1. Giới thiệu thư viện Pandas

Khái niệm

Pandas là thư viện Python mạnh mẽ dùng để:

• Phân tích dữ liệu

• Xử lý dữ liệu dạng bảng

• Làm sạch dữ liệu

• Chuẩn bị dữ liệu cho Machine Learning

Pandas đặc biệt phù hợp với dữ liệu dạng bảng giống như Excel hoặc cơ sở dữ liệu.

Cài đặt và import thư viện

import pandas as pd

2. Phân biệt Series và DataFrame

2.1 Series

Series là mảng 1 chiều trong Pandas.

Có cấu trúc:

Index + Values

Ví dụ:

import pandas as pd

data = [10, 20, 30, 40]

s = pd.Series(data)

print(s)

Kết quả:

0    10
1    20
2    30
3    40

Trong đó:

2.2 DataFrame

DataFrame là bảng dữ liệu 2 chiều.

Giống như:

• bảng Excel

• bảng SQL

Có cấu trúc:

Rows (hàng)
Columns (cột)
Index
Values

Ví dụ:

data = {
    "Tên": ["An", "Bình", "Chi"],
    "Tuổi": [20, 21, 19],
    "Điểm": [8.5, 7.0, 9.0]
}

df = pd.DataFrame(data)

print(df)

Kết quả:

    Tên  Tuổi  Điểm
0   An   20    8.5
1  Bình  21    7.0
2   Chi  19    9.0

So sánh Series và DataFrame

3. Đọc dữ liệu từ các nguồn phổ biến

Trong thực tế, dữ liệu thường được lưu dưới dạng:

• CSV

• Excel

• JSON

Pandas hỗ trợ đọc rất dễ dàng.

3.1 Đọc file CSV

CSV là định dạng dữ liệu phổ biến nhất.

Ví dụ file:

sales.csv

df = pd.read_csv("sales.csv")

3.2 Đọc file Excel

df = pd.read_excel("sales.xlsx")

Có thể đọc sheet cụ thể:

df = pd.read_excel("sales.xlsx", sheet_name="Sheet1")

3.3 Đọc file JSON

df = pd.read_json("data.json")

4. Xem thông tin tổng quan dữ liệu

Sau khi đọc dữ liệu, cần khám phá dữ liệu ban đầu.

4.1 Xem 5 dòng đầu tiên

df.head()

Ví dụ:

df.head(10)

4.2 Xem 5 dòng cuối

df.tail()

4.3 Xem thông tin DataFrame

df.info()

Kết quả hiển thị:

• số dòng

• số cột

• kiểu dữ liệu

• dữ liệu thiếu

Ví dụ:

RangeIndex: 100 entries
Columns: 5
dtypes: int64, object, float64

4.4 Thống kê mô tả

df.describe()

Cho biết:

• mean

• min

• max

• std

• quartiles

5. Truy xuất dữ liệu

5.1 Truy xuất theo nhãn – loc

Cú pháp:

df.loc[row, column]

Ví dụ:

df.loc[0]

Lấy dòng đầu.

Lấy cột:

df.loc[:, "Tên"]

5.2 Truy xuất theo vị trí – iloc

Cú pháp:

df.iloc[row_index, column_index]

Ví dụ:

df.iloc[0]

Lấy dòng đầu.

Lấy ô dữ liệu:

df.iloc[0,1]

Ví dụ thực hành

df.iloc[0:5]

Lấy 5 dòng đầu.

III. LÝ THUYẾT LIÊN QUAN

1. Index trong Pandas

Index là chỉ số xác định vị trí dòng trong DataFrame.

Ví dụ:

0
1
2
3

Có thể đặt index mới:

df.set_index("Tên")

2. Columns

Columns là tên các cột dữ liệu.

Ví dụ:

Tên
Tuổi
Điểm

Có thể lấy danh sách cột:

df.columns

3. Khác nhau giữa loc và iloc

IV. TRÌNH TỰ THỰC HIỆN

Bước 1: Import thư viện

import pandas as pd

Bước 2: Đọc dữ liệu

df = pd.read_csv("sales.csv")

Bước 3: Kiểm tra dữ liệu

df.head()
df.info()

Bước 4: Truy xuất dữ liệu

Ví dụ:

df.loc[0]
df.iloc[0:5]

V. BÀI TẬP THỰC HÀNH

Bài tập

Cho file dữ liệu sales.csv chứa thông tin bán hàng gồm:

• Date

• Product

• Region

• Revenue

Yêu cầu

1. Đọc file dữ liệu bằng Pandas.

2. Hiển thị 10 dòng đầu tiên.

3. Xem thông tin dữ liệu bằng info().

4. Lấy dữ liệu của tháng 1.

5. Truy xuất:

   • 5 dòng đầu

   • 1 cột doanh thu.

Gợi ý code

import pandas as pd

df = pd.read_csv("sales.csv")

print(df.head())

print(df.info())

print(df["Revenue"])