Hướng dẫn trực quan hoá dữ liệu bằng Matplotlib

BởiChu Minh Nam5 phút đọc188 lượt xem

Chia sẻ

Trực quan hóa dữ liệu là một kỹ năng không thể thiếu trong phân tích dữ liệu và khoa học dữ liệu. Một biểu đồ trực quan, rõ ràng giúp bạn nhanh chóng phát hiện xu hướng, mối quan hệ và ngoại lệ trong tập dữ liệu, từ đó đưa ra những quyết định kinh doanh chính xác hơn. Matplotlib là thư viện mạnh mẽ nhất của Python để tạo ra những biểu đồ chất lượng cao, được sử dụng rộng rãi trong cộng đồng khoa học dữ liệu.

Nếu bạn là người mới bắt đầu, hãy xem bài Phân tích dữ liệu bán hàng bằng Python và Pandas để hiểu cách thao tác dữ liệu cơ bản. Ngoài ra, bài Ứng dụng KNN phân loại khách hàng theo độ tuổi sẽ giúp bạn làm quen với các thuật toán phân loại, còn bài Tự động phát hiện biển số xe từ ảnh bằng YOLO sẽ mở rộng kiến thức về xử lý ảnh và thị giác máy tính. Những bài viết này là nền tảng tuyệt vời để bạn bước vào trực quan hóa dữ liệu với Matplotlib.

Giới thiệu về Matplotlib

Matplotlib là một thư viện trực quan hóa dữ liệu phổ biến trong Python. Với Matplotlib, bạn có thể tạo ra các loại biểu đồ khác nhau như đường, cột, scatter, histogram và nhiều hơn nữa. Ưu điểm của Matplotlib là khả năng tùy chỉnh linh hoạt, cho phép bạn kiểm soát gần như mọi thành phần của biểu đồ từ màu sắc, phông chữ, tiêu đề đến chú thích.

Cài đặt và chuẩn bị môi trường

Để bắt đầu, bạn cần cài đặt Matplotlib và Pandas để xử lý dữ liệu mẫu. Google Colab là nền tảng tuyệt vời để thực hành vì đã cài sẵn hầu hết thư viện. Nếu sử dụng Jupyter Notebook, hãy chạy lệnh sau để cài đặt:

!pip install matplotlib pandas numpy seaborn

Sau đó, import các thư viện cần thiết.

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

Tạo bộ dữ liệu giả lập để trực quan hóa

Để minh họa, chúng ta sẽ tạo một tập dữ liệu bán hàng giả lập bao gồm ngày, doanh thu và số lượng đơn hàng. Điều này giúp bạn thực hành trực quan hóa mà không cần tải dữ liệu từ bên ngoài.

# Tạo dữ liệu giả lập
np.random.seed(42)
dates = pd.date_range(start='2023-01-01', periods=30)
revenue = np.random.randint(1000, 5000, size=30)
orders = np.random.randint(50, 200, size=30)

df = pd.DataFrame({'Ngày': dates, 'Doanh_thu': revenue, 'Số_đơn_hàng': orders})
print(df.head())

Vẽ biểu đồ đường (Line Plot)

Biểu đồ đường là loại biểu đồ phổ biến để hiển thị xu hướng theo thời gian. Trong ví dụ này, chúng ta sẽ vẽ doanh thu theo ngày.

plt.figure(figsize=(10,6))
plt.plot(df['Ngày'], df['Doanh_thu'], color='blue', marker='o')
plt.title('Doanh thu theo ngày')
plt.xlabel('Ngày')
plt.ylabel('Doanh thu (VND)')
plt.xticks(rotation=45)
plt.grid(True)
plt.show()

Vẽ biểu đồ cột (Bar Chart)

Biểu đồ cột giúp so sánh giá trị giữa các danh mục. Chúng ta sẽ vẽ số đơn hàng theo ngày để xem ngày nào có nhiều đơn nhất.

plt.figure(figsize=(10,6))
plt.bar(df['Ngày'], df['Số_đơn_hàng'], color='orange')
plt.title('Số đơn hàng theo ngày')
plt.xlabel('Ngày')
plt.ylabel('Số đơn hàng')
plt.xticks(rotation=45)
plt.show()

Vẽ biểu đồ phân tán (Scatter Plot)

Biểu đồ phân tán được sử dụng để hiển thị mối quan hệ giữa hai biến. Chúng ta sẽ vẽ mối quan hệ giữa số đơn hàng và doanh thu.

plt.figure(figsize=(8,6))
plt.scatter(df['Số_đơn_hàng'], df['Doanh_thu'], color='green')
plt.title('Mối quan hệ giữa Số đơn hàng và Doanh thu')
plt.xlabel('Số đơn hàng')
plt.ylabel('Doanh thu (VND)')
plt.show()

Vẽ histogram (Biểu đồ tần suất)

Histogram giúp bạn xem phân phối của một biến số. Ví dụ, phân phối doanh thu trong 30 ngày.

plt.figure(figsize=(8,6))
plt.hist(df['Doanh_thu'], bins=10, color='purple', edgecolor='black')
plt.title('Phân phối Doanh thu')
plt.xlabel('Doanh thu (VND)')
plt.ylabel('Tần suất')
plt.show()

Tùy chỉnh biểu đồ

Matplotlib cho phép bạn tùy chỉnh mọi thứ trong biểu đồ. Chúng ta sẽ thêm đường lưới, đổi màu sắc và phông chữ.

plt.figure(figsize=(10,6))
plt.plot(df['Ngày'], df['Doanh_thu'], color='red', linestyle='--', marker='s', label='Doanh thu')
plt.title('Doanh thu theo ngày', fontsize=16, fontweight='bold')
plt.xlabel('Ngày', fontsize=12)
plt.ylabel('Doanh thu (VND)', fontsize=12)
plt.xticks(rotation=45)
plt.grid(color='gray', linestyle=':', linewidth=0.5)
plt.legend()
plt.show()

Vẽ nhiều biểu đồ trong cùng một hình (Subplots)

Bạn có thể vẽ nhiều biểu đồ trong cùng một figure để so sánh dữ liệu.

fig, axs = plt.subplots(2, 1, figsize=(10,10))

# Biểu đồ doanh thu
axs[0].plot(df['Ngày'], df['Doanh_thu'], color='blue')
axs[0].set_title('Doanh thu theo ngày')
axs[0].set_xlabel('Ngày')
axs[0].set_ylabel('Doanh thu (VND)')
axs[0].tick_params(axis='x', rotation=45)

# Biểu đồ số đơn hàng
axs[1].bar(df['Ngày'], df['Số_đơn_hàng'], color='green')
axs[1].set_title('Số đơn hàng theo ngày')
axs[1].set_xlabel('Ngày')
axs[1].set_ylabel('Số đơn hàng')
axs[1].tick_params(axis='x', rotation=45)

plt.tight_layout()
plt.show()

Kết luận

Bạn vừa học cách trực quan hóa dữ liệu với Matplotlib, từ vẽ biểu đồ đường, cột, phân tán đến histogram. Việc trực quan hóa không chỉ giúp bạn hiểu rõ dữ liệu mà còn làm báo cáo của bạn trở nên hấp dẫn và thuyết phục hơn. Khi kết hợp với Pandas và Seaborn, khả năng trực quan hóa của bạn sẽ còn mạnh mẽ hơn nữa.