Python cho Data Analysis: Pandas từ A-Z

pip install pandas numpy matplotlib

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

print(f"Pandas version: {pd.__version__}")

# Tạo DataFrame từ dictionary
data = {
    'Tên': ['Nguyễn Văn A', 'Trần Thị B', 'Lê Văn C', 'Phạm Thị D'],
    'Tuổi': [25, 30, 28, 35],
    'Phòng ban': ['IT', 'Marketing', 'IT', 'HR'],
    'Lương': [15_000_000, 12_000_000, 18_000_000, 14_000_000]
}

df = pd.DataFrame(data)
print(df)

# Xem 2 dòng đầu
df.head(2)

# Thông tin tổng quan
df.info()

# Thống kê mô tả
df.describe()

# Kích thước
print(f"Shape: {df.shape}")
print(f"Columns: {df.columns.tolist()}")

# Đọc file CSV
df = pd.read_csv('doanh_thu.csv')

# Đọc file Excel
df = pd.read_excel('bao_cao.xlsx', sheet_name='Sheet1')

# Đọc file Excel với nhiều tuỳ chọn
df = pd.read_excel(
    'bao_cao.xlsx',
    sheet_name='DuLieu',
    skiprows=2,
    usecols='A:F',
    dtype={'MaSP': str},
)

# Ghi ra CSV
df.to_csv('ket_qua.csv', index=False, encoding='utf-8-sig')

# Ghi ra Excel
df.to_excel('ket_qua.xlsx', index=False, sheet_name='KetQua')

# Ghi nhiều sheet vào 1 file Excel
with pd.ExcelWriter('bao_cao_tong_hop.xlsx') as writer:
    df_sales.to_excel(writer, sheet_name='DoanhThu', index=False)
    df_costs.to_excel(writer, sheet_name='ChiPhi', index=False)

# Lọc nhân viên phòng IT
df_it = df[df['Phòng ban'] == 'IT']

# Lọc lương > 14 triệu
df_high = df[df['Lương'] > 14_000_000]

# Kết hợp nhiều điều kiện (AND)
df_it_high = df[(df['Phòng ban'] == 'IT') & (df['Lương'] > 14_000_000)]

# Dùng isin() cho nhiều giá trị
df_filtered = df[df['Phòng ban'].isin(['IT', 'HR'])]

# Dùng query() — cú pháp đẹp hơn
df_query = df.query('Tuổi >= 28 and Lương > 13_000_000')

# Lọc theo text
df_nguyen = df[df['Tên'].str.contains('Nguyễn', na=False)]

# Kiểm tra missing values
print(df.isnull().sum())

# Xoá dòng có NaN
df_clean = df.dropna()

# Điền giá trị thay thế
df['Tuổi'] = df['Tuổi'].fillna(df['Tuổi'].median())
df['Lương'] = df['Lương'].fillna(df['Lương'].mean())

# Group by + aggregate
result = df_sales.groupby(['Khu vực', 'Sản phẩm']).agg({
    'Doanh thu': ['sum', 'mean', 'count'],
    'Số lượng': 'sum'
}).round(0)

# Pivot Table
pivot = df_sales.pivot_table(
    values='Doanh thu',
    index='Khu vực',
    columns='Sản phẩm',
    aggfunc='sum',
    fill_value=0,
    margins=True
)

# INNER JOIN
result = pd.merge(df_orders, df_customers, on='MaKH', how='inner')

# LEFT JOIN
result = pd.merge(df_orders, df_customers, on='MaKH', how='left')

# Biểu đồ cột
df_sales.groupby('Sản phẩm')['Doanh thu'].sum().plot(
    kind='bar',
    title='Doanh thu theo Sản phẩm',
    color=['#3b82f6', '#10b981', '#f59e0b'],
    figsize=(8, 5)
)
plt.ylabel('Doanh thu (VNĐ)')
plt.tight_layout()
plt.show()

# Apply — Áp dụng hàm tuỳ chỉnh
def phan_loai_luong(luong):
    if luong >= 20_000_000: return 'Cao'
    elif luong >= 14_000_000: return 'Trung bình'
    else: return 'Thấp'

df['Phân loại'] = df['Lương'].apply(phan_loai_luong)

# Xử lý ngày tháng
df['Ngày'] = pd.to_datetime(df['Ngày'])
df['Tháng'] = df['Ngày'].dt.month
df['Quý'] = df['Ngày'].dt.quarter

# Method Chaining
result = (
    df_sales
    .query('Doanh_thu > 10_000_000')
    .groupby('Khu vực')
    .agg(Tổng=('Doanh thu', 'sum'))
    .sort_values('Tổng', ascending=False)
    .head(10)
)