Bỏ qua đến nội dung chính
Mục lục

np.where() và np.select() trong NumPy: chọn theo điều kiện

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 11/23 · Chương 2

Mảng và tư duy vector

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

np.where() trong NumPy (numpy where) chọn giá trị cho từng phần tử của mảng theo một điều kiện: chỗ điều kiện đúng lấy giá trị thứ nhất, chỗ sai lấy giá trị thứ hai. Khi cần nhiều hơn hai nhánh, như xếp số ly bán mỗi ngày thành thấp, vừa, cao, bạn dùng np.select(). Cả hai làm trên cả mảng một lần, không cần vòng lặp for và không sửa mảng gốc.

Cần biết trước: boolean mask trong NumPy.

Chọn giữa hai giá trị bằng np.where()

Quán miễn phí giao hàng cho đơn từ 300.000 đ trở lên, đơn nhỏ hơn trả 25.000 đ. Với một mảng tổng tiền các đơn trong buổi sáng, phép so sánh tong_don >= 300000 cho một mảng bool, và np.where() đổi mảng bool đó thành phí của từng đơn:

python
import numpy as np

tong_don = np.array([185000, 300000, 420000, 96000, 299000])
phi_giao = np.where(tong_don >= 300000, 0, 25000)
print(phi_giao)
print(tong_don + phi_giao)

KẾT QUẢ

[25000     0     0 25000 25000]
[210000 300000 420000 121000 324000]

Đọc lệnh np.where(dieu_kien, x, y) như câu "nếu đúng thì x, không thì y", áp cho từng vị trí. Đơn 300.000 đ đứng đúng ở ngưỡng, nên được miễn phí nhờ >=; đơn 299.000 đ thiếu một nghìn đồng và trả phí. Đây là câu lệnh if else viết một lần cho cả mảng.

Đổi >= thành > rồi chạy lại: dòng đầu in [25000 25000 0 25000 25000], vì đơn 300.000 đ bị tính phí.

x và y có thể là mảng

Hai giá trị x, y không bắt buộc là số. Khi chúng là mảng cùng độ dài, np.where() lấy phần tử ở đúng vị trí đó của mảng tương ứng. Quán giảm 20% cho món bán chậm (dưới 20 ly một ngày), món khác giữ giá:

python
import numpy as np

gia = np.array([29000, 32000, 35000, 45000])
so_ly = np.array([40, 18, 25, 9])
gia_giam = gia * 80 // 100
gia_moi = np.where(so_ly < 20, gia_giam, gia)
print(gia_moi)
print(gia)

KẾT QUẢ

[29000 25600 35000 36000]
[29000 32000 35000 45000]

Món thứ hai và món thứ tư bán dưới 20 ly nên lấy giá trong gia_giam, hai món kia lấy giá trong gia. Dòng cuối cho thấy gia vẫn nguyên: np.where() luôn trả một mảng mới. Đó là điểm khác với cách gán theo mask gia[so_ly < 20] = ... trong bài boolean mask, cách đó sửa thẳng vào mảng gốc.

Nhiều mức với np.select()

Lồng nhiều np.where() vào nhau vẫn chạy, nhưng khó đọc khi có từ ba mức. np.select() nhận một list điều kiện, một list giá trị tương ứng và một giá trị default cho chỗ không điều kiện nào đúng. Xếp số ly bán bảy ngày trong tuần thành ba mức:

python
import numpy as np

so_ly = np.array([12, 35, 48, 20, 40, 19, 61])
muc = np.select([so_ly >= 40, so_ly >= 20],
                ["cao", "vừa"], default="thấp")
print(muc)

KẾT QUẢ

['thấp' 'vừa' 'cao' 'vừa' 'cao' 'thấp' 'cao']

Với mỗi phần tử, NumPy đi qua list điều kiện từ trái sang phải và lấy giá trị của điều kiện đúng đầu tiên. Ngày bán 48 ly thỏa cả hai điều kiện, nhưng so_ly >= 40 đứng trước nên nhãn là "cao". Ngày bán 19 ly không thỏa điều kiện nào, nên lấy default. Khi các giá trị là chữ, hãy luôn ghi default= bằng chữ: default mặc định là số 0, không cùng kiểu với nhãn, và NumPy dừng với lỗi.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.where(np.array([5, 12, 8]) > 7, 1, 0)) in ra gì?

    • [1 0 0]
    • [0 1 1]
    • [12 8]
  2. Sau import numpy as np, print(np.where(np.array([5, 12, 8]) > 7)) in ra gì?

    • (array([1, 2]),)
    • [12 8]
    • [False True True]
  3. Với tong = np.array([350000, 120000, 300000]), những lệnh nào cho mảng [0 25000 0]?

    • np.where(tong >= 300000, 0, 25000)
    • np.where(tong < 300000, 25000, 0)
    • np.where(tong > 300000, 0, 25000)
    • np.select([tong >= 300000], [0], default=25000)
  4. Sau import numpy as np, print(np.select([np.array([45]) >= 20, np.array([45]) >= 40], ["vừa", "cao"], "thấp")) in ra gì?

    • ['cao']
    • ['vừa']
    • ['thấp']
Đúng hết lần đầu +15 XP

Bài tập

Tính tiền thưởng theo doanh số

Mỗi nhân viên bán hàng được thưởng theo doanh số tháng (đồng): từ 50.000.000 đ trở lên thưởng 5%, từ 30.000.000 đ đến dưới 50.000.000 đ thưởng 3%, dưới 30.000.000 đ không thưởng. Viết thân hàm tien_thuong(doanh_so); tiền thưởng là doanh số nhân phần trăm, chia lấy phần nguyên cho 100.

Dùng np.select() và không dùng vòng lặp for. Hàm không sửa mảng doanh_so của nơi gọi.

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

Ví dụ tien_thuong(np.array([62000000, 30000000, 29990000])) cho [3100000 900000 0].

python
import numpy as np


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

Tóm tắt

  • np.where(dieu_kien, x, y) lấy x ở chỗ điều kiện đúng, y ở chỗ sai, cho từng phần tử.

  • x, y là số hay mảng cùng độ dài; kết quả luôn là mảng mới, mảng gốc giữ nguyên.

  • np.where(dieu_kien) chỉ có điều kiện thì trả tuple vị trí, không trả giá trị.

  • np.select(dieu_kien, gia_tri, default=...) chọn giữa nhiều mức; điều kiện đúng đầu tiên thắng.

  • Xếp điều kiện từ chặt tới lỏng, và ghi default= cùng kiểu với các giá trị.

Câu hỏi thường gặp

np.where() khác gán theo mask ở đâu?

np.where() trả một mảng mới và không đụng mảng gốc. Gán theo mask, như gia[so_ly < 20] = 0, sửa thẳng vào mảng đang có. Muốn giữ dữ liệu gốc để so trước sau thì dùng np.where(); bài boolean mask có cách gán theo mask.

Có nên lồng nhiều np.where() thay cho np.select() không?

Chạy được: np.where(a >= 40, "cao", np.where(a >= 20, "vừa", "thấp")) cho cùng kết quả với ví dụ ba mức. Từ ba mức trở lên, np.select() dễ đọc và dễ thêm mức hơn, vì mỗi điều kiện đứng riêng trong một list.

Vì sao np.select() báo lỗi khi các nhãn là chữ?

Vì default mặc định là số 0. NumPy không ghép được chữ và số vào cùng một mảng, nên dừng với TypeError. Ghi default="thấp" hay một nhãn chữ khác là hết lỗi.

np.where() có dùng được trên bảng hai chiều không?

Có. Điều kiện là một bảng bool cùng shape, và x, y là số hay bảng đi được với nó theo quy tắc broadcasting. Kết quả có shape của bảng, mỗi ô được chọn riêng.

Chủ đề

numpy where

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