Sách Python for Data Analysis - 3rd Edition của Wes McKinney

Khám phá Oceanofpdf com với cuốn sách Python for Data Analysis, ấn bản thứ 3 của Wes McKinney, hướng dẫn phân tích dữ liệu hiệu quả.

• Tác giả: Wes McKinney
• Người hướng dẫn: Jessica Haberman, Acquisitions Editor
• Trường học: O'Reilly Media
• Chuyên ngành: Data Analysis
• Đề tài: Hướng Dẫn Phân Tích Dữ Liệu Với Python
• Loại tài liệu: book
• Năm xuất bản: 2022
• Địa điểm: Sebastopol

Mục lục chi tiết

• Preface
• 1. CHƯƠNG 1: What Is This Book About?
• 1.1. What Kinds of Data?
• 1.2. Why Python for Data Analysis?
• 1.3. Essential Python Libraries
• 1.4. Installation and Setup
• 1.5. Community and Conferences
• 1.6. Navigating This Book
• 2. CHƯƠNG 2: Python Language Basics, IPython, and Jupyter Notebooks
• 2.1. The Python Interpreter
• 2.2. IPython Basics
• 2.3. Python Language Basics
• 3. CHƯƠNG 3: Built-In Data Structures, Functions, and Files
• 3.1. Data Structures and Sequences
• 3.2. Functions
• 3.3. Files and the Operating System
• 4. CHƯƠNG 4: NumPy Basics: Arrays and Vectorized Computation
• 4.1. The NumPy ndarray: A Multidimensional Array Object
• 4.2. Pseudorandom Number Generation
• 4.3. Universal Functions: Fast Element-Wise Array Functions
• 4.4. Array-Oriented Programming with Arrays
• 4.5. File Input and Output with Arrays
• 4.7. Example: Random Walks
• 5. CHƯƠNG 5: Getting Started with pandas
• 5.1. Introduction to pandas Data Structures
• 5.2. Essential Functionality
• 5.3. Summarizing and Computing Descriptive Statistics
• 6. CHƯƠNG 6: Data Loading, Storage, and File Formats
• 6.1. Reading and Writing Data in Text Format
• 6.2. Binary Data Formats
• 6.3. Interacting with Web APIs
• 6.4. Interacting with Databases
• 7. CHƯƠNG 7: Data Cleaning and Preparation
• 7.1. Handling Missing Data
• 7.2. Data Transformation
• 7.3. Extension Data Types
• 7.4. String Manipulation
• 7.5. Categorical Data
• 8. CHƯƠNG 8: Data Wrangling: Join, Combine, and Reshape
• 8.1. Hierarchical Indexing
• 8.2. Combining and Merging Datasets
• 8.3. Reshaping and Pivoting
• 9. CHƯƠNG 9: Plotting and Visualization
• 9.1. A Brief matplotlib API Primer
• 9.2. Plotting with pandas and seaborn
• 9.3. Other Python Visualization Tools
• 10. CHƯƠNG 10: Data Aggregation and Group Operations
• 10.1. How to Think About Group Operations
• 10.2. Data Aggregation
• 10.3. Apply: General split-apply-combine
• 10.4. Group Transforms and “Unwrapped” GroupBys
• 10.5. Pivot Tables and Cross-Tabulation
• 11. CHƯƠNG 11: Date and Time Data Types and Tools
• 11.1. Date and Time Data Types and Tools
• 11.2. Time Series Basics
• 11.3. Date Ranges, Frequencies, and Shifting
• 11.4. Time Zone Handling
• 11.5. Periods and Period Arithmetic
• 11.6. Resampling and Frequency Conversion
• 11.7. Moving Window Functions
• 12. CHƯƠNG 12: Introduction to Modeling Libraries in Python
• 12.1. Interfacing Between pandas and Model Code
• 12.2. Creating Model Descriptions with Patsy
• 12.3. Introduction to statsmodels
• 12.4. Introduction to scikit-learn
• 13. CHƯƠNG 13: Data Analysis Examples
• 13.1. ndarray Object Internals
• 13.2. MovieLens 1M Dataset
• 13.3. US Baby Names 1880–2010
• 13.4. USDA Food Database
• 13.5. 2012 Federal Election Commission Database
• Appendices
• A. Advanced Array Manipulation
• A.1. Reshaping Arrays
• A.2. Broadcasting
• A.3. Advanced ufunc Usage
• A.4. Structured and Record Arrays
• A.5. More About Sorting
• A.6. Writing Fast NumPy Functions with Numba
• A.7. Advanced Array Input and Output
• A.8. Performance Tips
• B. More on the IPython System
• B.1. Terminal Keyboard Shortcuts
• B.2. About Magic Commands
• B.3. Using the Command History
• B.4. Interacting with the Operating System
• B.5. Software Development Tools
• B.6. Tips for Productive Code Development Using IPython
• B.7. Advanced IPython Features

Tóm tắt

I. Hướng Dẫn Tổng Quan Về Phân Tích Dữ Liệu Với Python

Phân tích dữ liệu là một lĩnh vực quan trọng trong khoa học dữ liệu. Sách 'Python for Data Analysis' của Wes McKinney cung cấp hướng dẫn chi tiết về cách sử dụng Python để xử lý và phân tích dữ liệu. Tài liệu này không chỉ giúp người đọc hiểu rõ về Pandas và NumPy, mà còn cung cấp các ví dụ thực tiễn để giải quyết các vấn đề phân tích dữ liệu phức tạp.

1.1. Giới Thiệu Về Wes McKinney Và Tác Phẩm Của Ông

Wes McKinney là người sáng lập dự án Pandas. Ông đã viết cuốn sách này để giúp các nhà phân tích dữ liệu nắm vững các công cụ cần thiết cho việc xử lý dữ liệu. Cuốn sách này là tài liệu tham khảo quan trọng cho những ai muốn tìm hiểu về phân tích dữ liệu với Python.

1.2. Tại Sao Nên Chọn Python Cho Phân Tích Dữ Liệu

Python là ngôn ngữ lập trình phổ biến trong lĩnh vực phân tích dữ liệu nhờ vào cú pháp dễ hiểu và thư viện phong phú. Sự linh hoạt của Python cho phép người dùng thực hiện nhiều tác vụ khác nhau từ xử lý dữ liệu đến machine learning.

II. Những Thách Thức Trong Phân Tích Dữ Liệu Với Python

Mặc dù Python là một công cụ mạnh mẽ, nhưng việc phân tích dữ liệu vẫn gặp nhiều thách thức. Các vấn đề như dữ liệu không đầy đủ, dữ liệu không đồng nhất và việc lựa chọn phương pháp phân tích phù hợp là những khó khăn thường gặp. Cuốn sách của Wes McKinney giúp người đọc nhận diện và giải quyết những vấn đề này.

2.1. Vấn Đề Dữ Liệu Thiếu

Dữ liệu thiếu có thể gây ra những sai lệch trong kết quả phân tích. Wes McKinney cung cấp các phương pháp để xử lý dữ liệu thiếu, bao gồm việc loại bỏ hoặc thay thế các giá trị thiếu.

2.2. Dữ Liệu Không Đồng Nhất

Dữ liệu không đồng nhất có thể đến từ nhiều nguồn khác nhau. Việc chuẩn hóa dữ liệu là cần thiết để đảm bảo tính chính xác trong phân tích. Cuốn sách hướng dẫn cách sử dụng Pandas để chuẩn hóa dữ liệu hiệu quả.

III. Phương Pháp Phân Tích Dữ Liệu Với Python

Cuốn sách 'Python for Data Analysis' giới thiệu nhiều phương pháp phân tích dữ liệu khác nhau. Các phương pháp này bao gồm xử lý dữ liệu, trực quan hóa dữ liệu, và phân tích thống kê. Mỗi phương pháp đều có những công cụ và kỹ thuật riêng để đạt được kết quả tốt nhất.

3.1. Xử Lý Dữ Liệu Với Pandas

Pandas là thư viện chính để xử lý dữ liệu trong Python. Nó cung cấp các công cụ mạnh mẽ để làm sạch, biến đổi, và phân tích dữ liệu. Các chức năng như groupBy và merge giúp người dùng dễ dàng thao tác với dữ liệu.

3.2. Trực Quan Hóa Dữ Liệu Với Matplotlib

Trực quan hóa dữ liệu là một phần quan trọng trong phân tích. Matplotlib là thư viện phổ biến để tạo ra các biểu đồ và đồ thị. Cuốn sách hướng dẫn cách sử dụng Matplotlib để tạo ra các hình ảnh trực quan giúp người đọc dễ dàng hiểu dữ liệu.

IV. Ứng Dụng Thực Tiễn Của Phân Tích Dữ Liệu

Phân tích dữ liệu có nhiều ứng dụng thực tiễn trong các lĩnh vực như tài chính, y tế, và marketing. Cuốn sách của Wes McKinney cung cấp các ví dụ thực tế để minh họa cách áp dụng các kỹ thuật phân tích dữ liệu vào các tình huống cụ thể.

4.1. Phân Tích Dữ Liệu Trong Tài Chính

Trong lĩnh vực tài chính, phân tích dữ liệu giúp các nhà đầu tư đưa ra quyết định thông minh hơn. Cuốn sách cung cấp các ví dụ về cách sử dụng Python để phân tích dữ liệu tài chính và dự đoán xu hướng thị trường.

4.2. Phân Tích Dữ Liệu Trong Y Tế

Phân tích dữ liệu trong y tế có thể giúp cải thiện chất lượng chăm sóc sức khỏe. Các ví dụ trong sách cho thấy cách sử dụng Python để phân tích dữ liệu bệnh nhân và phát hiện các xu hướng sức khỏe.

V. Kết Luận Và Tương Lai Của Phân Tích Dữ Liệu Với Python

Phân tích dữ liệu với Python đang ngày càng trở nên quan trọng trong thế giới hiện đại. Cuốn sách của Wes McKinney không chỉ cung cấp kiến thức cơ bản mà còn mở ra hướng đi cho tương lai của phân tích dữ liệu. Sự phát triển của các công cụ và thư viện mới sẽ tiếp tục thúc đẩy lĩnh vực này.

5.1. Tương Lai Của Python Trong Phân Tích Dữ Liệu

Python sẽ tiếp tục là ngôn ngữ chính trong phân tích dữ liệu nhờ vào sự phát triển không ngừng của các thư viện như Pandas và NumPy. Sự hỗ trợ từ cộng đồng cũng sẽ giúp Python duy trì vị thế của mình.

5.2. Xu Hướng Mới Trong Phân Tích Dữ Liệu

Các xu hướng như machine learning và trí tuệ nhân tạo đang ngày càng được tích hợp vào phân tích dữ liệu. Cuốn sách cung cấp cái nhìn sâu sắc về cách các công nghệ này có thể được áp dụng trong thực tiễn.

Nội dung chính

Phân Tích Thư Mục Và Nội Dung Giáo Trình: Python for Data Analysis (Ấn Bản Lần 3)

Thông tin thư mục học thuật:

• Tên tác phẩm: Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter (Third Edition)
• Tác giả: Wes McKinney
• Nhà xuất bản: O'Reilly Media, Inc.
• Năm xuất bản: 2022 (Ấn bản 1: 2012; Ấn bản 2: 2017)
• Mã số tiêu chuẩn quốc tế (ISBN): 978-1-098-10403-0
• Ngôn ngữ lập trình và phiên bản: Python (tương thích Python 3.10/3.11)

---

Tổng quan về giáo trình

Giáo trình Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter (Ấn bản lần 3, năm 2022) của tác giả Wes McKinney là tài liệu học thuật tiêu chuẩn, định hướng kỹ thuật chuyên sâu về thao tác, xử lý, làm sạch và tổng hợp dữ liệu có cấu trúc. Trong khung chương trình đào tạo đại học và sau đại học, tài liệu này giữ vị trí môn học cơ sở chuyên ngành hoặc tự chọn thuộc các khối ngành Khoa học máy tính, Khoa học dữ liệu, Hệ thống thông tin, Thống kê ứng dụng và Tài chính định lượng.

Mục tiêu học tập của giáo trình tập trung vào việc trang bị cho người học năng lực làm việc trực tiếp với dữ liệu bảng (tabular data) và chuỗi thời gian (time series). Người học được rèn luyện khả năng thiết lập môi trường tính toán khoa học, thao tác với cấu trúc mảng nhiều chiều (ndarray trong NumPy), sử dụng cấu trúc bảng (Series và DataFrame trong pandas), xử lý dữ liệu bị khuyết, tái định hình cấu trúc dữ liệu, phân nhóm và trực quan hóa dữ liệu trước khi kết nối với các mô hình học máy hoặc thống kê.

Cấu trúc giáo trình được thiết kế theo tiến trình tuyến tính kết hợp thực nghiệm lặp. Giáo trình bắt đầu từ việc thiết lập công cụ phát triển (Miniconda, Jupyter Notebook, IPython), hệ thống hóa cú pháp Python nền tảng, mở rộng sang các cấu trúc mảng khối, đi sâu vào thư viện cốt lõi pandas, và kết thúc bằng các nghiên cứu tình huống thực nghiệm đa biến cùng các kỹ thuật nâng cao ở phụ lục.

Điểm đặc sắc của giáo trình nằm ở góc nhìn của chính tác giả: Wes McKinney là người sáng lập dự án mã nguồn mở pandas từ năm 2008 tại AQR Capital Management. Do đó, tài liệu không dừng lại ở việc giải thích cú pháp hàm mà còn phân tích chi tiết nguyên lý thiết kế hệ thống, cơ chế quản lý bộ nhớ, giải quyết bài toán "Two-Language Problem" và giải pháp tích hợp mã nguồn C/FORTRAN hiệu năng cao vào môi trường Python.

---

Nội dung kiến thức cốt lõi

Các chương và chủ đề chính

Giáo trình gồm 13 chương nội dung chính cùng 2 phụ lục chuyên sâu, trong đó có 7 khối kiến thức trọng tâm:

1. Chương 4: Kiến thức cơ bản về NumPy – Mảng và Tính toán véc-tơ hóa (NumPy Basics: Arrays and Vectorized Computation):
   Trọng tâm là cấu trúc ndarray, các kiểu dữ liệu mảng, phép toán số học giữa các mảng, kỹ thuật cắt mảng (slicing), đánh chỉ mục boolean (boolean indexing), fancy indexing, và các hàm phổ biến (universal functions - ufuncs). Chương này minh họa thuật toán mô phỏng bước đi ngẫu nhiên (Random Walks) bằng kỹ thuật véc-tơ hóa thay thế cho vòng lặp truyền thống.

2. Chương 5 & 6: Cấu trúc pandas và Nạp/Lưu trữ dữ liệu (pandas Data Structures & Data Loading):
   Phân tích cấu trúc dữ liệu một chiều Series và hai chiều DataFrame, các cơ chế căn chỉnh dữ liệu tự động (data alignment), sắp xếp thứ bậc, và tính toán thống kê mô tả. Đồng thời, giáo trình hướng dẫn giao tiếp vào/ra (I/O) với tệp văn bản theo khối (chunking), tệp JSON, XML, bảng tính Microsoft Excel, định dạng nhị phân HDF5, API web và cơ sở dữ liệu quan hệ SQL.

3. Chương 7: Làm sạch và Chuẩn bị dữ liệu (Data Cleaning and Preparation):
   Cung cấp các kỹ thuật xử lý giá trị khuyết (NA/null), loại bỏ bản ghi trùng lặp, ánh xạ biến đổi dữ liệu, chia nhóm giá trị (discretization/binning), phát hiện ngoại lai (outliers), xử lý biến phân loại (Categorical), biểu thức chính quy (regular expressions) và chuỗi văn bản dạng mở rộng.

4. Chương 8: Thao tác dữ liệu – Kết hợp, Hợp nhất và Tái định hình (Data Wrangling: Join, Combine, and Reshape):
   Xây dựng hệ thống chỉ mục phân cấp (Hierarchical Indexing/MultiIndex). Chương này đi sâu vào các phép toán quan hệ kiểu cơ sở dữ liệu: ghép bảng (merge/join), nối mảng theo trục (concat), và các phép biến đổi hình học dữ liệu từ dạng dài sang dạng rộng (unstacking/pivoting) và ngược lại (melting).

5. Chương 9: Trực quan hóa dữ liệu (Plotting and Visualization):
   Trình bày nền tảng đồ họa matplotlib API, quản lý cửa sổ hiển thị (Figure) và khung tọa độ con (Subplot), hiệu chỉnh nhãn, chú giải, vạch chia. Đồng thời, giáo trình kết hợp thư viện seaborn để vẽ đồ thị mật độ, biểu đồ phân tán ma trận, và lưới trực quan đa chiều (Facet Grids).

6. Chương 10 & 11: Phân nhóm dữ liệu và Chuỗi thời gian (Group Operations & Time Series):
   Trình bày mô hình split-apply-combine thông qua phương thức groupby, bảng tổng hợp chéo (pivot_table, crosstab). Chương chuỗi thời gian phân tích kiểu dữ liệu Timestamp, PeriodIndex, phép dịch chuyển dữ liệu (lagging/leading), bản địa hóa múi giờ (time zones), lấy mẫu lại tần suất (resampling/interpolation) và các hàm cửa sổ trượt (moving window functions).

7. Chương 13: Các ví dụ phân tích dữ liệu thực tế (Data Analysis Examples):
   Triển khai phân tích hoàn chỉnh trên 5 tập dữ liệu công khai:

   • Tập dữ liệu rút gọn liên kết Bitly từ trang 1.gov (đếm múi giờ, phân tích tác nhân người dùng).
   • Tập dữ liệu đánh giá phim MovieLens 1M (đo lường mức độ bất đồng đánh giá giữa các nhóm nhân khẩu học).
   • Dữ liệu tên trẻ sơ sinh tại Hoa Kỳ từ 1880–2010 (US Baby Names - phân tích xu hướng đặt tên qua các thời kỳ).
   • Cơ sở dữ liệu dinh dưỡng từ Bộ Nông nghiệp Hoa Kỳ (USDA Food Database - xử lý JSON lồng nhau).
   • Dữ liệu đóng góp tài chính của Ủy ban Bầu cử Liên bang Hoa Kỳ năm 2012 (2012 Federal Election Commission Database).

Kiến thức nền tảng được xây dựng

Giáo trình xây dựng hệ thống nguyên lý máy tính và toán học ứng dụng cụ thể:

• Mô hình đối tượng và định kiểu mạnh trong Python: Phân tích cơ chế liên kết tham chiếu (variable binding/references), kiểu dữ liệu biến đổi (mutable) và bất biến (immutable), nguyên lý duck typing, và cơ chế khóa thông dịch viên toàn cục (Global Interpreter Lock - GIL).
• Nguyên lý tính toán theo mảng (Array-Oriented Programming): Phân tích cơ chế bộ nhớ liên tục (contiguous memory), thứ tự lưu trữ bộ nhớ theo chuẩn C (row-major) và FORTRAN (column-major), cùng quy tắc lan truyền (broadcasting) đa chiều của NumPy.
• Đại số quan hệ và mô hình xử lý phân tán: Cung cấp nền tảng toán học của các phép toán trên bảng (phép chiếu, phép chọn, tích Descartes, phép kết nối bên trong/ngoài) tương thích với logic SQL.

Kỹ năng phát triển

• Kỹ năng kỹ thuật: Làm chủ hệ sinh thái phân tích dữ liệu Python (NumPy, pandas, matplotlib, seaborn, SciPy, statsmodels, scikit-learn, Numba, PyArrow). Khả năng cấu hình môi trường Conda và tự động hóa quy trình I/O.
• Kỹ năng phân tích: Kỹ năng phân tích lát cắt đa chiều, nhận diện sai lệch mẫu, phát hiện dị biệt thống kê, kiểm định hiệp phương sai/tương quan, và xử lý tần suất chuỗi dữ liệu phức tạp.
• Kỹ năng thực nghiệm: Năng lực xử lý dữ liệu hỗn hợp (messy data), chuẩn hóa dữ liệu văn bản phi cấu trúc, tái cấu trúc bảng dữ liệu để đưa vào các mô hình hồi quy hoặc thuật toán phân loại.

---

Phương pháp giảng dạy và học tập

Giáo trình được thiết kế theo phương pháp tiếp cận thực nghiệm tương tác (interactive exploratory computing). Thay vì áp dụng chu trình biên dịch truyền thống (edit-compile-run), tác giả đề xuất quy trình "thực thi - khám phá" (execute-explore) thông qua shell nâng cao IPython và tài liệu tương tác Jupyter Notebook.

Cấu trúc bài tập và tình huống thực hành

Giáo trình sử dụng các đoạn mã nguồn ngắn gọn, kèm đầu vào (In [ ]) và kết quả đầu ra trực quan (Out [ ]). Người học thực hiện trực tiếp từng dòng lệnh, kiểm tra trạng thái của các đối tượng dữ liệu trong bộ nhớ thông qua cơ chế phản chiếu (introspection ?) và tự động hoàn thành lệnh (Tab completion).

Các bài tập tình huống trong giáo trình được trích xuất từ dữ liệu công cộng thực tế, không sử dụng dữ liệu giả lập đơn giản hóa quá mức. Việc này buộc người học phải đối mặt với các vấn đề kỹ thuật thực tế: dữ liệu bị khuyết không đồng nhất, định dạng chuỗi ký tự sai quy chuẩn, nhãn cột bị phân mảnh, và sai lệch múi giờ.

Hướng dẫn tự học và đánh giá kết quả

• Thiết lập chuẩn hóa môi trường: Sử dụng công cụ quản lý gói Miniconda với kênh conda-forge, thiết lập môi trường ảo biệt lập:

  conda create -y -n pydata-book python=3.10
  conda activate pydata-book
  conda install -y pandas jupyter matplotlib seaborn scipy statsmodels scikit-learn
  

• Kiểm chuẩn hiệu năng: Thực hiện đánh giá thời gian chạy bằng các lệnh magic của IPython như %time, %timeit và phân tích hồ sơ hiệu năng chuyên sâu qua %prun.
• Gỡ lỗi và kiểm thử: Sử dụng trình gỡ lỗi tương tác (%debug) để theo dõi các điểm ngắt khi xuất hiện ngoại lệ TypeError hoặc KeyError trong quá trình biến đổi dữ liệu.

---

Điểm nổi bật và cập nhật

Ấn bản lần 3 (2022) phản ánh sự phát triển của hệ sinh thái dữ liệu Python sau một thập kỷ kể từ ấn bản đầu tiên (2012):

• Đồng bộ hóa phiên bản: Cập nhật toàn diện cho Python 3.10 và tương thích Python 3.11, loại bỏ hoàn toàn các cú pháp cũ của Python 2.7 và các phương thức đã ngừng hỗ trợ trong pandas 1.x+.
• Cơ chế xuất bản mở (Open Access): Giáo trình được biên dịch lại toàn bộ bằng hệ thống xuất bản khoa học kỹ thuật Quarto, cung cấp phiên bản đọc trực tuyến mở tại trang web cá nhân của tác giả (wesmckinney.com/book) song song với ấn bản in.
• Tích hợp các công nghệ hiệu năng cao mới: Bổ sung các nội dung về kiểu dữ liệu mở rộng (Extension Types), tối ưu hóa tính toán với trình biên dịch JIT Numba, kết nối với Apache Arrow/PyArrow và các chuẩn lưu trữ dữ liệu dạng cột (Parquet).
• Tính bảo toàn nội dung học thuật: Tác giả chủ động giới hạn việc phụ thuộc vào các thư viện thử nghiệm ngắn hạn nhằm đảm bảo tính ổn định và giá trị tham khảo của giáo trình trong các chương trình đào tạo dài hạn.

---

Đối tượng sử dụng giáo trình

• Sinh viên đại học và học viên cao học: Sinh viên từ năm thứ 2 trở lên thuộc các ngành Khoa học dữ liệu, Khoa học máy tính, Thống kê, Kinh tế ứng dụng, Tài chính định lượng và Kỹ thuật công nghiệp.
• Yêu cầu tiên quyết: Người học cần có kiến thức cơ bản về tư duy lập trình hoặc bảng tính. Đối với người chưa có kinh nghiệm Python, Chương 2 và Chương 3 cung cấp phần tóm tắt cú pháp cơ bản và các cấu trúc dữ liệu tích hợp (list, tuple, dict, set, hàm và tệp).
• Giảng viên và nhà nghiên cứu: Giảng viên có thể sử dụng cấu trúc giáo trình để xây dựng đề cương môn học "Lập trình phân tích dữ liệu", sử dụng toàn bộ kho mã nguồn và tập dữ liệu mẫu được chuẩn hóa trên kho lưu trữ GitHub của sách làm học liệu cho các buổi thực hành phòng máy.
• Chuyên viên phân tích và kỹ sư phần mềm: Là tài liệu tham khảo kỹ thuật cho các kỹ sư phần mềm muốn chuyển hướng sang xử lý dữ liệu khoa học, hoặc các chuyên viên phân tích nghiệp vụ (Business Analysts) muốn mở rộng khả năng xử lý vượt ra ngoài giới hạn bộ nhớ của phần mềm bảng tính.

---

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp cho sinh viên, giảng viên và các chuyên viên phân tích cần trang bị kỹ năng lập trình thao tác dữ liệu bảng, làm sạch và xử lý dữ liệu khoa học bằng ngôn ngữ Python.

2. Cần kiến thức nền nào để học?

Người học chỉ cần nắm được logic lập trình cơ bản và các khái niệm toán học phổ thông (đại số tuyến tính cơ bản, thống kê mô tả). Các cú pháp cốt lõi của Python được tóm lược đầy đủ trong hai chương đầu của tài liệu.

3. Điểm khác biệt của giáo trình này so với các tài liệu khác?

Giáo trình tập trung sâu vào kỹ thuật lập trình thao tác dữ liệu (data wrangling/munging) với các thư viện nền tảng (pandas, NumPy) thay vì chỉ trình bày các thuật toán học máy lý thuyết trừu tượng. Giáo trình được viết bởi chính tác giả sáng lập thư viện pandas.

4. Làm sao để tự học giáo trình hiệu quả?

Người học nên chạy đồng thời môi trường Jupyter Notebook hoặc IPython Shell, gõ lại các đoạn mã lệnh trong sách, tải toàn bộ tập dữ liệu mẫu và tự thực hiện các thao tác thay đổi tham số hàm để quan sát kết quả trực tiếp.

5. Có tài liệu bổ trợ nào kèm theo không?

Toàn bộ mã nguồn mẫu và 5 tập dữ liệu hoàn chỉnh được lưu trữ mở trên kho lưu trữ GitHub (github.com/wesm/pydata-book) và máy chủ nhân bản Gitee (gitee.com/wesmckinn/pydata-book), cùng phiên bản web truy cập mở qua nền tảng Quarto.

---

Kết luận

Giáo trình Python for Data Analysis (Third Edition) của Wes McKinney xác lập tiêu chuẩn học thuật trong việc đào tạo kỹ năng tiền xử lý và phân tích dữ liệu có cấu trúc. Giá trị cốt lõi của tài liệu nằm ở việc kết hợp chặt chẽ giữa nguyên lý thiết kế phần mềm và các thao tác bảng thực tế.

Lộ trình học tập đề xuất:

1. Nắm vững cú pháp cơ bản và mảng nhiều chiều (Chương 1 đến Chương 4).
2. Xây dựng kỹ năng thao tác bảng và làm sạch dữ liệu với pandas (Chương 5 đến Chương 8).
3. Làm chủ kỹ thuật trực quan hóa và xử lý chuỗi thời gian (Chương 9 đến Chương 11).
4. Thực hành giải quyết các bài toán thực nghiệm đa biến (Chương 12, 13 và Phụ lục A, B).

Nguồn tài nguyên đi kèm bao gồm kho lưu trữ GitHub wesm/pydata-book, trang nội dung mở wesmckinney.com/book và hệ thống thông báo lỗi hiệu chỉnh chính thức từ O'Reilly Media.

Trích đoạn nội dung tài liệu

Python for Data Analysis Data Wrangling with pandas, NumPy & Jupyter by Wes McKinney Python for Data Analysis Get the definitive handbook for manipulating, processing, cleaning, and crunching datasets in Python. Updated for “With this new edition, Python 3.4, the third edition of this hands- Wes has updated his on guide is packed with practical case studies that show you book to ensure it remains how to solve a broad set of data analysis problems effectively. the go-to resource for You’ll learn the latest versions of pandas, NumPy, and Jupyter in the process. all things related to data analysis with Python Written by Wes McKinney, the creator of the Python pandas project, this book is a practical, modern introduction to and pandas.

I cannot data science tools in Python. It’s ideal for analysts new to recommend this book Python and for Python programmers new to data science highly enough.” and scientific computing. Data files and related material are —Paul Barry available on GitHub. Lecturer and author of O’Reilly’s Head First Python • Use the Jupyter notebook and the IPython shell for exploratory computing Wes McKinney, cofounder and chief • Learn basic and advanced features in NumPy technology officer of Voltron Data, is • Get started with data analysis tools in the pandas library an active member of the Python data community and an advocate for Python • Use flexible tools to load, clean, transform, merge, and use in data analysis, finance, and reshape data statistical computing applications.

A • Create informative visualizations with matplotlib graduate of MIT, he’s also a member of the project management committees • Apply the pandas groupBy facility to slice, dice, and for the Apache Software Foundation’s summarize datasets Apache Arrow and Apache Parquet projects. • Analyze and manipulate regular and irregular time series data • Learn how to solve real-world data analysis problems with thorough, detailed examples DATA Twitter: @oreillymedia linkedin.com/company/oreilly-media US $69.com/oreillymedia ISBN: 978-1-098-10403-0 56999 9 781098 104030 THIRD EDITION Python for Data Analysis Data Wrangling with pandas, NumPy, and Jupyter Wes McKinney Beijing Boston Farnham Sebastopol Tokyo Python for Data Analysis by Wes McKinney Copyright © 2022 Wesley McKinney. All rights reserved. Printed in the United States of America.

Published by O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebastopol, CA 95472. O’Reilly books may be purchased for educational, business, or sales promotional use. Online editions are also available for most titles (http://oreilly. For more information, contact our corporate/institutional sales department: 800-998-9938 or corporate@oreilly.

Acquisitions Editor: Jessica Haberman Indexer: Sue Klefstad Development Editor: Angela Rufino Interior Designer: David Futato Production Editor: Christopher Faucher Cover Designer: Karen Montgomery Copyeditor: Sonia Saruba Illustrator: Kate Dullea Proofreader: Piper Editorial Consulting, LLC October 2012: First Edition October 2017: Second Edition August 2022: Third Edition Revision History for the Third Edition 2022-08-12: First Release See https://www.com/catalog/errata.csp?isbn=0636920519829 for release details. The O’Reilly logo is a registered trademark of O’Reilly Media, Inc. Python for Data Analysis, the cover image, and related trade dress are trademarks of O’Reilly Media, Inc. While the publisher and the author have used good faith efforts to ensure that the information and instructions contained in this work are accurate, the publisher and the author disclaim all responsibility for errors or omissions, including without limitation responsibility for damages resulting from the use of or reliance on this work.

Use of the information and instructions contained in this work is at your own risk. If any code samples or other technology this work contains or describes is subject to open source licenses or the intellectual property rights of others, it is your responsibility to ensure that your use thereof complies with such licenses and/or rights. 978-1-098-10403-0 [LSI] Table of Contents Preface.1 What Is This Book About? 1 What Kinds of Data? 1 1.2 Why Python for Data Analysis? 2 Python as Glue 3 Solving the “Two-Language” Problem 3 Why Not Python? 3 1.3 Essential Python Libraries 4 NumPy 4 pandas 5 matplotlib 6 IPython and Jupyter 6 SciPy 7 scikit-learn 8 statsmodels 8 Other Packages 9 1.4 Installation and Setup 9 Miniconda on Windows 9 GNU/Linux 10 Miniconda on macOS 11 Installing Necessary Packages 11 Integrated Development Environments and Text Editors 12 1.5 Community and Conferences 13 1.