Chỉ số và cắt mảng NumPy (numpy slicing): a[i, j]
Bài 8/23 · Chương 2
Mảng và tư duy vector
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
Chỉ số và cắt mảng NumPy (numpy slicing) cho bạn lấy đúng phần cần nhìn trong một bảng: một ô, một hàng, một cột hay một khối con. Bạn dùng nó mỗi khi chỉ cần một phần của bảng, như doanh thu quý 1 của ba chi nhánh miền Trung, và cách viết giống lát cắt của list, thêm một dấu phẩy để ngăn chỉ số hàng với chỉ số cột.
Cần biết trước: shape, ndim, dtype và lát cắt của list.
Lấy một ô bằng a[i, j]
Các ví dụ dùng bảng doanh thu (triệu đồng) đọc từ doanh_thu_chi_nhanh.csv như bài np.loadtxt(): 12 hàng là 12 tháng của năm 2025, 8 cột là tám chi nhánh theo thứ tự Hà Nội, TP. Hồ Chí Minh, Hải Phòng, Đà Nẵng, Huế, Khánh Hòa, Đồng Nai, Cần Thơ.
import numpy as np
dt = np.loadtxt("doanh_thu_chi_nhanh.csv", delimiter=",",
skiprows=1, usecols=range(1, 9), dtype=int,
encoding="utf-8")
print(dt[0, 4])
print(dt[11, 0])
print(dt[6, 1])KẾT QUẢ
284
1087
989Trong dt[i, j], số trước dấu phẩy chọn hàng, số sau chọn cột; cả hai đếm từ 0. dt[0, 4] là tháng 1 (hàng 0) của Huế (cột 4): 284 triệu. dt[11, 0] là tháng 12 của Hà Nội. Số thứ nhất luôn là hàng, số thứ hai luôn là cột, đúng thứ tự của shape.
Lấy một hàng, một cột
Một chỉ số đứng một mình lấy cả hàng. Muốn cả cột thì ghi : ở chỗ hàng, nghĩa là "mọi hàng":
import numpy as np
dt = np.loadtxt("doanh_thu_chi_nhanh.csv", delimiter=",",
skiprows=1, usecols=range(1, 9), dtype=int,
encoding="utf-8")
print(dt[11])
print(dt[:, 4])
print(dt[11].shape, dt[:, 4].shape)KẾT QUẢ
[1087 1291 532 514 200 396 458 342]
[284 149 183 182 193 192 178 172 156 170 177 200]
(8,) (12,)dt[11] là tháng 12 của cả tám chi nhánh. dt[:, 4] là 12 tháng của Huế. Cả hai đều là mảng một chiều: hàng có 8 phần tử (số cột), cột có 12 phần tử (số hàng).
Cắt khối con bằng a[a:b, c:d]
Mỗi chiều nhận một lát cắt riêng, cùng luật với list: lấy từ cận dưới, không lấy cận trên. Quý 1 (tháng 1 đến 3) của ba chi nhánh Hải Phòng, Đà Nẵng, Huế (cột 2 đến 4):
import numpy as np
dt = np.loadtxt("doanh_thu_chi_nhanh.csv", delimiter=",",
skiprows=1, usecols=range(1, 9), dtype=int,
encoding="utf-8")
q1 = dt[:3, 2:5]
print(q1)
print(q1.shape)KẾT QUẢ
[[577 514 284]
[302 276 149]
[368 345 183]]
(3, 3):3 là hàng 0, 1, 2; 2:5 là cột 2, 3, 4. Lát cắt giữ nguyên hai chiều, nên kết quả là một bảng nhỏ (3, 3), khác với dt[11] chỉ còn một chiều.
Đổi dt[:3, 2:5] thành dt[:3, 2:4] rồi chạy lại: dòng cuối in (3, 2).
Chỉ số âm và bước cắt
Chỉ số âm đếm từ cuối: -1 là hàng hay cột cuối cùng, -3: là ba cái cuối. Lát cắt cũng nhận bước như list, ::3 lấy cách ba:
import numpy as np
dt = np.loadtxt("doanh_thu_chi_nhanh.csv", delimiter=",",
skiprows=1, usecols=range(1, 9), dtype=int,
encoding="utf-8")
print(dt[-1, -1])
print(dt[-3:, -2:])
print(dt[::3, 0])
print(dt[0, ::2])KẾT QUẢ
342
[[357 272]
[421 306]
[458 342]]
[1055 784 842 884]
[1055 577 284 450]dt[-1, -1] là tháng 12 của Cần Thơ, ô góc dưới bên phải. dt[-3:, -2:] là quý 4 của hai chi nhánh cuối, Đồng Nai và Cần Thơ: bạn không cần biết bảng có bao nhiêu hàng, bao nhiêu cột. dt[::3, 0] là tháng đầu mỗi quý (tháng 1, 4, 7, 10) của Hà Nội, còn dt[0, ::2] là tháng 1 của các chi nhánh ở cột chẵn.
Kiểm tra nhanh
Sau
import numpy as npvàa = np.arange(12).reshape(3, 4),print(a[1, 2])in ra gì?965
Sau
import numpy as npvàa = np.arange(12).reshape(3, 4),a[:, 1].shapetrả về gì?(3,)(4,)(3, 1)
Bảng
dtcó shape(12, 8). Những cách nào lấy cả cột Cần Thơ (cột cuối)?dt[:, 7]dt[:, -1]dt[-1]dt[7]
Sau
import numpy as npvàa = np.arange(12).reshape(3, 4),a[3, 0]báo lỗi gì?- Báo lỗi
ValueError - Báo lỗi
IndexError - Báo lỗi
KeyError
- Báo lỗi
Bài tập
Lấy doanh thu một quý của một chi nhánh
bang là bảng doanh thu 12 tháng, mỗi hàng một tháng (hàng 0 là tháng 1), mỗi cột một chi nhánh. Viết thân hàm doanh_thu_quy(bang, quy, cot): lấy ba tháng của quý quy (1 đến 4; quý 1 là tháng 1 đến 3) ở cột cot. cot có thể là số âm, như -1 cho chi nhánh cuối. Hàm không sửa bang của nơi gọi.
Dùng lát cắt và không dùng vòng lặp for.
Trả về: doanh thu ba tháng của quý đó, theo thứ tự tháng, một ndarray.
Ví dụ với bang = np.arange(36).reshape(12, 3), doanh_thu_quy(bang, 2, 1) cho [10 13 16].
import numpy as np
def doanh_thu_quy(bang, quy, cot):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Trong
a[i, j], số trước dấu phẩy chọn hàng, số sau chọn cột, đếm từ 0; chỉ số vượt shape báoIndexError.a[i]lấy cả hàngi;a[:, j]lấy cả cộtj. Cả hai cho mảng một chiều.a[a:b, c:d]cắt khối con, mỗi chiều một lát cắt, không lấy cận trên; kết quả vẫn hai chiều.Chỉ số âm đếm từ cuối:
a[-1, -1]là ô góc dưới bên phải,a[-3:]là ba hàng cuối.Lát cắt nhận bước:
a[::3, 0]lấy cách ba hàng ở cột 0.
Câu hỏi thường gặp
dt[0][4] và dt[0, 4] có giống nhau không?
Cùng kết quả: dt[0] lấy hàng 0, rồi [4] lấy phần tử 4 của hàng đó. Nhưng dt[0, 4] là một lần lấy, nhanh hơn, và chỉ dạng có dấu phẩy mới cắt được cột: dt[:, 4] lấy cột Huế, còn dt[:][4] vẫn là hàng 4.
Sửa một lát cắt có làm đổi bảng gốc không?
Có: lát cắt của mảng NumPy dùng chung dữ liệu với bảng gốc, khác với lát cắt của list. Bài view và copy giải thích vì sao và chỉ cách tách riêng bằng .copy().
Làm sao lấy các tháng có doanh thu trên 1.000 triệu?
Lát cắt chỉ lấy theo vị trí. Muốn lấy theo điều kiện trên giá trị, bạn so sánh cả mảng rồi dùng kết quả để lọc; bài lọc mảng NumPy theo điều kiện dạy cách đó.
Chủ đề
Dữ liệu của bài
- Tải xuống
doanh_thu_chi_nhanh.csv
CSV · 589 byte
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.