pandas là một trong những gói khoa học dữ liệu Python phổ biến nhất và là công cụ tiêu chuẩn để làm việc với dữ liệu dạng bảng trong Python. May mắn là người mới bắt đầu hoàn toàn có thể học và bắt đầu lập trình với pandas chỉ trong vài tuần. Dưới đây là cách để bắt đầu.
Cần biết gì trước khi bắt đầu
pandas là gì?
pandas là một trong những gói Python đầu tiên bạn nên học vì nó dễ dùng, mã nguồn mở và cho phép bạn làm việc với lượng dữ liệu lớn. Nó hỗ trợ thao tác dữ liệu nhanh và hiệu quả, tổng hợp và xoay dữ liệu (pivot), chức năng chuỗi thời gian linh hoạt, và nhiều hơn nữa.
pandas có nhiều chức năng tương tự như SQL hoặc Excel, và có thể tiếp nhận nhiều kiểu dữ liệu—từ tệp CSV và văn bản đến tệp Microsoft Excel, cơ sở dữ liệu SQL, và hơn thế nữa. Ưu điểm bổ sung là bạn có thể chuyển chúng thành đối tượng DataFrame, vốn biểu diễn các cột và hàng giống dữ liệu dạng bảng trong Excel—nhưng trong Python.
DataFrame của pandas trong thực tế
pandas nằm ở đâu trong hệ sinh thái PyData?
Khi phân tích dữ liệu với Python, pandas thường được dùng cùng với các gói và công cụ khác. Các gói này bao gồm gói học máy để tạo dự đoán trên dữ liệu như scikit-learn, gói trực quan hóa dữ liệu như Matplotlib và seaborn, và các công cụ như Jupyter Notebooks để tạo và chia sẻ báo cáo chứa mã, trực quan hóa và văn bản. Tất cả các công cụ này hợp thành cái thường được gọi là hệ sinh thái PyData. Nhưng bạn không cần phải học tất cả các công cụ này cùng lúc—hãy bắt đầu bằng việc tập trung vào pandas.
Sáu bước cho hành trình học pandas của bạn
1) Học cú pháp Python cơ bản
pandas là một gói xây dựng cho Python, vì vậy bạn cần nắm vững cú pháp Python cơ bản trước khi bắt đầu với pandas. Rất dễ bị sa lầy khi học cú pháp, vì các khóa học nhập môn thường biến việc học thành nặng nề bằng cách chỉ tập trung vào cú pháp Python.
Nguyên tắc chung là bạn nên dành càng ít thời gian cho cú pháp càng tốt và học vừa đủ để bắt đầu với các tác vụ đơn giản bằng pandas. Dưới đây là danh sách tài nguyên Python thuần để bạn bắt đầu với những điều cơ bản:
- A Practical Introduction to Python 3
- Trang hướng dẫn chính của Python
- Giới thiệu về Python của DataCamp
2) Thiết lập môi trường Python của bạn
Trước khi làm việc với pandas, bạn cần thiết lập môi trường Python trên máy của mình. Điều này sẽ cho phép bạn áp dụng kỹ năng mới và thử nghiệm pandas trên dữ liệu của chính bạn.
Để thiết lập môi trường Python cho khoa học dữ liệu, tôi khuyến nghị cài đặt bản phân phối Anaconda để thuận tiện cài đặt pandas cùng các gói và công cụ khoa học dữ liệu liên quan như Jupyter Notebooks.
Để nắm cơ bản về thiết lập môi trường Python với Anaconda, hãy xem buổi đào tạo thực hành của tôi với hướng dẫn từng bước. Bạn cũng có thể làm theo hướng dẫn cho người mới bắt đầu cài đặt Anaconda trên Windows và Mac OS X.
3) Học bằng thực hành
Tại DataCamp, chúng tôi tin rằng học bằng thực hành là cách tốt nhất để học và áp dụng kỹ năng lập trình. Áp dụng kỹ năng pandas qua các dự án có hướng dẫn sẽ giúp bạn bước ra khỏi vùng an toàn, học cách gỡ lỗi và đọc tài liệu, và tự tin làm việc với dữ liệu thực.
Thành thạo pandas đòi hỏi biết cách nhập và xuất dữ liệu ở các định dạng khác nhau, thao tác và định hình lại dữ liệu, xoay và tổng hợp dữ liệu, rút ra các insight đơn giản từ DataFrame, và nhiều hơn nữa. Dưới đây là danh sách tài nguyên bao quát các chủ đề này và hơn thế, chứa mã pandas dễ triển khai dưới dạng các dự án có hướng dẫn:
- Trang web pandas cung cấp rất nhiều hướng dẫn để bắt đầu với gói. Quan trọng hơn, có nhiều hướng dẫn từ cộng đồng để giúp người dùng mới bắt đầu.
- Pandas Cookbook là một cuốn sách tuyệt vời mang đến cách tiếp cận giàu mã và dựa trên dự án khi làm việc với pandas. Nó cũng giới thiệu các gói khác thường dùng cùng pandas trong hệ sinh thái PyData, như seaborn cho trực quan hóa dữ liệu.
- DataCamp cung cấp nhiều khóa học pandas từ cơ bản đến nâng cao. Khóa nền tảng pandas chỉ cho bạn cách nhập DataFrame, thực hiện phân tích thăm dò cơ bản, và phân tích chuỗi thời gian—tất cả ngay trên trình duyệt.
4) Làm dự án với dữ liệu thực tế
Luyện tập kỹ năng pandas bạn đã học trên dữ liệu thực tế là cách tuyệt vời để ghi nhớ kỹ năng và áp dụng tự tin trong công việc hằng ngày.
Có nhiều cách để bắt đầu dự án của riêng bạn. Trước hết, nếu công việc hằng ngày của bạn yêu cầu làm việc với dữ liệu dạng bảng, hãy bắt đầu dùng pandas thay vì phần mềm bảng tính như Google Sheets và Microsoft Excel. Mặc dù ban đầu có thể mất thời gian hơn, điều này sẽ giúp bạn mài giũa và ghi nhớ kỹ năng pandas, giúp bạn nhanh hơn và thành thạo hơn về lâu dài.
Kaggle có nhiều bộ dữ liệu thực tế và các cuộc thi học máy. Dù tôi khuyến khích bạn học học máy, đây là lĩnh vực phù hợp hơn với người học nâng cao, nên trước tiên hãy tập trung vào các dự án phân tích và khám phá dữ liệu với pandas. Bạn có thể làm điều này bằng cách viết notebook phân tích dữ liệu trên Kaggle hoặc các nền tảng blog như Medium.
5) Thành thạo nghệ thuật gỡ lỗi
Một trong những kỹ năng thường bị xem nhẹ mà bất kỳ lập trình viên tương lai nào cũng cần trau dồi là gỡ lỗi. Mọi người dùng Python và pandas, bất kể trình độ, đều gặp lỗi và vấn đề với mã của họ. Khi bạn gặp lỗi trong mã pandas, có những nguồn lực sau dành cho bạn:
- Google là nơi đầu tiên tôi tìm đến khi gặp lỗi với mã của mình. Gần như luôn luôn, câu trả lời cho câu hỏi về pandas của tôi sẽ nằm trong mười kết quả tìm kiếm đầu tiên.
- Stack Overflow là cộng đồng lập trình viên lớn nhất, nơi người dùng có thể tìm kiếm trợ giúp gỡ lỗi bằng cách hỏi và trả lời câu hỏi lập trình. Hiện có khoảng 180.000 câu hỏi về pandas. Nếu bạn muốn tự đăng câu hỏi, hãy đảm bảo tuân theo thực hành tốt khi đặt câu hỏi của họ.
- Tài liệu luôn là người bạn của bạn, và tài liệu pandas thì rất đầy đủ. Nó bao quát mọi chức năng có thể có của pandas cũng như các thực hành tốt.
6) Tiếp tục mở rộng kỹ năng pandas
Hãy tiếp tục xây dựng và mở rộng kỹ năng pandas của bạn. Có nhiều tài nguyên đề cập đến các chủ đề pandas nâng cao. Ví dụ, cuốn Mastering pandas của Ashish Kumar trình bày các kỹ thuật để tăng tốc và đơn giản hóa quy trình pandas của bạn. Bài viết trên blog Real Python này tổng hợp mẹo và thủ thuật cho người dùng nâng cao. Bạn cũng có thể bắt đầu học cách các gói khác trong hệ sinh thái PyData mở rộng khả năng pandas của bạn, như seaborn và plotly, để tạo biểu đồ tương tác.
Biểu đồ tương tác tạo bằng Plotly
Một cách tuyệt vời để mở rộng kỹ năng pandas là xem lại một số đoạn mã pandas bạn đã viết ở giai đoạn đầu hành trình học tập. Hãy thử tìm cơ hội để đơn giản hóa mã, áp dụng thực hành tốt, và tận dụng các gói khác trong hệ sinh thái PyData.
Tôi hy vọng bạn thấy bài viết này truyền cảm hứng và những tài nguyên này hữu ích. Làm chủ pandas là một hành trình học hỏi suốt đời—và chính tôi vẫn đang trên hành trình ấy. Tại DataCamp, pandas được đề cập xuyên suốt chương trình cốt lõi của chúng tôi, và chúng tôi liên tục cải thiện cũng như bổ sung nội dung. Cuối cùng, tôi mời bạn tham gia cùng hàng nghìn người học trong Cộng đồng Slack của DataCamp để nhận hỗ trợ trên hành trình pandas của bạn!
Adel Nehme là Evangelist về Khoa học Dữ liệu tại DataCamp. Trước đây anh là Nhà phát triển Nội dung, nơi anh hợp tác với các giảng viên về nhiều khóa học Python và tạo ra khóa học Làm sạch Dữ liệu bằng Python của chúng tôi.
