Bỏ qua đến nội dung chính
Mục lục

Dự án giá nhà (4/4): kết luận và portfolio phân tích dữ liệu

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/4 · Chương 4

Dự án trực quan hóa

  • 10 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Phần 4 khép lại dự án giá nhà: từ bảng tin rao đã làm sạch, bạn vẽ ba biểu đồ kể kết luận, viết phát hiện có số liệu và đưa notebook lên GitHub làm một bài trong portfolio phân tích dữ liệu. Bạn làm qua sáu bước, mỗi biểu đồ một bước, rồi viết phát hiện, ghép chương trình và đẩy lên GitHub; cuối trang bạn tự viết một hàm sinh câu phát hiện.

Cần biết trước: EDA là gì, viết báo cáo phân tích và lưu biểu đồ bằng savefig().

Chương trình sẽ làm gì

File nha_dat_sach.csv là bản sạch mà phần 2 và phần 3 làm ra từ tin rao nhà đất TP.HCM năm 2025, AIDev dựng để học: 1.056 tin, mỗi tin có quận, loại nhà, diện tích, giá rao và cột gia_trieu_m2 (giá mỗi m², triệu đồng). Phần 3 đã tính trung vị theo quận, loại nhà và tháng bằng bảng; phần này đổi ba bảng đó thành ba biểu đồ mà người không đọc code nhìn là hiểu.

Mỗi biểu đồ có tiêu đề là phát hiện, chỉ một màu nhấn cho chỗ cần nhìn, bỏ khung trên và khung phải, rồi được lưu thành file PNG để chèn vào README. Bước 5 in ba câu phát hiện có số lấy thẳng từ code, bước 6 ghép tất cả và đưa lên GitHub. Mỗi bước đọc lại file nên chạy riêng được.

Bước 1: Nạp bảng sạch

Bảng đã sạch từ phần 2, nên bước này chỉ kiểm lại vài con số để chắc đang dùng đúng file.

python
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
print(nha.shape)
print(nha["ngay_dang"].min().date(), nha["ngay_dang"].max().date())
print(nha["loai_nha"].value_counts())
print("Giá mỗi m² thiếu:", nha["gia_trieu_m2"].isna().sum())

KẾT QUẢ

(1056, 10)
2025-01-01 2025-12-31
loai_nha
Căn hộ chung cư    359
Nhà hẻm            298
Nhà phố            277
Đất nền            122
Name: count, dtype: int64
Giá mỗi m² thiếu: 0

1.056 tin đăng trong cả năm 2025, bốn loại nhà, không tin nào thiếu giá mỗi m². Cột so_tang và so_phong_ngu còn ô trống có lý do (đất nền, căn hộ), nhưng ba biểu đồ không dùng tới chúng.

Bước 2: Khu nào đắt nhất

So 15 quận hợp với cột ngang đã sắp: tên quận dài đọc được, cột dài nhất nằm trên cùng. Chỉ cột Quận 1 tô đỏ vì tiêu đề nói về nó; bar_label() ghi số làm tròn lên đầu cột để người đọc khỏi dò trục, và xmargin=0.08 trong ax.set() chừa chỗ cho số của cột dài nhất.

python
import pandas as pd
import matplotlib.pyplot as plt
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
quan = nha.groupby("quan")["gia_trieu_m2"].median().sort_values()
gap = f"{quan.iloc[-1] / quan.iloc[0]:.1f}".replace(".", ",")
print(quan.round(1).iloc[[0, -1]])
mau = ["0.7"] * (len(quan) - 1) + ["tab:red"]
fig, ax = plt.subplots(figsize=(7, 5), layout="constrained")
cot = ax.barh(quan.index, quan, color=mau)
ax.bar_label(cot, fmt="%.0f")
ax.spines[["top", "right"]].set_visible(False)
ax.set(title=f"Quận 1 đắt gấp {gap} lần Bình Chánh", ylabel="Quận",
       xlabel="Giá rao trung vị (triệu đồng/m²)", xmargin=0.08)
fig.savefig("hinh-1-quan.png", dpi=150, bbox_inches="tight")
plt.show()

KẾT QUẢ

quan
Bình Chánh     42.1
Quận 1        199.9
Name: gia_trieu_m2, dtype: float64
Biểu đồ cột ngang giá rao trung vị theo 15 quận, sắp từ Bình Chánh khoảng 42 triệu đồng/m² ở dưới lên Quận 1 khoảng 200 triệu ở trên cùng; cột Quận 1 màu đỏ, các cột khác xám, số làm tròn ghi ở đầu mỗi cột.

Quận 1 có giá rao trung vị khoảng 200 triệu đồng/m², gấp 4,7 lần Bình Chánh với 42 triệu. Tiêu đề lấy số gap từ chính dữ liệu, nên nếu file đổi thì số trên hình đổi theo; .replace(".", ",") viết số đó theo kiểu Việt, 4,7 chứ không 4.7, vì tiêu đề là chữ cho người đọc; tên hai quận thì gõ sẵn, vì phát hiện này viết về chúng. savefig() lưu hình trước plt.show(), như bài savefig() đã dặn.

Bước 3: Loại nhà nào đắt hơn

Bốn loại nhà dùng cột dọc. Đường đứt nét đỏ là trung vị của mọi tin, để thấy loại nào trên, loại nào dưới mức chung mà không cần tô màu từng cột.

python
import pandas as pd
import matplotlib.pyplot as plt
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
chung = nha["gia_trieu_m2"].median()
loai = (nha.groupby("loai_nha")["gia_trieu_m2"].median()
        .sort_values())
fig, ax = plt.subplots(figsize=(7, 3.6), layout="constrained")
ax.bar_label(ax.bar(loai.index, loai, color="0.7"), fmt="%.0f")
ax.axhline(chung, color="tab:red", ls="--", label="Trung vị chung")
ax.spines[["top", "right"]].set_visible(False)
ax.set(title="Nhà phố đắt hơn gấp đôi căn hộ trên mỗi m²",
       xlabel="Loại nhà", ylabel="Giá rao trung vị (triệu đồng/m²)")
ax.legend()
fig.savefig("hinh-2-loai-nha.png", dpi=150, bbox_inches="tight")
plt.show()
Biểu đồ cột giá rao trung vị theo bốn loại nhà, tăng dần Căn hộ chung cư khoảng 58, Đất nền 71, Nhà hẻm 93, Nhà phố 133 triệu đồng/m²; đường ngang đỏ đứt nét ở 79 ghi Trung vị chung.

Nhà phố khoảng 133 triệu đồng/m², căn hộ chung cư khoảng 58, chênh hơn hai lần; trung vị chung 79 triệu nằm giữa đất nền và nhà hẻm. Một phần chênh lệch đến từ chỗ nhà phố tập trung ở quận trung tâm, nên câu phát hiện nói "trên mỗi m²", không nói nhà phố luôn đắt hơn ở cùng một quận.

Bước 4: Giá có đổi theo tháng không

Mười hai tháng dùng cột dọc với cùng đường trung vị chung; trục y bắt đầu từ 0 như mọi biểu đồ cột, nên các cột trông gần bằng nhau nếu giá thực sự đi ngang.

python
import pandas as pd
import matplotlib.pyplot as plt
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
chung = nha["gia_trieu_m2"].median()
thang = nha.resample("MS", on="ngay_dang")["gia_trieu_m2"].median()
fig, ax = plt.subplots(figsize=(7, 3.6), layout="constrained")
ax.bar(thang.index.month.astype(str), thang, color="0.7")
ax.axhline(chung, color="tab:red", ls="--", label="Trung vị chung")
ax.spines[["top", "right"]].set_visible(False)
ax.set_title("Giá mỗi m² đi ngang quanh 80 triệu suốt năm 2025")
ax.set_xlabel("Tháng đăng tin")
ax.set_ylabel("Giá rao trung vị (triệu đồng/m²)")
ax.legend()
fig.savefig("hinh-3-thang.png", dpi=150, bbox_inches="tight")
plt.show()
Biểu đồ cột giá rao trung vị theo 12 tháng năm 2025, các cột xám cao gần bằng nhau từ khoảng 73 đến 90 triệu đồng/m², tháng 6 cao nhất, đường đỏ đứt nét ở 79.

Các cột dao động quanh đường đỏ, thấp nhất khoảng 73 triệu ở tháng 2 và cao nhất 90 triệu ở tháng 6. Một năm tin rao chưa cho thấy giá tăng hay giảm rõ rệt, và đó cũng là một phát hiện: câu "giá nhà đang lên" chưa có chỗ dựa trong dữ liệu này.

Bước 5: Viết phát hiện kèm số liệu

Mỗi phát hiện là một câu có số, và số đó do code in ra chứ không chép tay từ hình. Ba dòng print() dưới đây là bản nháp của phần Phát hiện trong README.

python
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
quan = nha.groupby("quan")["gia_trieu_m2"].median().sort_values()
gap = f"{quan.iloc[-1] / quan.iloc[0]:.1f}".replace(".", ",")
loai = (nha.groupby("loai_nha")["gia_trieu_m2"].median()
        .sort_values())
thang = nha.resample("MS", on="ngay_dang")["gia_trieu_m2"].median()
print(f"Phát hiện 1: Quận 1 gấp {gap} lần Bình Chánh")
print(f"Phát hiện 2: nhà phố {loai.iloc[-1]:.0f}, "
      f"căn hộ {loai.iloc[0]:.0f} triệu đồng/m²")
print(f"Phát hiện 3: theo tháng từ {thang.min():.0f} "
      f"đến {thang.max():.0f} triệu đồng/m²")

KẾT QUẢ

Phát hiện 1: Quận 1 gấp 4,7 lần Bình Chánh
Phát hiện 2: nhà phố 133, căn hộ 58 triệu đồng/m²
Phát hiện 3: theo tháng từ 73 đến 90 triệu đồng/m²

Đổi :.1f thành :.2f trong dòng tạo gap rồi chạy lại: dòng đầu in Phát hiện 1: Quận 1 gấp 4,75 lần Bình Chánh. Một chữ số thập phân là đủ cho người đọc báo cáo.

Trước khi đưa lên, tự chấm báo cáo theo rubric của bài viết báo cáo phân tích:

Tiêu chí

Đạt khi

Phát hiện có số

Mỗi phát hiện là một câu có con số, số do code in ra

Biểu đồ kể kết luận

Tiêu đề hình là phát hiện; trục có nhãn và đơn vị; cột bắt đầu từ 0

Khuyến nghị gắn phát hiện

Mỗi khuyến nghị ghi rõ dựa trên phát hiện nào

Giới hạn

Nói rõ giá rao chưa phải giá bán, một năm chưa đủ để nói xu hướng nhiều năm

Chạy lại được

Notebook chạy từ đầu tới cuối không lỗi, ra đúng các số trong README

Bước 6: Ghép chương trình và đưa lên GitHub

Ghép năm bước thành một chương trình: đọc file một lần, tính các trung vị, vẽ và lưu ba hình, in ba phát hiện. Mọi phép tính đã có ở một bước trên; vài lệnh được gộp cho gọn, như ax.bar_label(ax.barh(...)) và biến nhan_y cho nhãn trục dùng ba lần.

python
import pandas as pd
import matplotlib.pyplot as plt
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
nhan_y = "Giá rao trung vị (triệu đồng/m²)"
chung = nha["gia_trieu_m2"].median()
quan = nha.groupby("quan")["gia_trieu_m2"].median().sort_values()
gap = f"{quan.iloc[-1] / quan.iloc[0]:.1f}".replace(".", ",")
loai = (nha.groupby("loai_nha")["gia_trieu_m2"].median()
        .sort_values())
thang = nha.resample("MS", on="ngay_dang")["gia_trieu_m2"].median()
mau = ["0.7"] * (len(quan) - 1) + ["tab:red"]
fig, ax = plt.subplots(figsize=(7, 5), layout="constrained")
ax.bar_label(ax.barh(quan.index, quan, color=mau), fmt="%.0f")
ax.spines[["top", "right"]].set_visible(False)
ax.set(title=f"Quận 1 đắt gấp {gap} lần Bình Chánh", ylabel="Quận",
       xlabel=nhan_y, xmargin=0.08)
fig.savefig("hinh-1-quan.png", dpi=150, bbox_inches="tight")
fig, ax = plt.subplots(figsize=(7, 3.6), layout="constrained")
ax.bar_label(ax.bar(loai.index, loai, color="0.7"), fmt="%.0f")
ax.axhline(chung, color="tab:red", ls="--", label="Trung vị chung")
ax.spines[["top", "right"]].set_visible(False)
ax.set(title="Nhà phố đắt hơn gấp đôi căn hộ trên mỗi m²",
       xlabel="Loại nhà", ylabel=nhan_y)
ax.legend()
fig.savefig("hinh-2-loai-nha.png", dpi=150, bbox_inches="tight")
fig, ax = plt.subplots(figsize=(7, 3.6), layout="constrained")
ax.bar(thang.index.month.astype(str), thang, color="0.7")
ax.axhline(chung, color="tab:red", ls="--", label="Trung vị chung")
ax.spines[["top", "right"]].set_visible(False)
ax.set(title="Giá mỗi m² đi ngang quanh 80 triệu suốt năm 2025",
       xlabel="Tháng đăng tin", ylabel=nhan_y)
ax.legend()
fig.savefig("hinh-3-thang.png", dpi=150, bbox_inches="tight")
plt.close("all")
print(f"Phát hiện 1: Quận 1 gấp {gap} lần Bình Chánh")
print(f"Phát hiện 2: nhà phố {loai.iloc[-1]:.0f}, "
      f"căn hộ {loai.iloc[0]:.0f} triệu đồng/m²")
print(f"Phát hiện 3: theo tháng từ {thang.min():.0f} "
      f"đến {thang.max():.0f} triệu đồng/m²")

KẾT QUẢ

Phát hiện 1: Quận 1 gấp 4,7 lần Bình Chánh
Phát hiện 2: nhà phố 133, căn hộ 58 triệu đồng/m²
Phát hiện 3: theo tháng từ 73 đến 90 triệu đồng/m²

Chương trình in ba phát hiện và để lại ba file hinh-1-quan.png, hinh-2-loai-nha.png, hinh-3-thang.png cạnh notebook. Cuối chương trình là plt.close("all") thay cho plt.show(): việc của nó là làm ra file, nên không hiện lại ba hình bạn vừa xem.

Để thành một bài trong portfolio, đặt notebook, ba file hình và một README.md vào cùng thư mục. README mở bằng câu hỏi, rồi ba phát hiện kèm ba hình, khuyến nghị và giới hạn theo rubric ở bước 5. Sau đó đẩy lên GitHub như bài đẩy code lên GitHub:

bash
git add du-an-gia-nha.ipynb README.md hinh-*.png
git commit -m "Báo cáo giá nhà TP.HCM 2025"
git push

GitHub tự hiển thị README ở trang đầu kho, nên nhà tuyển dụng thấy phát hiện và hình trước khi mở code.

Bài tập

Câu phát hiện so nhóm đắt nhất với nhóm rẻ nhất

Câu "Quận 1 gấp 4,7 lần Bình Chánh" ở bước 5 gõ tay tên hai quận. Viết thân hàm cau_phat_hien(nha, cot, toi_thieu) sinh câu đó cho một cột nhóm bất kỳ. Bảng nha có cột gia_trieu_m2 và cột tên cot (như quan hay loai_nha).

  • Tính trung vị gia_trieu_m2 của từng nhóm trong cột cot.

  • Bỏ các nhóm có ít hơn toi_thieu tin, vì trung vị của nhóm quá ít tin dễ dao động; luôn còn ít nhất một nhóm.

  • Câu có dạng <nhóm đắt nhất> gấp <tỉ số> lần <nhóm rẻ nhất>, tỉ số là trung vị cao nhất chia thấp nhất, làm tròn một chữ số thập phân và viết bằng dấu phẩy thập phân (2,3, không 2.3). Nhiều nhóm bằng nhau thì lấy nhóm có tên đứng trước khi sắp tên tăng dần.

Hàm không sửa bảng nhận được.

Trả về: câu phát hiện, một str.

Ví dụ bảng có Quận 1 (200, 190), Quận 7 (80, 90) và Nhà Bè (40) với cot="quan", toi_thieu=2 cho Quận 1 gấp 2,3 lần Quận 7: Nhà Bè chỉ có một tin nên bị bỏ. Nếu chỉ còn một nhóm, câu so nhóm đó với chính nó, như B gấp 1,0 lần B.

python
import pandas as pd

def cau_phat_hien(nha, cot, toi_thieu):
    pass  # Viết thân hàm thay cho dòng này

Thử mở rộng

Báo cáo đã có ba phát hiện; vài hướng làm thêm với cùng file:

  • Gọi cau_phat_hien(nha, "loai_nha", 30) và cau_phat_hien(nha, "quan", 40) để xem câu phát hiện đổi ra sao khi ngưỡng số tin cao hơn.

  • Thêm ax.annotate() vào hình tháng, chỉ vào cột tháng 6 và ghi số tin của tháng đó, như bài chú thích và nhấn mạnh.

  • Vẽ hình quận chỉ cho nhà phố và chỉ cho căn hộ, để kiểm câu "nhà phố đắt vì nằm ở quận trung tâm" ở bước 3.

  • Đọc bài Blog dự án data analyst mẫu để xem README của một dự án portfolio hoàn chỉnh trông thế nào.

Chủ đề

portfolio phân tích dữ liệu

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập