Dự án EDA: phân tích chi tiêu cá nhân một năm bằng biểu đồ
Bài 3/4 · Chương 4
Dự án trực quan hóa
- 8 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 8
Dự án này phân tích chi tiêu cá nhân của một năm, 1.036 khoản chi của một nhân viên văn phòng ở Hà Nội, bằng pandas và Matplotlib. Bạn đi trọn một vòng EDA qua năm bước: nạp và kiểm tra dữ liệu, xem tiền đi vào đâu, xem tháng nào vượt ngân sách, rồi tìm lý do bằng số.
Cần biết trước: EDA là gì, groupby() và resample().
Chương trình sẽ làm gì
File chi_tieu.csv ghi mọi khoản chi năm 2025 của một người hư cấu, mỗi dòng một khoản: ngày, danh mục (Ăn uống, Nhà ở, Mua sắm…), mô tả, số tiền tính bằng đồng và hình thức trả. Người này đặt ngân sách 16 triệu đồng mỗi tháng. Chương trình trả lời ba câu hỏi: tiền đi vào danh mục nào nhiều nhất, những tháng nào vượt ngân sách, và trong mỗi tháng vượt thì danh mục nào là thủ phạm.
Mỗi bước đọc lại file, nên chạy riêng được. Bước 2 và bước 3 mỗi bước một biểu đồ, bước 4 chỉ in bảng, bước 5 ghép tất cả thành một chương trình in ba câu trả lời và vẽ biểu đồ tháng. Thứ tự dựng: kiểm tra, gom theo danh mục, gom theo tháng, tìm lý do, ghép lại.
Bước 1: Nạp và kiểm tra dữ liệu
Trước khi tính bất cứ gì, xem bảng có đúng như mong đợi không: bao nhiêu dòng, các cột trông thế nào, có ô thiếu không. parse_dates=["ngay"] đọc cột ngày thành kiểu ngày giờ, để các bước sau gom được theo tháng.
import pandas as pd
chi_tieu = pd.read_csv("chi_tieu.csv", parse_dates=["ngay"])
print(chi_tieu.shape)
print(chi_tieu.head(3))
print("Ô thiếu:", chi_tieu.isna().sum().sum())
print("Số tháng:", chi_tieu["ngay"].dt.month.nunique())
tong = chi_tieu["so_tien"].sum()
print(f"Tổng cả năm: {tong / 1_000_000:.1f} triệu đồng")KẾT QUẢ
(1036, 5)
ngay danh_muc mo_ta so_tien hinh_thuc
0 2025-01-01 Ăn uống Bánh cuốn 27000 Tiền mặt
1 2025-01-01 Ăn uống Cơm trưa văn phòng 59000 Tiền mặt
2 2025-01-01 Ăn uống Cà phê 35000 Ví điện tử
Ô thiếu: 0
Số tháng: 12
Tổng cả năm: 186.0 triệu đồngBảng có 1.036 khoản chi, đủ 12 tháng và không ô nào thiếu, nên không cần bước làm sạch. Cả năm người này tiêu 186 triệu đồng, trung bình khoảng 15,5 triệu đồng mỗi tháng, sát mức ngân sách 16 triệu đồng. Con số trung bình đó chưa nói được tháng nào vượt, nên các bước sau phải tách ra.
Bước 2: Tiền đi vào danh mục nào
Gom tổng tiền theo danh_muc bằng groupby(), sắp tăng dần rồi vẽ cột ngang: danh mục lớn nhất nằm trên cùng, như bài biểu đồ cột đã chỉ. Chia cho 1_000_000 để trục đọc bằng triệu đồng. Thêm tỉ lệ phần trăm của ba danh mục đứng đầu.
import pandas as pd
import matplotlib.pyplot as plt
chi_tieu = pd.read_csv("chi_tieu.csv", parse_dates=["ngay"])
theo_muc = (chi_tieu.groupby("danh_muc")["so_tien"].sum()
.sort_values())
ty_le = (theo_muc / theo_muc.sum() * 100).round(1)
print(ty_le.sort_values(ascending=False).head(3))
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.barh(theo_muc.index, theo_muc / 1_000_000)
ax.set_title("Chi tiêu năm 2025 theo danh mục")
ax.set_xlabel("Số tiền (triệu đồng)")
ax.set_ylabel("Danh mục")
plt.show()KẾT QUẢ
danh_muc
Ăn uống 37.3
Nhà ở 35.0
Mua sắm 9.9
Name: so_tien, dtype: float64Ăn uống và Nhà ở chiếm 72,3% số tiền cả năm, mỗi danh mục khoảng 65 đến 70 triệu đồng. Năm danh mục còn lại cộng lại chưa bằng một trong hai. Tiền nhà gần như cố định mỗi tháng, nên nếu có tháng vượt ngân sách, lý do nhiều khả năng nằm ở các danh mục nhỏ hơn.
Bước 3: Chi tiêu từng tháng so với ngân sách
resample("ME", on="ngay") gom các khoản chi vào từng tháng theo cột ngày. Trục x lấy số tháng bằng index.month. Biểu đồ đường cho thấy chiều lên xuống qua năm, còn ax.axhline() kẻ một đường ngang đứt nét ở mức ngân sách; label= cộng ax.legend() ghi tên cho đường đó, để người xem hình biết đường đỏ là gì.
import pandas as pd
import matplotlib.pyplot as plt
NGAN_SACH = 16_000_000
chi_tieu = pd.read_csv("chi_tieu.csv", parse_dates=["ngay"])
theo_thang = chi_tieu.resample("ME", on="ngay")["so_tien"].sum()
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.plot(theo_thang.index.month, theo_thang / 1_000_000, marker="o")
ax.axhline(NGAN_SACH / 1_000_000, color="red", linestyle="--",
label=f"Ngân sách {NGAN_SACH // 1_000_000} triệu đồng")
ax.legend()
ax.set_title("Chi tiêu từng tháng năm 2025")
ax.set(xlabel="Tháng", xticks=range(1, 13))
ax.set_ylabel("Số tiền (triệu đồng)")
plt.show()Năm điểm nằm trên đường đỏ: tháng 1, 3, 6, 7 và 11. Tháng 1 cao nhất với 19,1 triệu đồng, tháng 7 theo sát với 18,8 triệu đồng, còn tháng 12 thấp nhất, chỉ 11,5 triệu đồng. Biểu đồ đường hợp ở đây vì trục x là thời gian; bài biểu đồ đường nói khi nào nên chọn nó thay cho cột.
Bước 4: Danh mục nào làm tháng vượt ngân sách
Biết tháng nào vượt chưa đủ, cần biết vì sao. pivot_table() dựng bảng tháng × danh mục, mỗi ô là tổng tiền. Lấy các tháng vượt ngân sách trừ đi mức trung bình mỗi tháng của từng danh mục, phần dôi ra lớn nhất chỉ ra thủ phạm. idxmax(axis=1) trả tên cột có giá trị lớn nhất trên mỗi dòng.
import pandas as pd
NGAN_SACH = 16_000_000
chi_tieu = pd.read_csv("chi_tieu.csv", parse_dates=["ngay"])
chi_tieu["thang"] = chi_tieu["ngay"].dt.month
bang = chi_tieu.pivot_table(index="thang", columns="danh_muc",
values="so_tien", aggfunc="sum",
fill_value=0)
vuot = bang[bang.sum(axis=1) > NGAN_SACH]
chenh = (vuot - bang.mean()) / 1_000_000
ly_do = pd.DataFrame({
"danh_muc": chenh.idxmax(axis=1),
"hon_tb": chenh.max(axis=1).round(1),
})
print(ly_do)KẾT QUẢ
danh_muc hon_tb
thang
1 Khác 4.3
3 Ăn uống 0.8
6 Mua sắm 1.8
7 Giải trí 3.0
11 Mua sắm 2.8Mỗi tháng vượt có một lý do rõ. Tháng 1 là Tết: mục Khác (quà biếu, lì xì) hơn mức thường 4,3 triệu đồng. Tháng 7 là chuyến đi biển, Giải trí hơn 3 triệu đồng, còn tháng 6 và tháng 11 là Mua sắm. Tháng 3 chỉ dôi 0,8 triệu đồng ở Ăn uống, vượt ngân sách vì nhiều khoản nhỏ chứ không vì một khoản lớn. fill_value=0 cần thiết vì mục Khác có tháng không chi đồng nào; thiếu nó, ô đó là NaN và trung bình bị tính sai.
Bước 5: Ghép thành chương trình hoàn chỉnh
Ghép bốn bước: hằng ngân sách và lời đọc file ở đầu, rồi phần kiểm tra của bước 1, phần danh mục của bước 2, phần lý do của bước 4 và biểu đồ tháng của bước 3. Mọi dòng đã có ở một bước trên. Chương trình in ba câu trả lời và vẽ một hình, hình trả lời câu hỏi chính: tháng nào vượt.
import pandas as pd
import matplotlib.pyplot as plt
NGAN_SACH = 16_000_000
chi_tieu = pd.read_csv("chi_tieu.csv", parse_dates=["ngay"])
print(chi_tieu.shape)
print("Ô thiếu:", chi_tieu.isna().sum().sum())
tong = chi_tieu["so_tien"].sum()
print(f"Tổng cả năm: {tong / 1_000_000:.1f} triệu đồng")
theo_muc = (chi_tieu.groupby("danh_muc")["so_tien"].sum()
.sort_values())
ty_le = (theo_muc / theo_muc.sum() * 100).round(1)
print(ty_le.sort_values(ascending=False).head(3))
chi_tieu["thang"] = chi_tieu["ngay"].dt.month
bang = chi_tieu.pivot_table(index="thang", columns="danh_muc",
values="so_tien", aggfunc="sum",
fill_value=0)
vuot = bang[bang.sum(axis=1) > NGAN_SACH]
chenh = (vuot - bang.mean()) / 1_000_000
ly_do = pd.DataFrame({
"danh_muc": chenh.idxmax(axis=1),
"hon_tb": chenh.max(axis=1).round(1),
})
print(ly_do)
theo_thang = chi_tieu.resample("ME", on="ngay")["so_tien"].sum()
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.plot(theo_thang.index.month, theo_thang / 1_000_000, marker="o")
ax.axhline(NGAN_SACH / 1_000_000, color="red", linestyle="--",
label=f"Ngân sách {NGAN_SACH // 1_000_000} triệu đồng")
ax.legend()
ax.set_title("Chi tiêu từng tháng năm 2025")
ax.set(xlabel="Tháng", xticks=range(1, 13))
ax.set_ylabel("Số tiền (triệu đồng)")
plt.show()KẾT QUẢ
(1036, 5)
Ô thiếu: 0
Tổng cả năm: 186.0 triệu đồng
danh_muc
Ăn uống 37.3
Nhà ở 35.0
Mua sắm 9.9
Name: so_tien, dtype: float64
danh_muc hon_tb
thang
1 Khác 4.3
3 Ăn uống 0.8
6 Mua sắm 1.8
7 Giải trí 3.0
11 Mua sắm 2.8Ba câu trả lời: Ăn uống và Nhà ở chiếm gần ba phần tư số tiền, năm tháng vượt ngân sách, và mỗi tháng vượt có một danh mục gây ra. Thêm cột thang không làm hỏng resample() ở cuối, vì nó chỉ đọc cột ngay và so_tien. Chú giải lấy số từ NGAN_SACH, nên đổi ngân sách thì chữ trên hình đổi theo.
Đổi NGAN_SACH = 16_000_000 thành NGAN_SACH = 18_000_000 rồi chạy lại: bảng lý do chỉ còn hai dòng, dòng cuối in 7 Giải trí 3.0, và đường đỏ nhích lên trên hình.
Khi có file chi tiêu của chính bạn với cùng năm cột, chỉ cần đổi tên file trong read_csv().
Bài tập
Vẽ 12 tháng của một danh mục
Bước 4 cho thấy mỗi tháng vượt có một danh mục gây ra. Để nhìn kỹ một danh mục, viết thân hàm ve_mot_danh_muc(chi_tieu, danh_muc). Bảng chi_tieu có các cột ngay (kiểu ngày giờ, cùng một năm), danh_muc và so_tien (đồng), như bảng của chương trình. Hàm vẽ một biểu đồ cột trên một axes mới:
đúng 12 cột, từ tháng 1 tới tháng 12, nhãn dưới chân cột là
T1,T2…T12;mỗi cột cao bằng tổng
so_tiencủa danh mụcdanh_muctrong tháng đó, tính bằng triệu đồng; tháng không chi đồng nào vẫn có cột, cao0;tiêu đề đúng là
Chi tiêu <danh_muc> theo tháng(ví dụChi tiêu Khác theo tháng), nhãn trục y đúng làSố tiền (triệu đồng), có nhãn trục x.
Hàm không sửa bảng của nơi gọi. Trình chấm gọi hàm với các bảng nhỏ dựng sẵn, không đọc file.
Trả về: axes đã vẽ, một Axes.
import pandas as pd
import matplotlib.pyplot as plt
def ve_mot_danh_muc(chi_tieu, danh_muc):
pass # Viết thân hàm thay cho dòng nàyThử mở rộng
Bài tập cho bạn một hàm nhìn sâu vào một danh mục; vài hướng đi tiếp với cùng file:
Gọi
ve_mot_danh_muc()cho Mua sắm và xem tháng 6, tháng 11 cao hơn hẳn các tháng khác.Gom theo
hinh_thucđể biết bao nhiêu phần trăm số tiền trả bằng tiền mặt.Tách cột Nhà ở ra khỏi bảng ở bước 4 rồi tìm lại thủ phạm: tiền thuê cố định có làm lệch trung bình không.
Chủ đề
Dữ liệu của bài
- Tải xuống
chi_tieu.csv
CSV · 56.82 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.