Bỏ qua đến nội dung chính
Mục lục

np.zeros(), np.ones(), np.full(): mảng NumPy có sẵn số

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 4/23 · Chương 2

Mảng và tư duy vector

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

np.zeros(), np.ones() và np.full() trong NumPy tạo một mảng có sẵn giá trị: toàn số 0, toàn số 1, hay toàn một số bạn chọn. Bạn dùng chúng như kẻ sẵn một hàng ô trống trên giấy trước khi điền số liệu: tạo mảng đủ độ dài trước, rồi điền dần kết quả của từng ngày, từng món, từng buổi học vào đúng vị trí.

Cần biết trước: mảng NumPy.

np.zeros() và np.ones(): mảng toàn 0, toàn 1

Hai hàm nhận số phần tử và trả về một mảng toàn 0 hay toàn 1:

python
import numpy as np

print(np.zeros(5))
print(np.ones(4))
print(np.zeros(4, dtype=int))
print(np.ones(3, dtype=int) * 29000)

KẾT QUẢ

[0. 0. 0. 0. 0.]
[1. 1. 1. 1.]
[0 0 0 0]
[29000 29000 29000]

Theo mặc định, hai hàm tạo số thực: 0. là 0,0 viết gọn. Tham số dtype=int cho mảng số nguyên, hợp khi bạn sẽ điền số đếm (số ly, số đơn, số buổi). Dòng cuối nhân mảng toàn 1 với giá một ly: một cách tạo mảng toàn một giá trị, dù np.full() ở mục sau làm việc đó gọn hơn.

Đổi np.zeros(5) thành np.ones(5) rồi chạy lại: dòng đầu in [1. 1. 1. 1. 1.].

Điền dần kết quả vào từng vị trí

Công dụng chính của mảng toàn 0 là làm chỗ chứa: bạn biết trước kết quả có bao nhiêu phần tử, nhưng mỗi phần tử phải tính xong mới có. Quán ghi số ly bán ra mỗi ngày trong tuần và muốn biết số ly cộng dồn tới hết từng ngày:

python
import numpy as np

ban_ra = [12, 9, 15, 7, 11, 18, 20]
luy_ke = np.zeros(7, dtype=int)
tong = 0
for ngay, so in enumerate(ban_ra):
    tong += so
    luy_ke[ngay] = tong
print(luy_ke)

KẾT QUẢ

[12 21 36 43 54 72 92]

enumerate() cho cả vị trí ngay lẫn số bán so ở mỗi lượt, và dòng luy_ke[ngay] = tong ghi vào ô ở vị trí ngay, giống gán một phần tử của list. Mảng luy_ke có đủ bảy ô ngay từ đầu, nên không cần append(). Mảng NumPy có độ dài cố định khi tạo: thêm phần tử vào cuối như list là việc nó không làm. Vì vậy cách quen thuộc là tạo mảng đủ chỗ bằng np.zeros(), rồi điền. Phép cộng dồn này có sẵn hàm riêng, bài cumsum() dạy.

np.full(): mảng có sẵn một giá trị

Khi giá trị ban đầu không phải 0 hay 1, np.full(n, gia_tri) tạo n phần tử bằng gia_tri. Năm món đầu tuần đều nhập 50 phần nguyên liệu; ba món giá gốc 29.000 đồng được giảm khác nhau:

python
import numpy as np

ton_kho = np.full(5, 50)
print(ton_kho)
print(np.full(3, 29000) - np.array([0, 3000, 5000]))
print(np.full(4, 2.5))

KẾT QUẢ

[50 50 50 50 50]
[29000 26000 24000]
[2.5 2.5 2.5 2.5]

Kiểu của mảng theo giá trị bạn đưa vào: 50 cho mảng số nguyên, 2.5 cho mảng số thực. Mảng toàn một giá trị hay dùng làm điểm xuất phát (tồn kho đầu tuần, giá gốc) để trừ hay cộng tiếp với một mảng khác.

np.zeros_like() và họ *_like: cùng shape với mảng có sẵn

np.zeros_like(mang) tạo một mảng toàn 0 có cùng độ dài và cùng kiểu với mang, nên bạn không phải đếm lại số phần tử. Họ hàm này có ba anh em: np.zeros_like(), np.ones_like() và np.full_like():

python
import numpy as np

so_ly = np.array([40, 25, 18, 9])
print(np.zeros_like(so_ly))
print(np.ones_like(so_ly))
print(np.full_like(so_ly, 5))

KẾT QUẢ

[0 0 0 0]
[1 1 1 1]
[5 5 5 5]

Ba mảng đều có bốn phần tử như so_ly. Chữ "cùng kiểu" là chỗ cần để ý: so_ly là số nguyên, nên ba mảng mới cũng là số nguyên.

np.eye(): bảng đơn vị

np.eye(n) tạo một bảng n hàng n cột có số 1 trên đường chéo từ góc trên trái xuống góc dưới phải, còn lại là 0. Bảng này gọi là ma trận đơn vị:

python
import numpy as np

print(np.eye(3))
print(np.eye(3, dtype=int))

KẾT QUẢ

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
[[1 0 0]
 [0 1 0]
 [0 0 1]]

Bảng in thành nhiều dòng, mỗi dòng một hàng; bài shape, ndim, dtype dạy mảng hai chiều. Bạn ít dùng np.eye() khi phân tích dữ liệu hằng ngày. Nó xuất hiện khi làm phép nhân ma trận, vì nhân một bảng với ma trận đơn vị cho lại đúng bảng đó, giống nhân một số với 1.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.full(4, 7)) in ra gì?

    • [4 4 4 4 4 4 4]
    • [0 0 0 0]
    • [7 7 7 7]
  2. Sau import numpy as np, print(np.zeros(3)) in ra gì?

    • [0. 0. 0.]
    • [0 0 0]
    • []
  3. Sau import numpy as np, ti_le = np.zeros_like(np.array([3, 5])) và ti_le[0] = 0.75, print(ti_le) in ra gì?

    • [0.75 0. ]
    • [0 0]
    • Báo lỗi TypeError
  4. Những dòng nào tạo được mảng [5 5 5]?

    • np.full(3, 5)
    • np.ones(3, dtype=int) * 5
    • np.full(5, 3)
    • np.full_like(np.array([1, 2, 3]), 5)
Đúng hết lần đầu +15 XP

Bài tập

Đánh dấu buổi có mặt của một học viên

Một lớp có so_buoi buổi, đánh số từ 1. List buoi_vang ghi các buổi học viên vắng; một buổi có thể bị ghi hai lần. Viết thân hàm diem_danh(so_buoi, buoi_vang): tạo mảng bằng np.ones(), rồi điền dần, sao cho buổi có mặt là 1, buổi vắng là 0. Hàm không sửa list buoi_vang của nơi gọi.

Trả về: điểm danh của buổi 1 đến buổi so_buoi, theo thứ tự, một ndarray.

Ví dụ diem_danh(6, [2, 5]) cho [1 0 1 1 0 1].

python
import numpy as np


def diem_danh(so_buoi, buoi_vang):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • np.zeros(n), np.ones(n) tạo n số 0, số 1, mặc định là số thực; dtype=int cho số nguyên.

  • Mảng có độ dài cố định: tạo đủ chỗ bằng np.zeros() trước, rồi gán mang[i] = gia_tri.

  • np.full(n, gia_tri) tạo n phần tử bằng gia_tri, cùng kiểu với giá trị đó.

  • np.zeros_like(), np.ones_like(), np.full_like() lấy độ dài và kiểu của một mảng có sẵn.

  • Gán số thực vào mảng số nguyên làm mất phần lẻ mà không báo lỗi.

  • np.eye(n) tạo bảng n × n có số 1 trên đường chéo.

Câu hỏi thường gặp

np.empty() khác np.zeros() thế nào?

np.empty(n) cũng tạo n phần tử nhưng không đặt giá trị nào, nên các ô chứa số còn sót trong bộ nhớ, mỗi lần chạy một khác. Nó nhanh hơn np.zeros() một chút, chỉ an toàn khi chắc chắn bạn sẽ gán mọi ô trước khi đọc. Khi học, dùng np.zeros().

Có cần np.zeros() khi đã có thể tính cả mảng?

Thường thì không. Khi một công thức tính được cho cả mảng một lần, như cách bài vectorization dạy, bạn viết thẳng công thức đó. np.zeros() dành cho khi mỗi ô phải tính riêng, hay tính xong ô trước mới có ô sau.

Tạo bảng nhiều hàng toàn 0 thế nào?

Đưa vào một cặp số trong ngoặc: np.zeros((3, 4)) tạo bảng 3 hàng 4 cột. Cặp số đó là shape của mảng, bài shape, ndim, dtype dạy kỹ.

np.ones() dùng vào việc gì?

Làm điểm xuất phát khi giá trị mặc định là 1: buổi có mặt, hệ số nhân chưa đổi, trọng số bằng nhau. Nhân np.ones() với một số cho mảng toàn số đó, dù np.full() viết gọn hơn.

Chủ đề

numpy zeros

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