Pandas là một trong những thư viện “must-have” trong Python, đặc biệt với sinh viên ngành Xử lý Dữ liệu tại FPT Polytechnic TP HCM. Nếu bạn đang học phân tích dữ liệu, thống kê, hay chuẩn bị bước vào Machine Learning, thì việc làm chủ Pandas sẽ mở ra cho bạn vô số cơ hội.

Pandas là gì?

Pandas là thư viện Python chuyên xử lý dữ liệu dạng bảng (giống như file Excel), giúp bạn:

• Đọc dữ liệu từ nhiều nguồn (CSV, Excel, SQL, JSON,…),
• Làm sạch, biến đổi, thống kê và phân tích dữ liệu nhanh chóng,
• Xử lý tập dữ liệu lớn hiệu quả chỉ với vài dòng lệnh.

Hai cấu trúc dữ liệu chính trong Pandas:

• Series: 1 chiều (giống như 1 cột dữ liệu).
• DataFrame: 2 chiều (giống như bảng nhiều hàng, nhiều cột).

Vì sao sinh viên ngành Xử lý Dữ liệu cần học Pandas?

Trong quá trình học và làm việc thực tế, bạn sẽ thường xuyên:

• Phân tích các tập dữ liệu lớn.
• Tiền xử lý dữ liệu trước khi đưa vào mô hình Machine Learning.
• Trích xuất, tổng hợp, báo cáo dữ liệu.

Pandas sẽ giúp bạn thực hiện những công việc này nhanh hơn và hiệu quả hơn rất nhiều so với việc làm thủ công.

Cài đặt Pandas như thế nào?

Bạn chỉ cần một lệnh đơn giản trên Terminal hoặc Command Prompt:

pip install pandas

Nếu bạn dùng Google Colab, chỉ cần thêm vào đầu notebook:

!pip install pandas

Sau đó, chỉ cần import Pandas vào chương trình:

import pandas as pd

Cách sử dụng cơ bản Pandas

Sau khi cài đặt và import, Pandas hỗ trợ bạn:

Ví dụ minh họa 1: Phân tích điểm số sinh viên

Giả sử bạn có file diem_sinhvien.csv:

Ten,Mon,Điểm

Nguyen Van A,Python,8.5

Nguyen Van B,Python,7.0

Nguyen Van C,Python,9.0

Nguyen Van D,Python,6.5

Chỉ cần 5 dòng code, bạn đã có thể:

• Đọc dữ liệu,
• Tính toán thống kê,
• Lọc điều kiện dữ liệu theo yêu cầu.

Đây chính là những kỹ năng cơ bản nhưng cực kỳ quan trọng cho các dự án xử lý dữ liệu thực tế.

Ví dụ minh họa 2: Thống kê nhiều môn học

Bạn có tập dữ liệu nhiều môn học:

Ten,Mon,Diem

Nguyen Van A,Python,8.5

Nguyen Van A,SQL,7.5

Nguyen Van B,Python,6.0

Nguyen Van B,SQL,8.0

Tính điểm trung bình theo sinh viên:

Bạn thấy đó, chỉ với 1 dòng groupby, bạn đã có bảng điểm trung bình theo sinh viên!

Một số “kỹ thuật” khai thác Pandas mạnh mẽ

• Làm sạch dữ liệu:
  • df.dropna() ➔ Xóa dòng bị thiếu dữ liệu,
  • df.fillna(0) ➔ Điền giá trị mặc định cho ô trống.
• Tạo cột mới:
  • df[‘Xếp loại’] = df[‘Điểm’].apply(lambda x: ‘Giỏi’ if x >= 8 else ‘Khá’)

• Sắp xếp dữ liệu:
  • df.sort_values(by=’Điểm’, ascending=False)
• Lưu dữ liệu sau xử lý:
  • df.to_csv(‘diem_sinhvien_moi.csv’, index=False)

Kết luận

Học Pandas không chỉ giúp bạn xử lý dữ liệu nhanh gọn, mà còn tạo nền tảng vững chắc cho các môn học nâng cao như Machine Learning, Phân tích dữ liệu và Trực quan hóa dữ liệu.

Việc thành thạo Pandas sẽ giúp sinh viên ngành Xử lý Dữ liệu:

• Tiết kiệm hàng giờ làm việc với bảng tính,
• Phân tích dữ liệu chuyên nghiệp hơn,
• Chuẩn bị sẵn nền tảng cho các công việc tương lai như Data Analyst, Data Engineer, hoặc AI Engineer.

Hãy bắt đầu học Pandas ngay từ hôm nay để chinh phục thế giới dữ liệu nhé các em sinh viên ngành Xử Lý Dữ Liệu!

Giảng viên Nguyễn Phạm Khánh Ngọc
Bộ môn Ứng dụng phần mềm
FPT Polytechnic TP HCM