m = np.arange(12).reshape(3, 4)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
m[1, 2] # 6 — hàng 1, cột 2
m[0] # [0 1 2 3] — cả hàng 0
m[:, 1] # [1 5 9] — cả cột 1
m[:2, 1:3] # [[1 2] [5 6]] — khối con
m[::-1] # đảo thứ tự hàngMặt nạ boolean lọc phần tử theo điều kiện — cực kỳ hay dùng khi xử lý dữ liệu:
x = np.array([3, -1, 4, -1, 5])
mask = x > 0 # [ True False True False True]
print(x[mask]) # [3 4 5]
x[x < 0] = 0 # gán 0 cho phần tử âm → giống ReLU!
# fancy indexing: lấy theo danh sách chỉ số
probs = np.array([[0.1, 0.9], [0.8, 0.2]])
labels = np.array([1, 0])
print(probs[np.arange(2), labels]) # [0.9 0.8] — xác suất của nhãn đúngSlicing (m[:2]) trả về view — sửa view là sửa luôn mảng gốc. Fancy indexing và mặt nạ trả về bản sao. Cần bản sao độc lập thì dùng .copy().
?Với m có shape (3, 4), m[:, -1] trả về gì?
Luyện tập ngay
Viết code và chấm tự động — có trợ lý AI gợi ý khi bí.