Hàm numpy.sum() là một trong những hàm trong gói NumPy của Python. Xét từ khía cạnh tổng quát, hàm này được sử dụng để tính tổng của tất cả các phần tử trong mảng, tổng của mỗi hàng và tổng của mỗi cột trong một mảng cụ thể.
Cú pháp của hàm numpy.sum ()
Hàm numpy.sum() có cú pháp như sau:
numpy.sum(arr, axis=None, dtype=None, out=None, keepdims=
Tham số
-
arr: array_like- Đây là một ndarray, tức là mảng nguồn chứa các phần tử chúng ta muốn tính tổng. Tham số này là rất quan trọng và đóng một vai trò quan trọng trong hàm numpy.sum().
-
axis: int hoặc None hoặc nhiều int (tùy chọn)- Tham số này xác định trục mà tổng được thực hiện theo. Trục mặc định là None, tức là tổng của tất cả các phần tử trong mảng. Khi trục là số âm, tổng được tính từ trục cuối cùng đến trục đầu tiên. Trong phiên bản 1.7.0, tổng được tính trên tất cả các trục được chỉ định trong trường hợp trục là một bộ giá trị thay vì một trục đơn hoặc tất cả các trục như trước đây khi một trục được chỉ định.
-
dtype: loại dtype (tùy chọn)- Tham số này xác định kiểu dữ liệu của mảng kết quả và mảng tích lũy trong quá trình tính tổng các phần tử. Theo mặc định, kiểu dữ liệu của mảng được sử dụng trừ khi mảng có kiểu số nguyên với độ chính xác thấp hơn số nguyên của nền tảng mặc định. Trong trường hợp đó, nếu mảng có dấu, kiểu số nguyên của nền tảng được sử dụng và nếu mảng không có dấu, kiểu số nguyên không dấu có cùng độ chính xác với kiểu số nguyên của nền tảng được sử dụng.
-
out: ndarray (tùy chọn)- Tham số này xác định mảng đầu ra để lưu trữ kết quả. Mảng đầu ra này phải có cùng hình dạng với kết quả mong đợi. Kiểu giá trị đầu ra sẽ được chuyển đổi, nếu cần thiết.
-
keepdims: bool (tùy chọn)- Tham số này xác định một giá trị bool. Khi tham số này được đặt là True, trục được giảm xuống sẽ được bảo tồn trong kết quả với kích thước là 1. Với sự trợ giúp của tùy chọn này, kết quả sẽ phù hợp chính xác với mảng đầu vào. Tuy nhiên, tham số keepdims sẽ không được chuyển đến phương thức tổng của các lớp con của một mảng ndarray, trừ khi giá trị mặc định được chuyển, nhưng không phải trong trường hợp giá trị không phải là giá trị mặc định. Nếu phương thức lớp con không triển khai keepdims, thì bất kỳ ngoại lệ nào cũng có thể được đưa ra.
-
initial: scalar- Tham số này xác định giá trị ban đầu cho tổng.
Hàm này trả về một mảng có cùng hình dạng với mảng đầu vào, trong đó các trục đã được chỉ định bị loại bỏ. Khi mảng là mảng 0-d hoặc khi trục là None, một giá trị vô hướng được trả về. Nếu một mảng đầu ra được chỉ định, một tham chiếu đến nó sẽ được trả về.
Ứng dụng thực tế của hàm numpy.sum()
Hàm numpy.sum() trong thư viện NumPy của Python có rất nhiều ứng dụng thực tế hữu ích. Dưới đây là một số ví dụ về cách hàm này có thể được sử dụng:
-
Tính tổng điểm số: Hàm numpy.sum() có thể được sử dụng để tính tổng điểm số trong một bảng điểm, tập dữ liệu hoặc mảng. Ví dụ: tính tổng điểm số của mỗi sinh viên trong một lớp học.
-
Xử lý dữ liệu khoa học: Trong các phân tích dữ liệu khoa học, tính tổng các giá trị có thể được sử dụng để tính tổng mật độ điện tích, tổng lượng chất, tổng năng lượng và nhiều tính toán khác.
-
Thống kê: Hàm numpy.sum() cũng được sử dụng rộng rãi trong các phép toán thống kê. Ví dụ: tính tổng các giá trị trong một mẫu, tính tổng các giá trị trong một phân phối, tính tổng các giá trị trong một cụm dữ liệu.
-
Xử lý hình ảnh: Trong xử lý hình ảnh, hàm numpy.sum() có thể được sử dụng để tính tổng các giá trị pixel trong một kênh màu, tính tổng độ tương phản hoặc tính tổng các chỉ số đo lường khác.
-
Machine Learning và Data Science: Hàm numpy.sum() thường được sử dụng trong quá trình tính toán và xử lý dữ liệu trong các thuật toán Machine Learning và Data Science. Ví dụ: tính tổng các giá trị đặc trưng, tính tổng các lỗi, tính tổng các trọng số.
-
Tính toán tài chính: Hàm numpy.sum() có thể được sử dụng để tính tổng giá trị của các giao dịch tài chính, tổng lợi nhuận hoặc tổng số tiền gửi/trả trong các bài toán tài chính.
Trên đây là một số ví dụ về ứng dụng thực tế của hàm numpy.sum(). Hàm này đóng vai trò quan trọng trong việc tính toán tổng các giá trị và thực hiện các phép toán tổng hợp trong nhiều lĩnh vực khác nhau.
Lưu ý khi sử dụng hàm numpy.sum()
Khi sử dụng hàm numpy.sum() trong thư viện NumPy, cần lưu ý các điều sau đây:
-
Kiểu dữ liệu: Hàm numpy.sum() trả về kết quả dưới dạng một số nguyên hoặc số thực, tùy thuộc vào kiểu dữ liệu của mảng đầu vào. Đảm bảo kiểu dữ liệu của mảng phù hợp để tránh mất mát dữ liệu không mong muốn hoặc sai sót trong quá trình tính toán.
-
Trục tính toán: Tham số axis trong hàm numpy.sum() xác định trục hoặc trục mà bạn muốn tính tổng theo. Hãy chắc chắn rằng bạn đã chỉ định đúng trục để tính toán kết quả chính xác. Nếu không chỉ định, mảng sẽ được làm phẳng và tổng của tất cả các phần tử sẽ được tính.
-
Giá trị NaN: Hàm numpy.sum() xử lý giá trị NaN (Not a Number) bằng cách bỏ qua chúng trong quá trình tính tổng. Điều này có thể ảnh hưởng đến kết quả nếu bạn có giá trị NaN trong mảng. Hãy đảm bảo làm rõ cách xử lý giá trị NaN theo yêu cầu của bài toán.
-
Hiệu suất: Nếu bạn làm việc với các mảng lớn hoặc cần tính toán tổng nhiều lần, hãy cân nhắc về hiệu suất. Hàm numpy.sum() có thể được thay thế bằng các phương pháp tính tổng khác như numpy.add.reduce(), numpy.einsum() hoặc numpy.sum(axis=0) để tối ưu hóa hiệu suất tính toán.
-
Kiểm tra kích thước: Trước khi sử dụng hàm numpy.sum(), hãy kiểm tra kích thước và hình dạng của mảng để đảm bảo tính nhất quán và chính xác của kết quả.
Lưu ý những yếu tố trên sẽ giúp bạn sử dụng hàm numpy.sum() một cách chính xác và hiệu quả trong các tác vụ tính toán tổng giá trị trong mảng NumPy.
