numpy concatenate, vstack, hstack, split: nối và tách mảng
Bài 18/23 · Chương 2
Mảng và tư duy vector
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
np.concatenate() trong NumPy (numpy concatenate) nối nhiều mảng thành một, dọc theo một trục có sẵn. np.vstack() chồng các mảng thành hàng, np.hstack() nối chúng nằm ngang, còn np.stack() xếp các mảng cùng shape dọc theo một trục mới. np.split() làm việc ngược lại: cắt một mảng thành nhiều phần, như tách doanh thu 12 tháng thành bốn quý.
Cần biết trước: reshape() và thống kê theo axis.
np.concatenate(): nối mảng một chiều
Doanh thu (triệu đồng) quý 1 và quý 2 của một chi nhánh nằm trong hai mảng. np.concatenate() nhận một list các mảng cần nối và trả một mảng mới, đủ sáu tháng theo đúng thứ tự trong list:
import numpy as np
quy_1 = np.array([1055, 577, 763])
quy_2 = np.array([784, 858, 874])
nua_nam = np.concatenate([quy_1, quy_2])
print(nua_nam, nua_nam.shape)
print(np.concatenate([quy_2, quy_1, np.array([900])]))KẾT QUẢ
[1055 577 763 784 858 874] (6,)
[ 784 858 874 1055 577 763 900]Nối được bao nhiêu mảng tùy ý, mỗi mảng dài bao nhiêu cũng được; một số lẻ như 900 thì gói thành mảng trước. Hai mảng gốc giữ nguyên: mảng NumPy không có append() sửa tại chỗ như list, mỗi lần nối là một mảng mới.
Nối bảng theo hàng hay theo cột
Trên bảng hai chiều, axis=0 nối thêm hàng, axis=1 nối thêm cột. Các trục còn lại phải cùng độ dài. Bảng so_ly có hai chi nhánh × ba món; chi nhánh thứ ba mở thêm, và quán thêm một món mới:
import numpy as np
so_ly = np.array([[40, 25, 18],
[31, 40, 22]])
chi_nhanh_moi = np.array([[55, 38, 30]])
ba_chi_nhanh = np.concatenate([so_ly, chi_nhanh_moi], axis=0)
print(ba_chi_nhanh.shape)
mon_moi = np.array([9, 15, 20]).reshape(-1, 1)
du_mon = np.concatenate([ba_chi_nhanh, mon_moi], axis=1)
print(du_mon.shape)
print(du_mon)KẾT QUẢ
(3, 3)
(3, 4)
[[40 25 18 9]
[31 40 22 15]
[55 38 30 20]]Hàng mới phải là bảng một hàng (1, 3), viết bằng hai cặp ngoặc vuông; cột mới phải là bảng một cột (3, 1), dựng bằng reshape(-1, 1). Nối một mảng một chiều (3,) vào bảng hai chiều thì NumPy dừng với lỗi ValueError, vì hai mảng không cùng số chiều.
vstack() và hstack(): khỏi lo số chiều
np.vstack() chồng các mảng thành hàng: mảng một chiều được coi là một hàng, nên không cần thêm ngoặc. np.hstack() nối nằm ngang: mảng một chiều thì nối đuôi, bảng thì ghép cột:
import numpy as np
so_ly = np.array([[40, 25, 18],
[31, 40, 22]])
print(np.vstack([so_ly, np.array([55, 38, 30])]))
print(np.hstack([np.array([1, 2]), np.array([3, 4, 5])]))
tong_ngang = so_ly.sum(axis=1).reshape(-1, 1)
print(np.hstack([so_ly, tong_ngang]))KẾT QUẢ
[[40 25 18]
[31 40 22]
[55 38 30]]
[1 2 3 4 5]
[[40 25 18 83]
[31 40 22 93]]Dòng đầu thêm chi nhánh thứ ba chỉ bằng một mảng (3,). Dòng cuối ghép thêm cột tổng của từng chi nhánh, giống cột "Tổng" bạn hay thêm vào cuối bảng tính. hstack() vẫn cần cột (2, 1): chỉ vstack() tự đổi mảng một chiều thành một hàng.
Đổi np.array([3, 4, 5]) thành np.array([3]) rồi chạy lại: dòng thứ tư in [1 2 3].
np.stack(): xếp theo một trục mới
np.concatenate() nối dọc theo trục có sẵn, nên nối hai mảng (3,) cho (6,). np.stack() đặt các mảng cùng shape cạnh nhau theo một trục mới, nên hai mảng (3,) cho bảng (2, 3):
import numpy as np
nam_2024 = np.array([980, 1010, 1040])
nam_2025 = np.array([1055, 1087, 1120])
print(np.stack([nam_2024, nam_2025]).shape)
print(np.stack([nam_2024, nam_2025], axis=1))
print(np.concatenate([nam_2024, nam_2025]).shape)KẾT QUẢ
(2, 3)
[[ 980 1055]
[1010 1087]
[1040 1120]]
(6,)Mặc định trục mới đứng đầu: mỗi năm một hàng. axis=1 đặt trục mới ở sau: mỗi tháng một hàng, hai năm thành hai cột để so cạnh nhau. Mọi mảng đưa vào np.stack() phải cùng shape.
np.split(): tách thành nhiều phần
np.split(a, n) cắt a thành n phần bằng nhau; np.split(a, [i, j]) cắt tại các vị trí i, j. Kết quả là một list các mảng, nên gán ra từng biến:
import numpy as np
ca_nam = np.array([1055, 577, 763, 784, 858, 874,
842, 881, 863, 884, 945, 1087])
q1, q2, q3, q4 = np.split(ca_nam, 4)
print(q1, q4)
print(q1.sum(), q2.sum(), q3.sum(), q4.sum())
dau, giua, cuoi = np.split(ca_nam, [2, 10])
print(dau, cuoi, len(giua))KẾT QUẢ
[1055 577 763] [ 884 945 1087]
2395 2516 2586 2916
[1055 577] [ 945 1087] 8Bốn phần, mỗi phần ba tháng, là bốn quý; quý 4 cao nhất. Cách thứ hai cắt trước vị trí 2 và trước vị trí 10, nên dau là hai tháng đầu, giua tám tháng giữa và cuoi hai tháng cuối. np.split() trên bảng nhận axis như np.concatenate().
Kiểm tra nhanh
Sau
import numpy as np,print(np.concatenate([np.array([1, 2]), np.array([3])]))in ra gì?[1 2 3][[1 2] [3]]- Báo lỗi
ValueError
Sau
import numpy as np,print(np.stack([np.array([1, 2, 3]), np.array([4, 5, 6])]).shape)in ra gì?(6,)(2, 3)(3, 2)
Với
a = np.array([1, 2])vàb = np.array([3, 4]), những lệnh nào cho[1 2 3 4]?np.concatenate([a, b])np.hstack([a, b])np.vstack([a, b])np.stack([a, b])
Sau
import numpy as np,print(np.split(np.arange(10), 3))báo lỗi gì?- Báo lỗi
ValueError - Báo lỗi
IndexError - Báo lỗi
TypeError
- Báo lỗi
Bài tập
Thêm hàng tổng vào cuối bảng
Bảng bang ghi số ly bán: mỗi hàng là một chi nhánh, mỗi cột là một món. Để in báo cáo, chủ quán cần thêm một hàng "Tổng" ở cuối, mỗi ô là tổng số ly của món đó trên mọi chi nhánh. Viết thân hàm them_dong_tong(bang).
Dùng np.vstack() và không dùng vòng lặp for. Hàm không sửa bảng bang của nơi gọi.
Trả về: bảng mới có thêm hàng tổng ở cuối, nhiều hơn bang một hàng, một ndarray.
Ví dụ [[40, 25, 18], [31, 40, 22]] cho bảng ba hàng, hàng cuối là [71 65 40].
import numpy as np
def them_dong_tong(bang):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
np.concatenate([a, b], axis=…)nối dọc theo trục có sẵn; luôn đưa các mảng vào trong một list.Trên bảng,
axis=0thêm hàng,axis=1thêm cột; mọi mảng phải cùng số chiều và cùng độ dài ở các trục còn lại.np.vstack()coi mảng một chiều là một hàng;np.hstack()nối đuôi mảng một chiều, ghép cột với bảng.np.stack()xếp các mảng cùng shape theo một trục mới: hai mảng(3,)thành(2, 3).np.split(a, n)chia đều thànhnphần,np.split(a, [i, j])cắt tại vị trí; chia không đều thì báoValueError.
Câu hỏi thường gặp
NumPy có append() như list không?
Có hàm np.append(a, gia_tri), nhưng nó chỉ là cách gọi khác của np.concatenate(): mỗi lần gọi tạo một mảng mới và chép lại mọi phần tử. Không ghi axis, nó còn duỗi bảng thành một chiều trước khi nối, nên np.append(bang, hang) trả một dãy dài chứ không thêm hàng. Thêm từng phần tử trong vòng lặp rất chậm; hãy gom vào một list Python rồi đổi sang mảng một lần bằng np.array().
hstack() khác concatenate(axis=1) ở đâu?
Với bảng hai chiều, hai cách cho cùng kết quả. Khác nhau ở mảng một chiều: np.hstack() nối đuôi chúng, còn np.concatenate(..., axis=1) báo lỗi vì mảng một chiều không có trục 1.
Tách bảng 12 tháng × 8 chi nhánh thành từng quý thế nào?
Tách theo trục hàng: np.split(dt, 4, axis=0) cho bốn bảng (3, 8), mỗi quý một bảng. Cũng có thể không tách mà reshape() bảng thành (4, 3, 8) rồi sum(axis=1) để có tổng từng quý của từng chi nhánh.
Nối hai bảng khác số cột có được không?
Theo hàng thì không: np.concatenate(..., axis=0) đòi mọi bảng cùng số cột, sai thì báo ValueError nêu trục lệch và hai độ dài. Hãy chọn cùng các cột trước bằng lát cắt hay fancy indexing, rồi mới nối.
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.