Python for data analysis là cách dùng Python để làm sạch, thống kê và vẽ biểu đồ dữ liệu bằng Pandas, NumPy. Bài viết giải thích quy trình 5 bước kèm ví dụ code chạy được. Bạn mới học cũng có thể phân tích dữ liệu bằng Python ngay từ bài đầu, thay cho thao tác thủ công trên Excel.
Python for data analysis là gì?
Python for data analysis là việc dùng ngôn ngữ Python để thu thập, làm sạch, thống kê và trình bày dữ liệu. Bạn viết vài dòng code thay cho hàng trăm thao tác thủ công trên bảng tính.
Cách làm này phù hợp khi dữ liệu lớn hơn mức Excel xử lý thoải mái. Nó cũng giúp bạn lặp lại cùng một quy trình cho mỗi báo cáo mới mà không phải làm lại từ đầu.
Vì sao nên chọn Python để phân tích dữ liệu?
Cú pháp dễ đọc: bạn tập trung vào câu hỏi cần trả lời, không phải nhớ ký hiệu phức tạp.
Thư viện sẵn có: các công cụ xử lý bảng, tính toán số và vẽ biểu đồ đã được viết sẵn.
Miễn phí và mã nguồn mở: bạn không mất chi phí bản quyền.
Mở rộng được: từ phân tích đơn giản, bạn có thể đi tiếp sang học máy và AI.
Các thư viện Python cần biết để phân tích dữ liệu
Bạn không cần học hết mọi thư viện cùng lúc. Với người mới, ba thư viện dưới đây là đủ để bắt đầu phân tích dữ liệu bằng Python.
| Thư viện | Vai trò chính | Khi nào dùng |
|---|
| Pandas | Đọc, làm sạch, lọc và tổng hợp dữ liệu dạng bảng | Hầu như mọi bài phân tích |
| NumPy | Tính toán trên mảng số nhanh | Khi cần xử lý số liệu lớn |
| Matplotlib | Vẽ biểu đồ | Khi cần trình bày kết quả |
Pandas là thư viện bạn dùng nhiều nhất. Dữ liệu trong Pandas nằm trong DataFrame, một bảng gồm các hàng và cột giống bảng tính.
Cài đặt các thư viện
Bạn mở terminal và chạy lệnh sau để cài cả ba thư viện:
pip install pandas numpy matplotlib
Nếu chưa cài Python, bạn có thể làm theo hướng dẫn trong bài chạy code Python online để thử ngay trên trình duyệt.
Python for data analysis dùng được vào việc gì?
Người mới thường hỏi liệu kỹ năng này có dùng được vào công việc thật không. Câu trả lời là có, với nhiều tình huống quen thuộc.
Tổng hợp báo cáo: gom dữ liệu từ nhiều file Excel thành một bảng và tính tổng theo tháng, theo nhóm.
Kiểm tra chất lượng dữ liệu: tìm ô trống, dòng trùng và giá trị bất thường trước khi báo cáo.
So sánh và tìm xu hướng: đối chiếu doanh thu, chi phí hoặc kết quả học tập giữa các giai đoạn.
Chuẩn bị dữ liệu cho học máy: bước làm sạch bằng Pandas là nền cho các mô hình sau này.
Với người đi làm không chuyên IT, python for data analysis là cách nhanh để tự động hóa báo cáo lặp lại. Với sinh viên, đây là kỹ năng tốt để bổ sung vào hồ sơ dự án.
Quy trình 5 bước trong python for data analysis
Mọi bài phân tích thường đi qua cùng một chuỗi bước. Nắm quy trình python for data analysis này, bạn sẽ không bị lạc khi gặp dữ liệu mới.
Bước 1: Xác định câu hỏi. Bạn cần trả lời điều gì? Ví dụ: sản phẩm nào có doanh thu cao nhất trong quý.
Bước 2: Nạp dữ liệu. Bạn đọc dữ liệu từ file CSV, Excel hoặc cơ sở dữ liệu vào DataFrame.
Bước 3: Làm sạch dữ liệu. Bạn xử lý ô trống, dòng trùng và sai kiểu dữ liệu.
Bước 4: Phân tích. Bạn lọc, nhóm và thống kê để tìm câu trả lời.
Bước 5: Trực quan hóa và kết luận. Bạn vẽ biểu đồ và viết nhận xét ngắn gọn cho người đọc báo cáo.
Ví dụ python for data analysis với Pandas
Ví dụ python for data analysis dưới đây dùng một bảng doanh thu nhỏ để bạn thấy toàn bộ quy trình. Bạn có thể chép và chạy ngay.
Tạo DataFrame và xem nhanh dữ liệu
import pandas as pd
data = {
"thang": ["T1", "T1", "T2", "T2", "T3", "T3"],
"san_pham": ["Áo", "Quần", "Áo", "Quần", "Áo", "Quần"],
"doanh_thu": [120, 90, 150, 80, 170, 110],
}
df = pd.DataFrame(data)
print(df.head())
print(df.info())
print(df.describe())
Hàm head() cho bạn cái nhìn đầu tiên. Hàm info() cho biết cột nào thiếu dữ liệu. Hàm describe() trả về giá trị trung bình, nhỏ nhất, lớn nhất.
Làm sạch dữ liệu với Pandas
Dữ liệu thật hiếm khi sạch. Bạn thường phải xử lý ô trống và dòng trùng trước khi phân tích.
df = df.dropna()
df = df.drop_duplicates()
Bạn cũng có thể điền giá trị thay thế bằng fillna() nếu không muốn mất dòng dữ liệu.
Lọc và nhóm dữ liệu để tìm câu trả lời
print(df[df["doanh_thu"] > 100])
print(df.groupby("san_pham")["doanh_thu"].sum())
Kết quả cho thấy sản phẩm "Áo" có tổng doanh thu 440, cao hơn "Quần" với 280. Đó là câu trả lời cho câu hỏi ở Bước 1.
Trực quan hóa dữ liệu bằng Matplotlib
Con số khó đọc hơn hình ảnh. Một biểu đồ cột đơn giản giúp người xem hiểu kết quả trong vài giây.
import matplotlib.pyplot as plt
tong = df.groupby("san_pham")["doanh_thu"].sum()
tong.plot(kind="bar")
plt.title("Doanh thu theo sản phẩm")
plt.ylabel("Doanh thu")
plt.show()
Khi muốn đi sâu hơn, bạn có thể học thêm các dạng biểu đồ đường, biểu đồ tròn và biểu đồ phân tán.
Lộ trình học python for data analysis cho người mới
Học theo thứ tự giúp bạn tránh bị quá tải khi tiếp cận python for data analysis. Đây là lộ trình chúng tôi gợi ý.
Nắm cú pháp Python cơ bản: biến, kiểu dữ liệu, vòng lặp, hàm. Nếu chưa biết Python là gì, bạn có thể đọc trước bài Python là gì.
Làm quen Pandas: đọc file, lọc, nhóm và ghép bảng.
Học vẽ biểu đồ: bắt đầu với Matplotlib.
Làm một dự án nhỏ: lấy dữ liệu bạn quan tâm, đặt câu hỏi và trình bày kết quả.
Tại hocpython.net, các khóa học hỗ trợ lộ trình này gồm:
Bắt đầu học python for data analysis từ hôm nay
Bạn đã nắm khái niệm, ba thư viện chính, quy trình 5 bước và ví dụ code đầu tiên. Bước tiếp theo là lấy bảng dữ liệu của chính bạn và thử phân tích.
Đăng ký tài khoản học thử miễn phí tại hocpython.net. Hoặc liên hệ chúng tôi qua số +84 989 534 458 để được tư vấn lộ trình python for data analysis phù hợp với bạn.
