35000, 45000])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Mảng từ list |
|
| |
Nhân cả mảng với một số |
|
| |
Tính giữa hai mảng cùng độ dài |
|
| |
Dãy số theo bước |
|
| |
Chia đoạn thành n điểm |
|
| |
Mảng toàn 0, toàn 1 |
|
| |
Mảng toàn một giá trị |
|
| |
Cùng độ dài, cùng kiểu với mảng có sẵn |
|
| |
Ma trận đơn vị |
|
|
Shape, kiểu và đổi hình
Shape là số phần tử theo từng chiều: bảng 3 hàng 4 cột có shape (3, 4).
import numpy as np
bang = np.arange(12).reshape(3, 4)
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Số hàng, số cột |
|
| |
Số chiều, tổng số phần tử |
|
| |
Đổi kiểu sang số thực |
|
| |
Đổi hình |
|
| |
Để NumPy tự tính một chiều |
|
| |
Duỗi thành một chiều (bản sao) |
|
| |
Duỗi thành một chiều (dùng chung dữ liệu nếu được) |
|
| |
Chuyển vị hàng thành cột |
|
|
Đọc và ghi file số
np.loadtxt() đọc file mà mọi ô là số; np.genfromtxt() chịu được ô trống.
from pathlib import Path
import numpy as np
with open("ban_hang.csv", "w", encoding="utf-8") as f:
f.write("ngay,ca_phe,tra\n1,40,12\n2,35,15\n3,52,9\n")
with open("thieu.csv", "w", encoding="utf-8") as f:
f.write("ngay,ca_phe\n1,40\n2,\n")
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Đọc file CSV số, bỏ dòng tiêu đề |
| — | |
|
| ||
Chỉ đọc vài cột |
|
| |
Ghi mảng ra file |
| — | |
|
| ||
Đọc file có ô trống |
|
|
Chỉ số và lát cắt
Bảng dt là doanh thu (triệu đồng) của ba tháng (hàng) ở ba chi nhánh (cột). Chỉ số viết [hàng, cột], đếm từ 0.
import numpy as np
dt = np.array([[1055, 1242, 577], [577, 675, 302], [763, 871, 368]])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Một ô |
|
| |
Một hàng |
|
| |
Một cột |
|
| |
Một khối hàng và cột |
|
| |
Đếm từ cuối |
|
| |
Ghi quá số chiều |
|
| |
Lát cắt dùng chung dữ liệu với bảng gốc |
|
| |
Bản sao riêng |
|
|
Mask và điều kiện
Phép so sánh trên mảng cho một mảng True/False, gọi là mask. Ghép điều kiện bằng &, |, ~, mỗi điều kiện trong ngoặc.
import numpy as np
doanh_thu = np.array([620, 480, 910, 350, 700])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Mảng bool từ phép so sánh |
|
| |
Lọc theo mask |
|
| |
Hai điều kiện cùng đúng |
|
| |
Đảo điều kiện |
|
| |
Đếm phần tử thỏa |
|
| |
Gán theo mask |
| — | |
|
| ||
Chọn một trong hai giá trị |
|
| |
Chia nhiều mức |
|
|
Thống kê theo trục
axis=0 gộp các hàng (ra một số cho mỗi cột), axis=1 gộp các cột (ra một số cho mỗi hàng).
import numpy as np
dt = np.array([[1055, 1242, 577], [577, 675, 302], [763, 871, 368]])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Tổng cả bảng |
|
| |
Tổng từng cột (mỗi chi nhánh) |
|
| |
Trung bình từng hàng (mỗi tháng) |
|
| |
Lớn nhất, nhỏ nhất |
|
| |
Độ lệch chuẩn từng cột |
|
| |
Giữ chiều đã gộp |
|
|
Broadcasting
Hai shape được so từ phải sang trái; mỗi cặp phải bằng nhau, có một bên là 1, hoặc một bên để trống.
import numpy as np
dt = np.array([[1055, 1242, 577], [577, 675, 302], [763, 871, 368]])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Bảng trừ một hàng |
|
| |
Chia mỗi hàng cho tổng của hàng |
|
| |
Thêm một trục dài 1 |
|
| |
Xem trước shape kết quả |
|
|
Tìm vị trí, sắp xếp, đếm
import numpy as np
doanh_thu = np.array([620, 480, 910, 350, 700])
mon = np.array(["trà", "cà phê", "trà", "bánh", "cà phê", "trà"])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Vị trí lớn nhất, nhỏ nhất |
|
| |
Sắp xếp tăng dần |
|
| |
Thứ tự chỉ số khi sắp |
|
| |
Ba giá trị lớn nhất |
|
| |
Lấy nhiều vị trí một lần |
|
| |
Gán nhiều vị trí một lần |
| — | |
|
| ||
Các giá trị khác nhau |
|
| |
Đếm từng giá trị |
|
| |
Cộng dồn |
|
|
Dữ liệu thiếu NaN
np.nan đánh dấu ô thiếu. Mọi phép tính có NaN đều ra NaN, trừ các hàm nan….
import numpy as np
diem = np.array([7.5, np.nan, 9.0, 6.0])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
NaN lan qua phép tính |
|
| |
Tìm ô thiếu |
|
| |
Đếm ô thiếu |
|
| |
Trung bình, tổng bỏ qua NaN |
|
|
Ghép và tách mảng
import numpy as np
thang_1 = np.array([620, 480, 910])
thang_2 = np.array([590, 510, 880])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Nối nối tiếp |
|
| |
Chồng thành các hàng |
|
| |
Nối ngang |
|
| |
Ghép theo một trục mới |
|
| |
Tách thành phần bằng nhau |
|
|
Nhân ma trận
Hai chi nhánh, hai món: so_ly @ gia ghép mỗi hàng số ly với giá từng món và cho ra doanh thu của từng chi nhánh.
import numpy as np
so_ly = np.array([[3, 1], [2, 4]])
gia = np.array([29000, 45000])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Nhân ma trận với vectơ |
|
| |
Cùng phép, viết bằng hàm |
|
| |
Nhân với ma trận đơn vị |
|
|
Hàm toán học
import numpy as np
chenh = np.array([-12.5, 3.4, -0.8, 27.6])
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Chặn vào một khoảng |
|
| |
Trị tuyệt đối |
|
| |
Làm tròn (giữa thì về số chẵn) |
|
| |
Làm tròn xuống |
|
| |
Căn bậc hai, mũ, logarit |
|
|
Số ngẫu nhiên
Luôn tạo một bộ sinh số có hạt giống, rồi lấy số từ nó: cùng hạt giống thì cùng dãy số.
import numpy as np
rng = np.random.default_rng(2026)
Cần làm | Cú pháp | Kết quả | Bài |
|---|---|---|---|
Số nguyên trong khoảng (không lấy cận trên) |
|
| |
Số theo phân phối chuẩn |
|
| |
Chọn ngẫu nhiên từ một dãy |
|
| |
Cùng hạt giống, cùng kết quả |
|
|
Câu hỏi thường gặp
Có bản NumPy cheat sheet PDF không?
Trang này là bản để tra trên web, có kết quả thật của từng dòng. Muốn có bản in, dùng lệnh In của trình duyệt và chọn lưu thành PDF: các bảng giữ nguyên cột Cú pháp và Kết quả. Khi NumPy đổi bản, trang được chạy lại nên kết quả luôn khớp bản đang dạy.
Code trong bảng chạy trên bản NumPy nào?
NumPy 2.4 trên Python 3.14, đúng bộ chạy trong trình duyệt của mọi bài; các dòng cũng cho cùng kết quả trên Python 3.12 và 3.13. Bài cài NumPy, pandas, Matplotlib chỉ cách cài đúng bản đó trên máy của bạn.
Gặp lỗi NumPy khi làm theo bảng thì tra ở đâu?
Đọc dòng cuối của thông báo lỗi. Hai lỗi hay gặp nhất có trang riêng: operands could not be broadcast khi hai shape không đi với nhau, và too many indices khi ghi nhiều chỉ số hơn số chiều của mảng.
Học NumPy xong nên học gì tiếp?
pandas: thư viện làm việc với bảng có tên cột, xây trên NumPy. Phần lớn cú pháp ở trang này dùng lại được trên cột của pandas. Tutorial pandas bắt đầu ở bài từ CSV đến DataFrame.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.