Tự học Python - Bài 13: Truy cập phần tử mảng NumPy (Array Indexing)

Table of contents

1. Truy cập mảng 1 chiều

import numpy as np
arr = np.array([1, 2, 3, 4])

# Lấy phần tử đầu tiên
print(arr[0]) # Kết quả: 1

# Thực hiện toán tử trên các phần tử
print(arr[2] + arr[3]) # Kết quả: 7 (3 + 4)

2. Truy cập mảng 2 chiều

Hãy coi mảng 2 chiều giống như một bảng có hàng và cột. Bạn cần 2 chỉ số: cái đầu tiên đại diện cho hàng, cái thứ hai đại diện cho cột.

import numpy as np
arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])

# Truy cập phần tử ở hàng thứ 2 (index 1), cột thứ 3 (index 2)
print('Phần tử thứ 3 ở hàng 2 là:', arr[1, 2]) # Kết quả: 8

3. Truy cập mảng 3 chiều

Tương tự, để truy cập mảng 3 chiều, chúng ta cần 3 chỉ số đại diện cho các cấp độ sâu dần của mảng.

import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

# Truy cập phần tử đầu tiên của mảng 2D thứ hai, bên trong mảng 2D đó là mảng 1D đầu tiên, phần tử thứ ba.
print(arr[0, 1, 2]) # Kết quả: 6

Giải thích:

• Chỉ số đầu tiên (0): Chọn mảng 2D đầu tiên.
• Chỉ số thứ hai (1): Chọn mảng 1D thứ hai bên trong mảng 2D đó.
• Chỉ số thứ ba (2): Chọn phần tử thứ ba bên trong mảng 1D.

4. Sử dụng chỉ số âm (Negative Indexing)

Bạn cũng có thể sử dụng chỉ số âm để truy cập mảng từ phía cuối.

import numpy as np
arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])

# Truy cập phần tử cuối cùng của hàng thứ 2
print('Phần tử cuối cùng của hàng 2:', arr[1, -1]) # Kết quả: 10

Lời kết Bài 13

Việc nắm vững Indexing giúp bạn trích xuất chính xác dữ liệu mình cần. Cấp độ tiếp theo của Indexing chính là Cắt mảng (Array Slicing), chúng ta sẽ tìm hiểu ở bài sau.

Hẹn gặp lại các bạn!