Xử Lý Dữ Liệu Bảng Cơ Bản Với Pandas

Trong phân tích và xử lý dữ liệu với Python, Pandas là thư viện phổ biến và mạnh mẽ bậc nhất. Pandas cung cấp các cấu trúc dữ liệu linh hoạt giúp việc thao tác, làm sạch và phân tích dữ liệu dạng bảng trở nên vô cùng nhanh chóng và hiệu quả.

1. Cài Đặt Và Nạp Thư Viện Pandas

Để bắt đầu sử dụng, bạn cần cài đặt thư viện Pandas thông qua công cụ quản lý gói pip trong terminal hoặc command prompt:

pip install pandas openpyxl

Lưu ý: Thư viện openpyxl giúp Pandas đọc và ghi các file Excel (.xlsx).

Khi viết mã nguồn Python, thư viện Pandas thường được nhập với tên ngắn gọn là pd:

import pandas as pd

2. Hai Cấu Trúc Dữ Liệu Cốt Lõi: Series và DataFrame

Series

Series là mảng một chiều có chứa nhãn (index), tương tự như một cột trong bảng tính hoặc một danh sách nâng cao.

import pandas as pd

# Tạo một Series
diem_so = pd.Series([8.5, 9.0, 7.5], index=['Toan', 'Van', 'Anh'])
print(diem_so)

DataFrame

DataFrame là cấu trúc dữ liệu hai chiều (dạng bảng gồm các hàng và cột), giống như một trang tính Excel hoặc bảng trong cơ sở dữ liệu SQL. Đây là cấu trúc được sử dụng phổ biến nhất trong Pandas.

import pandas as pd

# Tạo DataFrame từ Dictionary
data = {
    'Ten': ['An', 'Binh', 'Chi'],
    'Tuoi': [20, 22, 21],
    'Diem': [8.5, 9.0, 7.5]
}

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

3. Đọc Và Ghi Dữ Liệu Tệp CSV, Excel

Pandas hỗ trợ đọc và xuất dữ liệu ra nhiều định dạng tệp khác nhau một cách dễ dàng.

Đọc dữ liệu từ file CSV và Excel

# Đọc file CSV
df_csv = pd.read_csv('du_lieu.csv')

# Đọc file Excel
df_excel = pd.read_excel('du_lieu.xlsx', sheet_name='Sheet1')

# Xem 5 hàng đầu tiên
print(df_csv.head())

Ghi dữ liệu ra file

# Ghi DataFrame ra file CSV
df.to_csv('ket_qua.csv', index=False)

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

4. Thao Tác Lọc Và Truy Xuất Dữ Liệu

Một trong những điểm mạnh của Pandas là khả năng truy xuất và lọc dữ liệu linh hoạt theo điều kiện.

Chọn cột và hàng

# Chọn một cột (kết quả trả về một Series)
ten = df['Ten']

# Chọn nhiều cột (kết quả trả về một DataFrame)
sub_df = df[['Ten', 'Diem']]

# Truy xuất theo vị trí chỉ số với iloc (Hàng 0, Cột 1)
val = df.iloc[0, 1]

Lọc dữ liệu theo điều kiện (Boolean Indexing)

# Lọc danh sách sinh viên có điểm lớn hơn hoặc bằng 8.0
diem_cao = df[df['Diem'] >= 8.0]
print(diem_cao)

# Lọc kết hợp nhiều điều kiện (& là AND, | là OR)
khanh_hoa = df[(df['Diem'] >= 8.0) & (df['Tuoi'] < 22)]
print(khanh_hoa)

Kết Luận

Qua bài viết này, bạn đã nắm được các khái niệm cơ bản về Series, DataFrame, cách làm việc với các file dữ liệu phổ biến như CSV, Excel và các thao tác truy xuất, lọc dữ liệu cơ bản trong Pandas. Đây là nền tảng quan trọng giúp bạn tiếp tục khám phá các kỹ thuật phân tích và xử lý dữ liệu nâng cao hơn trong Python.

EDU ĐỒNG THÁP

Tìm kiếm Blog này