Bỏ qua đến nội dung chính
Mục lục

Học NumPy cần biết gì? Bảng tra kiến thức Python nên có

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 1/3 · Chương 1

Bắt đầu

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

Học NumPy cần biết gì về Python? Trang này gom phần Python ba tutorial NumPy, pandas và Matplotlib dùng tới nhưng không dạy lại, thành các bảng tra ngắn, mỗi dòng có kết quả thật và một link tới bài Python dạy kỹ. Đọc một lượt trước khi vào bài NumPy đầu tiên: dòng nào bạn đoán đúng kết quả thì bỏ qua, dòng nào lạ thì mở bài được dẫn.

Cách dùng bảng tra này

Mỗi nhóm mở đầu bằng một đoạn code ngắn tạo dữ liệu dùng chung, như list gia hay dict kho. Các dòng của bảng chạy lần lượt sau đoạn đó, như khi bạn gõ từng dòng vào cửa sổ Python tương tác. Cột Kết quả là thứ cửa sổ đó hiện ra: chữ được in, rồi giá trị của biểu thức cuối nếu nó khác None. Ô có dấu gạch ngang là dòng không hiện gì, như một phép gán.

Bạn không cần thuộc hết. Tutorial dữ liệu cần bạn đọc hiểu được mọi dòng và tự viết được phần lớn chúng; phần hay quên nhất là dict, hàm và with open. Một nhóm có từ ba dòng lạ trở lên thì nên học lại nhóm bài đó của tutorial Python trước, vì bài NumPy chỉ nhắc chúng bằng một câu và một link.

Biến, số và toán tử

NumPy làm việc với số, nên phép chia, làm tròn và so sánh xuất hiện ở gần như mọi bài.

python
doanh_thu = 1250000
so_don = 8

Cần làm

Cú pháp

Kết quả

Bài

Chia ra số thực

doanh_thu / so_don

156250.0

toán tử số học

Chia lấy nguyên, lấy dư

doanh_thu // so_don, doanh_thu % so_don

(156250, 0)

toán tử số học

Làm tròn hai chữ số

round(2 / 3, 2)

0.67

số thực

Đổi chuỗi sang số

int("120") + 1, float("8.5")

(121, 8.5)

ép kiểu

Xem kiểu của giá trị

type(doanh_thu / so_don)

<class 'float'>

kiểu dữ liệu

Cộng dồn vào biến

so_don += 2

—

toán tử gán

so_don

10

toán tử gán

So sánh nối

500 <= 620 < 1000

True

toán tử so sánh

Ghép điều kiện

so_don > 5 and doanh_thu > 1000000

True

toán tử logic

Chuỗi và f-string

Tên cột, tên chi nhánh và dòng báo cáo đều là chuỗi.

python
chi_nhanh = "  Đà Nẵng "
tong = 1250000

Cần làm

Cú pháp

Kết quả

Bài

Bỏ khoảng trắng hai đầu

chi_nhanh.strip()

'Đà Nẵng'

strip

Viết thường

"Hà Nội".lower()

'hà nội'

phương thức của chuỗi

Tách một dòng CSV

"2025-01,1055,1242".split(",")

['2025-01', '1055', '1242']

split và join

Cắt chuỗi

"2025-01"[:4]

'2025'

cắt chuỗi

Chèn số vào câu

f"Tổng: {tong:,} đ"

'Tổng: 1,250,000 đ'

f-string

Tiền kiểu Việt Nam

f"{tong:,}".replace(",", ".")

'1.250.000'

định dạng tiền VND

Một chữ số thập phân

f"{38.74:.1f}%"

'38.7%'

f-string

List, tuple và list lồng nhau

Mảng NumPy thường được tạo từ một list, và mảng hai chiều từ một list lồng nhau.

python
gia = [29000, 32000, 35000, 45000]
bang = [[40, 25, 18], [31, 40, 22]]

Cần làm

Cú pháp

Kết quả

Bài

Lấy phần tử đầu, cuối

gia[0], gia[-1]

(29000, 45000)

list

Cắt một đoạn

gia[1:3]

[32000, 35000]

cắt chuỗi và list

Độ dài, tổng, lớn nhất

len(gia), sum(gia), max(gia)

(4, 141000, 45000)

list

Thêm vào cuối

gia.append(25000)

—

append, pop, remove

gia

[29000, 32000, 35000, 45000, 25000]

append, pop, remove

Sắp xếp ra list mới

sorted(gia, reverse=True)

[45000, 35000, 32000, 29000, 25000]

sắp xếp list

Đọc một ô của bảng lồng

bang[1][2]

22

list 2 chiều

Lấy một cột của bảng lồng

[hang[0] for hang in bang]

[40, 31]

list comprehension

Tạo list bằng biểu thức

[g // 1000 for g in gia if g > 30000]

[32, 35, 45]

list comprehension

Gán nhiều biến từ tuple

so_hang, so_cot = (12, 8)

—

unpacking

so_hang * so_cot

96

unpacking

Ghép hai list theo cặp

list(zip(["Huế", "Đà Lạt"], [620, 480]))

[('Huế', 620), ('Đà Lạt', 480)]

zip

Dict

Dict là cầu nối sang pandas: một bảng nhỏ của pandas thường được dựng từ một dict mà mỗi khóa là tên cột.

python
kho = {"cà phê": 25, "bạc xỉu": 12}

Cần làm

Cú pháp

Kết quả

Bài

Đọc giá trị theo khóa

kho["cà phê"]

25

dictionary

Đọc khóa có thể thiếu

kho.get("trà đào", 0)

0

dictionary

Thêm hay sửa một khóa

kho["trà đào"] = 7

—

dictionary

Đi qua từng cặp khóa, giá trị

[f"{k}: {v}" for k, v in kho.items()]

['cà phê: 25', 'bạc xỉu: 12', 'trà đào: 7']

keys, values, items

Kiểm tra có khóa

"bạc xỉu" in kho

True

in và not in

Đếm tần suất

{m: ["Huế", "Huế", "Vinh"].count(m) for m in ["Huế", "Vinh"]}

{'Huế': 2, 'Vinh': 1}

đếm tần suất

Điều kiện và vòng lặp

NumPy thay phần lớn vòng lặp bằng phép tính trên cả mảng, nhưng bạn cần đọc được vòng lặp để thấy nó thay cái gì.

python
doanh_thu = [620, 480, 910]
tong = 0
for so in doanh_thu:
    tong += so
muc = "cao" if tong > 2000 else "thấp"

Cần làm

Cú pháp

Kết quả

Bài

Đọc kết quả cộng dồn của vòng lặp

tong

2010

vòng lặp for

Đọc kết quả của if một dòng

muc

'cao'

toán tử ba ngôi

Dãy số nguyên

list(range(1, 13, 3))

[1, 4, 7, 10]

range()

Lấy cả chỉ số lẫn giá trị

list(enumerate(doanh_thu, start=1))

[(1, 620), (2, 480), (3, 910)]

enumerate

Hỏi có phần tử nào thỏa

any(so > 900 for so in doanh_thu)

True

any và all

Hàm và lambda

Bài tập của ba tutorial dữ liệu đều là hàm: bạn viết thân hàm, trình chấm gọi nó với nhiều bộ dữ liệu.

python
def tien_sau_giam(gia, phan_tram=10):
    return gia * (100 - phan_tram) // 100

Cần làm

Cú pháp

Kết quả

Bài

Gọi hàm với giá trị mặc định

tien_sau_giam(45000)

40500

tham số mặc định

Gọi hàm, đặt tên đối số

tien_sau_giam(45000, phan_tram=20)

36000

hàm def

Hàm ngắn một dòng

(lambda x: x * 2)(21)

42

lambda

Sắp theo khóa tự chọn

sorted(["Huế", "Đà Lạt", "Vinh"], key=len)

['Huế', 'Vinh', 'Đà Lạt']

sắp xếp list

Module, pip và môi trường ảo

NumPy là thư viện bên ngoài: cài bằng pip trong một môi trường ảo, rồi nạp bằng import.

python
import math

Cần làm

Cú pháp

Kết quả

Bài

Gọi hàm của module

math.sqrt(144)

12.0

import

Nạp một tên từ module

from math import floor

—

import

floor(7.9)

7

import

Đặt tên ngắn khi nạp

import statistics as tk

—

import

tk.mean([4, 8, 9])

7

import

Cài thư viện (gõ ở Terminal)

pip install numpy

không chạy trên trang

pip

Tạo môi trường ảo (gõ ở Terminal)

python -m venv .venv

không chạy trên trang

venv

File, CSV và JSON

Dữ liệu thật nằm trong file. NumPy và pandas có hàm đọc file riêng, nhưng chúng nhận đúng các tham số bạn đã gặp với open(): tên file, bảng mã, dấu ngăn.

python
with open("ban_hang.csv", "w", encoding="utf-8") as f:
    f.write("mon,so_ly\ncà phê,40\nbạc xỉu,25\n")

Cần làm

Cú pháp

Kết quả

Bài

Đọc cả file thành list dòng

open("ban_hang.csv", encoding="utf-8").read().splitlines()

['mon,so_ly', 'cà phê,40', 'bạc xỉu,25']

đọc file

Đọc CSV thành list dict

import csv

—

csv.reader

list(csv.DictReader(open("ban_hang.csv", encoding="utf-8")))[0]

{'mon': 'cà phê', 'so_ly': '40'}

csv.reader

Chuỗi JSON sang dict

import json

—

json

json.loads('{"chi_nhanh": "Huế", "doanh_thu": 620}')

{'chi_nhanh': 'Huế', 'doanh_thu': 620}

json

Kiểm tra file có tồn tại

from pathlib import Path

—

pathlib

Path("ban_hang.csv").exists()

True

pathlib

Đọc thông báo lỗi

Khi code NumPy báo lỗi, dòng cuối của thông báo cho biết lớp lỗi và lý do. Đọc được nó là kỹ năng dùng hằng ngày.

python
gia = [29000, 32000, 35000]

Cần làm

Cú pháp

Kết quả

Bài

Chỉ số vượt cuối

gia[3]

IndexError: list index out of range

IndexError

Đổi chuỗi không phải số

int("12a")

ValueError: invalid literal for int() with base 10: '12a'

ValueError

Cộng chuỗi với số

"Tổng: " + 5

TypeError: can only concatenate str (not "int") to str

TypeError

Khóa không có trong dict

{"Huế": 620}["Vinh"]

KeyError: 'Vinh'

KeyError

Câu hỏi thường gặp

Học NumPy cần biết Python đến đâu?

Đủ để đọc hiểu mọi dòng của các bảng trên và tự viết một hàm nhỏ có if, vòng lặp for, list và dict. Bạn chưa cần class, decorator hay luồng. Phần còn thiếu học ở tutorial Python, theo đúng link của từng dòng.

Học pandas cần biết gì, có khác NumPy không?

Gần như giống nhau: pandas xây trên NumPy, nên học xong NumPy là đủ phần mảng. pandas dùng dict nhiều hơn, để dựng bảng và đổi tên cột, và đọc file nhiều hơn. Ôn kỹ nhóm Dict và nhóm File trên trang này trước khi sang pandas.

Chưa cài Python thì có học được NumPy không?

Được. Mọi ví dụ và bài tập của tutorial chạy NumPy ngay trong trình duyệt, không cần cài gì. Khi muốn làm với file dữ liệu của riêng bạn, bài cài NumPy, pandas, Matplotlib chỉ cách cài một lần cho cả ba thư viện.

Chủ đề

học numpy cần biết gì

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