Dự án giá nhà (4/4): kết luận và portfolio phân tích dữ liệu
Bài 2/4 · Chương 4
Dự án trực quan hóa
- 10 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 9
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.
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: 01.056 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.
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: float64Quận 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.
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()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.
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()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.
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/m²Đổi :.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.
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/m²Chương 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:
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_m2của từng nhóm trong cộtcot.Bỏ các nhóm có ít hơn
toi_thieutin, 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, không2.3). 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.
import pandas as pd
def cau_phat_hien(nha, cot, toi_thieu):
pass # Viết thân hàm thay cho dòng nàyThử mở rộng
Báo cáo đã có ba phát hiện; vài hướng làm thêm với cùng file:
Gọi
cau_phat_hien(nha, "loai_nha", 30)vàcau_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
Dữ liệu của bài
- Tải xuống
nha_dat_sach.csv
CSV · 115.58 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.