# Tham Khảo Nhanh pandas

*DataFrames, lựa chọn, tổng hợp, kết hợp và nhiều hơn*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrames

### Tạo DataFrames

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

### Kiểm Tra

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `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

| Command | Description |
|---------|-------------|
| `.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
```