Bỏ qua đến nội dung chính
Mục lục

Hàm toán học NumPy: clip, sqrt, exp, log, round, abs

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 21/23 · Chương 2

Mảng và tư duy vector

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

np.clip() trong NumPy (numpy clip) chặn mọi phần tử của một mảng vào một khoảng: số dưới cận dưới thành cận dưới, số trên cận trên thành cận trên. Cùng nhóm hàm toán học của NumPy, np.sqrt(), np.exp(), np.log(), np.abs(), np.floor() và np.round() quen thuộc tính trên từng phần tử của cả mảng trong một lời gọi, khi bạn cần làm tròn tiền, lấy độ lệch không kể dấu hay chặn điểm vượt thang.

Cần biết trước: mảng NumPy.

Bảng tra nhanh: hàm toán học trên mảng

Mỗi hàm nhận một mảng (một list số cũng được) và trả về một mảng mới cùng shape; mảng gốc không đổi. "Hàm áp lên từng phần tử" nghĩa là NumPy tính riêng cho mỗi số rồi xếp các kết quả đúng vị trí cũ.

Hàm

Làm gì

Trả về

Ví dụ

Kết quả

np.clip(a, thap, cao)

chặn mỗi số vào khoảng [thap, cao]

mảng cùng kiểu

np.clip(np.array([-3, 5, 12]), 0, 10)

[ 0 5 10]

np.sqrt(a)

căn bậc hai

mảng số thực

np.sqrt(np.array([4, 9, 2.25]))

[2. 3. 1.5]

np.exp(a)

e mũ a (e xấp xỉ 2,718)

mảng số thực

np.exp(np.array([0, 1, 2])).round(2)

[1. 2.72 7.39]

np.log(a)

logarit tự nhiên, ngược của exp

mảng số thực

np.log(np.array([1, 10, 100])).round(2)

[0. 2.3 4.61]

np.round(a, n)

làm tròn tới n chữ số sau dấu thập phân

mảng cùng kiểu

np.round(np.array([1.234, 5.678]), 1)

[1.2 5.7]

np.round(a, -3)

n âm: làm tròn tới hàng nghìn

mảng cùng kiểu

np.round(np.array([45200, 45500, 46500]), -3)

[45000 46000 46000]

np.abs(a)

trị tuyệt đối, bỏ dấu âm

mảng cùng kiểu

np.abs(np.array([-12, 0, 7]))

[12 0 7]

np.floor(a)

làm tròn xuống số nguyên gần nhất

cùng kiểu với a

np.floor(np.array([2.7, -2.3]))

[ 2. -3.]

Chạy đoạn dưới để thấy đúng cột kết quả:

python
import numpy as np

print(np.clip(np.array([-3, 5, 12]), 0, 10))
print(np.sqrt(np.array([4, 9, 2.25])))
print(np.exp(np.array([0, 1, 2])).round(2))
print(np.log(np.array([1, 10, 100])).round(2))
print(np.round(np.array([1.234, 5.678]), 1))
print(np.round(np.array([45200, 45500, 46500]), -3))
print(np.abs(np.array([-12, 0, 7])))
print(np.floor(np.array([2.7, -2.3])))

KẾT QUẢ

[ 0  5 10]
[2.  3.  1.5]
[1.   2.72 7.39]
[0.   2.3  4.61]
[1.2 5.7]
[45000 46000 46000]
[12  0  7]
[ 2. -3.]

Đổi np.array([-3, 5, 12]), 0, 10 thành np.array([-3, 5, 12]), 0, 4 rồi chạy lại: dòng đầu in [0 4 4]. Mảng cũng có phương thức cùng tên cho vài hàm: a.round(1), a.clip(0, 10) cho cùng kết quả với np.round(a, 1), np.clip(a, 0, 10). Bài mẹ của trang này, bài mảng NumPy, dạy vì sao một phép tính trên mảng áp lên mọi phần tử.

Chặn giá trị trong khoảng: np.clip()

Dùng np.clip() khi số liệu có thang cố định: điểm từ 0 tới 10, phần trăm từ 0 tới 100, tồn kho không âm. Điểm nhập tay có ô gõ nhầm 11 hay -1; chặn lại trước khi tính trung bình:

python
import numpy as np

diem = np.array([9.5, 11, -1, 7, 10.5])
print(np.clip(diem, 0, 10))
ton_kho = np.array([12, -3, 0, -8, 5])
print(np.clip(ton_kho, 0, None))

KẾT QUẢ

[ 9.5 10.   0.   7.  10. ]
[12  0  0  0  5]

Truyền None cho một cận thì chỉ chặn phía còn lại: np.clip(ton_kho, 0, None) đưa số âm về 0 và để nguyên số dương. Giới hạn cần nhớ: clip() sửa số liệu chứ không báo số nào sai. Muốn biết có bao nhiêu ô vượt thang, đếm trước khi chặn. Nếu cận dưới lớn hơn cận trên (np.clip(a, 6, 3)), mọi phần tử thành cận trên 3 mà không có thông báo nào.

Căn, mũ, logarit: np.sqrt(), np.exp(), np.log()

np.exp() và np.log() đi thành cặp: exp đổi một tốc độ tăng liên tục thành hệ số nhân, log đổi ngược lại. Tỉ lệ tăng của ba quý (1.08 là tăng 8%) nhân với nhau ra mức tăng sau ba quý; lấy log, cộng, rồi exp cho cùng kết quả:

python
import numpy as np

ti_le = np.array([1.08, 0.95, 1.21])
print(np.log(ti_le).round(3))
print(np.exp(np.log(ti_le).sum()).round(3))
print(np.sqrt(np.array([16, 25, 0])))

KẾT QUẢ

[ 0.077 -0.051  0.191]
1.241
[4. 5. 0.]

Quý giảm có log âm, quý tăng có log dương, nên log cho thấy ngay chiều tăng giảm. Cộng ba log rồi lấy exp ra 1.241: sau ba quý doanh thu tăng 24,1%. np.sqrt() hay dùng khi tính độ lệch chuẩn bằng tay hoặc khoảng cách giữa hai điểm.

Làm tròn và trị tuyệt đối: np.round(), np.floor(), np.abs()

np.round(), đã gặp ở bài shape và dtype, cho tiền và tỉ lệ dễ đọc, np.floor() làm tròn xuống khi không được làm tròn lên (số món làm được từ nguyên liệu), np.abs() đo độ lệch không kể chiều. Ba chi nhánh lệch so với kế hoạch; tổng độ lệch lấy trên trị tuyệt đối, để lệch âm và lệch dương không triệt tiêu nhau:

python
import numpy as np

lech = np.array([-12500, 3400, -800])
print(np.abs(lech).sum())
nguyen_lieu = np.array([1250, 980])
print(np.floor(nguyen_lieu / 180))

KẾT QUẢ

16700
[6. 5.]

Mỗi ly cần 180 g: 1.250 g đủ 6 ly, 980 g đủ 5 ly, phần dư bỏ đi. Mảng số thực vào thì np.floor() trả số thực, nên kết quả in có dấu chấm; với số âm, "xuống" là đi về phía âm hơn: np.floor(-2.3) là -3.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.clip(np.array([-4, 3, 15]), 0, 10)) in ra gì?

    • [-4 3 10]
    • [ 0 3 10]
    • [ 0 3 15]
  2. Sau import numpy as np, print(np.round(np.array([0.5, 1.5, 2.5]))) in ra gì?

    • [0. 2. 2.]
    • [1. 2. 3.]
    • [0. 1. 2.]
  3. Những lời gọi nào cho kết quả có nan hay -inf thay cho một số bình thường?

    • np.log(np.array([0.0]))
    • np.sqrt(np.array([-1.0]))
    • np.exp(np.array([0.0]))
    • np.abs(np.array([-1.0]))
Đúng hết lần đầu +15 XP

Bài tập

Tính tiền thưởng có mức sàn và mức trần

Cửa hàng thưởng nhân viên 5% doanh số tháng, nhưng không ít hơn 200.000 đ và không quá 2.000.000 đ. doanh_so là mảng doanh số của từng nhân viên, mỗi số là bội của 1.000 đ. Viết thân hàm tien_thuong(doanh_so): tính 5% bằng doanh_so * 5 // 100, rồi tự chọn một hàm của trang để đưa mỗi khoản về trong khoảng sàn, trần. Hàm không sửa mảng của nơi gọi.

Không dùng np.where(), np.minimum(), np.maximum(), min(), max() và không dùng vòng lặp for.

Trả về: tiền thưởng của từng nhân viên, theo đồng, một ndarray.

Ví dụ tien_thuong(np.array([3_000_000, 10_000_000, 60_000_000])) cho [ 200000 500000 2000000].

python
import numpy as np


def tien_thuong(doanh_so):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Mọi hàm của trang tính trên từng phần tử và trả mảng mới cùng shape; mảng gốc giữ nguyên.

  • np.clip(a, thap, cao) chặn hai phía; truyền None cho một cận để chặn một phía.

  • np.log() của 0 là -inf, np.sqrt() của số âm là nan, kèm RuntimeWarning chứ không dừng chương trình.

  • np.round() đưa số nằm đúng giữa về số chẵn: 2.5 thành 2; n âm làm tròn tới hàng chục, trăm, nghìn.

  • np.floor() làm tròn xuống: -2.3 thành -3; số thực vào thì số thực ra.

  • np.abs() bỏ dấu âm, dùng để cộng độ lệch mà không triệt tiêu nhau.

Câu hỏi thường gặp

np.round() và round() của Python khác gì nhau?

round() của Python nhận một số, np.round() nhận cả mảng và làm tròn từng phần tử. Cả hai cùng đưa số nằm đúng giữa về số chẵn, như khung bẫy làm tròn ở trên. Với một số lẻ loi, dùng round(); với cột số liệu, dùng np.round() hay a.round().

np.clip() có sửa mảng gốc không?

Không: np.clip(a, 0, 10) trả về một mảng mới, a giữ nguyên. Muốn ghi đè thì gán lại, a = np.clip(a, 0, 10). Bài mảng NumPy nói thêm về các phép tính trả mảng mới.

np.log() là logarit cơ số mấy?

Cơ số e (logarit tự nhiên). NumPy có np.log10() cho cơ số 10 và np.log2() cho cơ số 2, dùng giống hệt np.log(). Logarit cơ số nào cũng chỉ nhận số dương, như khung bẫy log của số 0 cho thấy.

Làm tròn tiền tới hàng nghìn bằng NumPy thế nào?

np.round(a, -3) làm tròn tới nghìn gần nhất, số nằm đúng giữa về số chẵn. Muốn luôn bỏ phần lẻ thì a // 1000 * 1000 (giữ số nguyên đồng). Bài mảng NumPy chỉ cách chia và nhân cả mảng với một số.

Chủ đề

numpy clip

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