Python Pandas Cho Người Làm Data: Từ DataFrame Đến Báo Cáo Tự Động

# Cài đặt
pip install pandas openpyxl matplotlib

# openpyxl: engine đọc/ghi file .xlsx
# matplotlib: thư viện vẽ biểu đồ

import pandas as pd
import matplotlib.pyplot as plt

# Kiểm tra phiên bản
print(pd.__version__)  # 2.2.x trở lên

# Tạo DataFrame thủ công
df = pd.DataFrame({
    "MaDH": ["DH001", "DH002", "DH003", "DH004", "DH005"],
    "KhachHang": ["Nguyễn Văn An", "Trần Thị Bình", "Lê Hoàng Cường", "Phạm Minh Đức", "Nguyễn Văn An"],
    "SanPham": ["Laptop", "Chuột", "Bàn phím", "Laptop", "Màn hình"],
    "SoLuong": [2, 10, 5, 1, 3],
    "DonGia": [25000000, 350000, 1200000, 28000000, 8500000],
    "NgayBan": pd.to_datetime(["2026-01-15", "2026-01-16", "2026-01-16", "2026-02-01", "2026-02-03"])
})

print(df)
print(df.info())   # Kiểu dữ liệu, null count
print(df.describe())  # Thống kê cơ bản

# Đọc file Excel
df = pd.read_excel("BaoCao_BanHang.xlsx", sheet_name="Data")

# Đọc file CSV
df = pd.read_csv("doanh_thu.csv", encoding="utf-8-sig")  # utf-8-sig cho tiếng Việt

# Ghi ra Excel
df.to_excel("ket_qua.xlsx", index=False, sheet_name="KetQua")

# Ghi ra CSV
df.to_csv("ket_qua.csv", index=False, encoding="utf-8-sig")

# Kiểm tra missing values
print(df.isnull().sum())  # Đếm null mỗi cột

# Xóa dòng có bất kỳ null nào
df_clean = df.dropna()

# Xóa dòng null ở cột cụ thể
df_clean = df.dropna(subset=["DonGia", "SoLuong"])

# Điền giá trị thay thế
df["DonGia"] = df["DonGia"].fillna(0)
df["KhuVuc"] = df["KhuVuc"].fillna("Chưa xác định")

# Forward fill — điền bằng giá trị dòng trước
df["KhuVuc"] = df["KhuVuc"].ffill()

# Đổi kiểu dữ liệu
df["SoLuong"] = df["SoLuong"].astype(int)
df["DonGia"] = pd.to_numeric(df["DonGia"], errors="coerce")  # "coerce" → NaN nếu lỗi
df["NgayBan"] = pd.to_datetime(df["NgayBan"], format="%d/%m/%Y")

# Tách ngày tháng
df["Nam"] = df["NgayBan"].dt.year
df["Thang"] = df["NgayBan"].dt.month
df["TuanTrongNam"] = df["NgayBan"].dt.isocalendar().week

# Xóa dòng trùng lặp
df = df.drop_duplicates()

# Xóa trùng theo cột cụ thể (giữ dòng đầu tiên)
df = df.drop_duplicates(subset=["MaDH"], keep="first")

# Chuẩn hóa text
df["KhachHang"] = df["KhachHang"].str.strip()        # Xóa khoảng trắng đầu/cuối
df["KhachHang"] = df["KhachHang"].str.title()         # Viết Hoa Chữ Cái Đầu
df["MaSP"] = df["MaSP"].str.upper()                    # IN HOA
df["DiaChi"] = df["DiaChi"].str.replace("  ", " ")     # Xóa khoảng trắng kép

# Lọc đơn giản
df_hn = df[df["KhuVuc"] == "Hà Nội"]

# Nhiều điều kiện (AND)
df_vip = df[(df["DoanhThu"] > 50000000) & (df["KhuVuc"] == "HCM")]

# OR
df_2cities = df[df["KhuVuc"].isin(["Hà Nội", "Đà Nẵng"])]

# Lọc theo chuỗi
df_laptop = df[df["SanPham"].str.contains("Laptop", case=False, na=False)]

# Sắp xếp giảm dần theo doanh thu
df_sorted = df.sort_values("DoanhThu", ascending=False)

# Sắp xếp theo nhiều cột
df_sorted = df.sort_values(["KhuVuc", "DoanhThu"], ascending=[True, False])

# Cột mới
df["ThanhTien"] = df["SoLuong"] * df["DonGia"]
df["LoiNhuan"] = df["ThanhTien"] - df["GiaVon"]
df["TyLeLoi"] = (df["LoiNhuan"] / df["ThanhTien"] * 100).round(1)

# Cột điều kiện (giống IF trong Excel)
df["PhanLoai"] = df["ThanhTien"].apply(
    lambda x: "VIP" if x > 50000000 else ("Trung bình" if x > 10000000 else "Nhỏ")
)

# Dùng np.where (nhanh hơn apply)
import numpy as np
df["PhanLoai"] = np.where(df["ThanhTien"] > 50000000, "VIP", "Thường")

# Tổng doanh thu theo khu vực
df.groupby("KhuVuc")["DoanhThu"].sum()

# Nhiều phép tính
df.groupby("KhuVuc")["DoanhThu"].agg(["sum", "mean", "count"])

# Nhiều cột group
df.groupby(["KhuVuc", "Thang"])["DoanhThu"].sum()

# Nhiều cột với nhiều phép tính khác nhau
result = df.groupby("KhuVuc").agg(
    TongDoanhThu=("DoanhThu", "sum"),
    TrungBinh=("DoanhThu", "mean"),
    SoDonHang=("MaDH", "nunique"),
    DoanhThuMax=("DoanhThu", "max")
).reset_index()

print(result)

# % Contribution
result["TyTrong"] = (result["TongDoanhThu"] / result["TongDoanhThu"].sum() * 100).round(1)

# Bảng đơn hàng
orders = pd.DataFrame({
    "MaDH": ["DH001", "DH002", "DH003"],
    "MaSP": ["SP01", "SP02", "SP01"],
    "SoLuong": [5, 3, 2]
})

# Bảng sản phẩm
products = pd.DataFrame({
    "MaSP": ["SP01", "SP02", "SP03"],
    "TenSP": ["Laptop Dell", "Chuột Logitech", "Bàn phím Corsair"],
    "DonGia": [25000000, 450000, 1800000]
})

# LEFT JOIN — giữ tất cả đơn hàng, thêm thông tin sản phẩm
df_merged = orders.merge(products, on="MaSP", how="left")
df_merged["ThanhTien"] = df_merged["SoLuong"] * df_merged["DonGia"]

print(df_merged)

# Pivot Table — giống Excel Pivot
pivot = pd.pivot_table(
    df,
    values="DoanhThu",
    index="KhuVuc",
    columns="Thang",
    aggfunc="sum",
    fill_value=0,
    margins=True,        # Thêm dòng/cột tổng
    margins_name="Tổng"
)

print(pivot)

# Biểu đồ cột — Doanh thu theo khu vực
df_region = df.groupby("KhuVuc")["DoanhThu"].sum().sort_values(ascending=False)

plt.figure(figsize=(10, 6))
df_region.plot(kind="bar", color=["#2563eb", "#7c3aed", "#059669", "#dc2626"])
plt.title("Doanh Thu Theo Khu Vực", fontsize=14, fontweight="bold")
plt.ylabel("Doanh Thu (VNĐ)")
plt.xlabel("")
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig("doanhthu_khuvuc.png", dpi=150)  # Lưu ảnh
plt.show()

# Line chart — doanh thu theo tháng
df_monthly = df.groupby("Thang")["DoanhThu"].sum()

plt.figure(figsize=(10, 5))
plt.plot(df_monthly.index, df_monthly.values, marker="o", linewidth=2, color="#2563eb")
plt.fill_between(df_monthly.index, df_monthly.values, alpha=0.1, color="#2563eb")
plt.title("Trend Doanh Thu Theo Tháng", fontsize=14, fontweight="bold")
plt.ylabel("Doanh Thu (VNĐ)")
plt.xlabel("Tháng")
plt.grid(axis="y", alpha=0.3)
plt.tight_layout()
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

# 1. Đọc dữ liệu
df = pd.read_csv("doanhthu_tuan.csv", encoding="utf-8-sig")
df["NgayBan"] = pd.to_datetime(df["NgayBan"])

# 2. Cleaning
df = df.dropna(subset=["MaDH", "DoanhThu"])
df["DoanhThu"] = pd.to_numeric(df["DoanhThu"], errors="coerce").fillna(0)

# 3. Phân tích
by_region = df.groupby("KhuVuc").agg(
    TongDT=("DoanhThu", "sum"),
    SoDon=("MaDH", "count"),
    DTTrungBinh=("DoanhThu", "mean")
).round(0)

by_product = df.groupby("NhomSP")["DoanhThu"].sum().sort_values(ascending=False).head(10)

# 4. Xuất ra Excel (nhiều sheet)
with pd.ExcelWriter(f"BaoCao_{datetime.now():%Y%m%d}.xlsx", engine="openpyxl") as writer:
    df.to_excel(writer, sheet_name="RawData", index=False)
    by_region.to_excel(writer, sheet_name="TheoKhuVuc")
    by_product.to_excel(writer, sheet_name="Top10SanPham")

print("✅ Báo cáo đã xuất xong!")

# 5. Biểu đồ
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

by_region["TongDT"].plot(kind="barh", ax=axes[0], color="#2563eb")
axes[0].set_title("Doanh Thu Theo Khu Vực")

by_product.head(5).plot(kind="pie", ax=axes[1], autopct="%1.1f%%")
axes[1].set_title("Top 5 Sản Phẩm")
axes[1].set_ylabel("")

plt.tight_layout()
plt.savefig("bao_cao_chart.png", dpi=150)
print("✅ Biểu đồ đã lưu!")