DataFrames

Tạo DataFrames

import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})

Kiểm Tra

df.head(n)	n hàng đầu tiên (mặc định 5)
df.tail(n)	n hàng cuối cùng
df.shape	Tuple của (hàng, cột)
df.dtypes	Kiểu dữ liệu của mỗi cột
df.info()	Kiểu cột, số lượng không null
df.describe()	Thống kê cho cột số
df.columns	Tên cột dạng Index
df.index	Nhãn hàng

Đọc Dữ Liệu

Các Hàm Đọc Phổ Biến

df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)

Ghi Dữ Liệu

df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")

Tùy Chọn Đọc

sep=";"	Dấu phân cách tùy chỉnh
header=None	File không có hàng tiêu đề
usecols=[0,2]	Chỉ đọc cột cụ thể
nrows=100	Đọc 100 hàng đầu tiên
na_values=["N/A"]	Coi là NaN

Lựa Chọn

Cột

df["name"]              # single column (Series)
df[["name", "age"]]     # multiple columns (DataFrame)
df.name                 # attribute access (simple names)

Hàng Với loc / iloc

df.loc[0]              # row by label
df.loc[0:2, "name"]    # rows 0-2, column "name"
df.iloc[0]             # row by position
df.iloc[0:2, 0:2]     # first 2 rows, 2 cols

loc vs iloc

df.loc[row, col]	Chọn theo nhãn (cuối bao gồm)
df.iloc[row, col]	Chọn theo vị trí (cuối không bao gồm)
df.at[row, col]	Truy cập scalar nhanh theo nhãn
df.iat[row, col]	Truy cập scalar nhanh theo vị trí

Lọc

Lọc Boolean

df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]

Xử Lý Dữ Liệu Thiếu

df.isna().sum()          # NaN count per column
df.dropna()              # drop rows with any NaN
df.fillna(0)             # fill NaN with 0
df["col"].fillna(df["col"].mean())

Sắp Xếp

df.sort_values("age")                # ascending
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # multi

Tổng Hợp

Tổng Hợp Phổ Biến

df["col"].sum()	Tổng của cột
df["col"].mean()	Giá trị trung bình
df["col"].median()	Trung vị
df["col"].std()	Độ lệch chuẩn
df["col"].min() / .max()	Nhỏ nhất / lớn nhất
df["col"].count()	Số lượng không null
df["col"].nunique()	Số giá trị duy nhất
df["col"].value_counts()	Tần suất của mỗi giá trị

Nhiều Tổng Hợp

df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # summary stats for all numeric

GroupBy

Nhóm Cơ Bản

df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)

Nhiều Nhóm

df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # rows per group

Transform & Apply

df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))

Kết Hợp

Merge (Join kiểu SQL)

pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")

Các Loại Join

how="inner"	Chỉ giữ hàng khớp (mặc định)
how="left"	Giữ tất cả hàng trái, NaN nếu không khớp
how="right"	Giữ tất cả hàng phải
how="outer"	Giữ tất cả hàng từ cả hai phía

Nối

pd.concat([df1, df2])             # stack rows
pd.concat([df1, df2], axis=1)     # side by side
pd.concat([df1, df2], ignore_index=True)

Pivot Tables

Pivot Table

df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)

Biến Đổi Hình Dạng

df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")

Bảng Chéo

pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # row percentages

Chuỗi Thời Gian

Cơ Bản DateTime

df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()

Khoảng Ngày & Resample

pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()

Thuộc Tính Accessor

.dt.year / .dt.month / .dt.day	Trích xuất thành phần ngày
.dt.hour / .dt.minute	Trích xuất thành phần giờ
.dt.day_name()	Tên thứ trong tuần (Monday, v.v.)
.dt.days_in_month	Số ngày trong tháng đó

Mẫu Phổ Biến

Đổi Tên Cột

df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # replace all

Thêm / Sửa Cột

df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)

Xóa Cột / Hàng

df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)

Thao Tác Chuỗi

df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # first name

THAM KHẢO NHANH PANDAS