Bỏ qua đến nội dung chính
Mục lục

reshape() trong NumPy: đổi hình mảng, reshape(-1), flatten

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 6/23 · Chương 2

Mảng và tư duy vector

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

reshape() trong NumPy (numpy reshape) xếp lại các phần tử của một mảng theo một shape mới mà không đổi giá trị nào. Bạn dùng nó khi dữ liệu đến dưới dạng một dãy dài, chẳng hạn doanh thu 12 tháng, mà câu hỏi cần một bảng, chẳng hạn bốn quý mỗi quý ba tháng.

Cần biết trước: shape, ndim, dtype và np.arange().

Gấp 12 tháng thành 4 quý bằng reshape()

Chi nhánh Huế ghi doanh thu (triệu đồng) của 12 tháng năm 2025 thành một mảng một chiều. Mỗi quý có ba tháng liền nhau, nên bảng quý có shape (4, 3):

python
import numpy as np

hue = np.array([284, 149, 183, 182, 193, 192,
                178, 172, 156, 170, 177, 200])
quy = hue.reshape(4, 3)
print(quy)
print(hue.shape, quy.shape)

KẾT QUẢ

[[284 149 183]
 [182 193 192]
 [178 172 156]
 [170 177 200]]
(12,) (4, 3)

reshape() đọc mảng gốc từ trái sang phải rồi rót lần lượt vào từng hàng của shape mới: ba số đầu thành hàng quý 1, ba số tiếp thành quý 2. Giống như gấp một tờ lịch dài thành bốn dòng. Mảng hue vẫn giữ shape (12,): reshape() trả về mảng mới.

Đổi reshape(4, 3) thành reshape(2, 6) rồi chạy lại: dòng cuối in (12,) (2, 6), mỗi hàng là nửa năm.

Để NumPy tự tính một chiều bằng -1

Nhiều khi bạn chỉ biết một chiều: mỗi hàng ba tháng, còn bao nhiêu hàng thì tùy dữ liệu. Ghi -1 ở chiều chưa biết, NumPy lấy size chia cho các chiều còn lại:

python
import numpy as np

hue = np.array([284, 149, 183, 182, 193, 192,
                178, 172, 156, 170, 177, 200])
print(hue.reshape(-1, 3).shape)
print(hue.reshape(2, -1).shape)
print(hue.reshape(-1).shape)
print(np.arange(1, 7).reshape(-1, 2).shape)

KẾT QUẢ

(4, 3)
(2, 6)
(12,)
(3, 2)

reshape(-1, 3) nghĩa là "mỗi hàng 3 phần tử, bao nhiêu hàng cũng được", nên ra 12 / 3 = 4 hàng. reshape(-1) một mình làm phẳng mảng thành một chiều. Mỗi lần gọi chỉ được một -1, và phép chia vẫn phải chẵn: hue.reshape(5, -1) báo ValueError, vì 12 không chia hết cho 5. Bài broadcasting dùng reshape(-1, 1) để dựng một mảng thành cột.

Làm phẳng bằng flatten() và ravel()

Muốn đi ngược lại, từ bảng về một dãy, bạn có ba cách cho cùng kết quả:

python
import numpy as np

quy = np.array([[284, 149, 183], [182, 193, 192],
                [178, 172, 156], [170, 177, 200]])
print(quy.flatten())
print(quy.ravel())
print(quy.reshape(-1))

KẾT QUẢ

[284 149 183 182 193 192 178 172 156 170 177 200]
[284 149 183 182 193 192 178 172 156 170 177 200]
[284 149 183 182 193 192 178 172 156 170 177 200]

Cả ba đọc bảng theo từng hàng, hàng trên trước, nên tháng 1 đến tháng 12 trở lại đúng thứ tự. Chỗ khác nhau nằm ở bộ nhớ: flatten() luôn chép ra mảng riêng, còn ravel() dùng chung dữ liệu với bảng khi được. Bài view và copy nói khi nào điều đó quan trọng.

Chuyển vị bằng .T

.T đổi hàng thành cột: hàng i của bảng gốc thành cột i của bảng mới. Với bảng quý, mỗi quý thành một cột, mỗi hàng là "tháng thứ mấy trong quý":

python
import numpy as np

quy = np.arange(1, 13).reshape(4, 3)
print(quy.T)
print(quy.shape, quy.T.shape)
print(np.arange(5).T.shape)

KẾT QUẢ

[[ 1  4  7 10]
 [ 2  5  8 11]
 [ 3  6  9 12]]
(4, 3) (3, 4)
(5,)

Ở đây np.arange(1, 13) thay cho số tháng 1 đến 12, để dễ thấy số nào đi đâu: cột đầu của quy.T là quý 1 (tháng 1, 2, 3). Shape đảo thứ tự, (4, 3) thành (3, 4). Dòng cuối cho thấy .T không làm gì với mảng một chiều: một dãy không có hàng và cột để đổi.

Kiểm tra nhanh

  1. Sau import numpy as np, np.arange(6).reshape(2, -1).shape trả về gì?

    • (3, 2)
    • (2, -1)
    • (2, 3)
  2. Sau import numpy as np, np.arange(10).reshape(3, -1) báo lỗi gì?

    • Báo lỗi ValueError
    • Báo lỗi TypeError
    • Báo lỗi IndexError
  3. Bảng quy có shape (4, 3). Những lệnh nào cho mảng một chiều 12 phần tử?

    • quy.flatten()
    • quy.ravel()
    • quy.reshape(-1)
    • quy.T
  4. Sau import numpy as np, np.arange(6).reshape(2, 3).T.shape trả về gì?

    • (2, 3)
    • (3, 2)
    • (6,)
Đúng hết lần đầu +15 XP

Bài tập

Xếp lượt khách theo thứ trong tuần

Quán ghi số khách mỗi ngày thành một mảng so_khach, bắt đầu từ thứ Hai, đủ một số tuần (độ dài là bội của 7, có thể là 0). Viết thân hàm xep_theo_tuan(so_khach): dựng bảng có 7 hàng, hàng đầu là các thứ Hai, hàng cuối là các Chủ nhật, mỗi cột là một tuần theo thứ tự. Hàm không sửa mảng so_khach của nơi gọi.

Dùng reshape() và không dùng vòng lặp for.

Trả về: bảng 7 hàng, mỗi cột một tuần, một ndarray.

Ví dụ với 14 ngày np.arange(14), cột đầu là 0 đến 6, cột sau là 7 đến 13.

python
import numpy as np


def xep_theo_tuan(so_khach):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • reshape() rót lại các phần tử theo thứ tự đọc vào shape mới và trả mảng mới; tích các chiều phải bằng size.

  • Ghi -1 ở một chiều để NumPy tự tính chiều đó; reshape(-1) làm phẳng mảng.

  • flatten(), ravel(), reshape(-1) cùng cho dãy một chiều đọc theo từng hàng; flatten() luôn chép ra mảng riêng.

  • .T đổi hàng thành cột, shape (m, n) thành (n, m); mảng một chiều giữ nguyên.

  • Muốn hàng thành cột thì dùng .T, không dùng reshape() với hai số đảo chỗ.

Câu hỏi thường gặp

reshape() có sửa mảng gốc không?

Không: nó trả mảng mới, mảng gốc giữ shape cũ. Mảng mới thường dùng chung dữ liệu với mảng gốc, nên sửa một ô của nó có thể đổi ô tương ứng của mảng gốc; bài view và copy giải thích và chỉ cách tách riêng bằng .copy().

np.transpose() khác .T thế nào?

Với bảng hai chiều, np.transpose(quy) và quy.T cho cùng kết quả. np.transpose() nhận thêm thứ tự các trục cho mảng nhiều chiều hơn; bảng hai chiều thì .T ngắn hơn.

Vì sao dùng -1 mà không tự tính số hàng?

Vì số phần tử thường đổi theo dữ liệu: sổ tháng này 28 ngày, tháng sau 35 ngày. reshape(-1, 7) đúng với mọi độ dài là bội của 7, còn số hàng gõ tay chỉ đúng cho một bộ dữ liệu.

Chủ đề

numpy reshape

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