Bỏ qua đến nội dung chính
Mục lục

Học xong pandas học gì? Hướng sang SQL và Machine Learning

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/2 · Chương 6

Trang phụ trợ

  • 6 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Học xong pandas học gì là câu hỏi tự nhiên sau khi đi hết ba tutorial NumPy, pandas và Matplotlib: bạn đã đọc được dữ liệu, làm sạch, gom nhóm và vẽ biểu đồ kể lại điều tìm thấy. Bước tiếp theo tùy công việc bạn nhắm tới, và bốn hướng hay gặp nhất là SQL, thống kê, Machine Learning và dashboard. Mỗi hướng dưới đây nói cần học thêm gì, nên ôn bài nào trước, và một dự án đầu tay vừa sức.

Trước khi chọn hướng: giữ kỹ năng đang có

Kỹ năng phân tích mai một nhanh nếu vài tuần không đụng tới dữ liệu thật. Ba việc nên làm ngay, dù bạn chọn hướng nào:

  • Làm một dự án nhỏ mỗi tuần với dữ liệu của chính bạn: chi tiêu cá nhân, đơn hàng của quán, điểm thi của lớp. Đi đủ các bước như bài EDA là gì: đặt câu hỏi, nạp, kiểm tra, làm sạch, khám phá, kết luận.

  • Viết kết luận thành một đoạn văn ngắn kèm hai, ba biểu đồ, rồi đưa cho một người không biết code đọc. Người đó hiểu được thì báo cáo đã đạt.

  • Đọc lại code cũ của mình sau một tháng. Đoạn nào phải đọc ba lần mới hiểu thì viết lại cho rõ, như cách bài đặt câu hỏi phân tích chia một câu hỏi lớn thành từng bước nhỏ.

Lưu code và dữ liệu mẫu bằng Git, và cài thư viện cho mỗi dự án trong một môi trường ảo riêng. Hai thói quen này giúp bạn quay lại một phân tích cũ mà nó vẫn chạy.

So sánh bốn hướng đi

Hướng

Học thêm

Bài nên ôn trước

Dự án đầu tay

SQL

SELECT, WHERE, GROUP BY, JOIN, một hệ quản trị như PostgreSQL

đọc dữ liệu từ SQL, groupby, merge

viết lại bằng SQL một báo cáo doanh thu đã làm bằng pandas

Thống kê

phân phối, khoảng tin cậy, kiểm định giả thuyết, thư viện scipy

thống kê mô tả, tương quan, số ngẫu nhiên

so doanh thu hai chương trình khuyến mãi có khác nhau thật không

Machine Learning

đại số tuyến tính, xác suất, scikit-learn

tương quan, dự án giá nhà

đoán giá căn hộ từ diện tích, số phòng, quận

Dashboard

một công cụ BI như Power BI hay Looker Studio, hoặc thư viện Streamlit

pivot table, xuất Excel

bảng theo dõi doanh thu tuần tự cập nhật

Không có thứ tự đúng duy nhất, nhưng thứ tự hay gặp nhất là SQL trước, vì dữ liệu ở công ty thường nằm trong cơ sở dữ liệu chứ không nằm sẵn trong file CSV. Thống kê đi kèm mọi hướng còn lại.

SQL: lấy dữ liệu từ cơ sở dữ liệu

Phần lớn những gì bạn làm bằng pandas đều có bản SQL tương ứng: lọc dòng là WHERE, groupby() là GROUP BY, merge() là JOIN. Khác biệt là SQL chạy ngay trên máy chủ cơ sở dữ liệu, nên xử lý được bảng hàng chục triệu dòng mà máy bạn không cần nạp hết vào bộ nhớ.

Bắt đầu với SQLite, cơ sở dữ liệu nằm trong một file và có sẵn trong Python qua module sqlite3; bài cơ sở dữ liệu trong Python giải thích bảng, khóa và truy vấn. Sau đó chuyển sang PostgreSQL hay MySQL, loại công ty hay dùng. Cách học hiệu quả là lấy một phân tích pandas bạn đã làm, viết lại từng bước bằng SQL, rồi so hai kết quả.

Thống kê: biết khi nào một khác biệt là thật

Biểu đồ cho thấy doanh thu tháng này cao hơn tháng trước, nhưng chênh lệch đó có thể chỉ là dao động ngẫu nhiên. Thống kê cho bạn công cụ trả lời câu hỏi đó: khoảng tin cậy, kiểm định giả thuyết, cỡ mẫu cần thiết. Đây cũng là phần mà nhà tuyển dụng hay hỏi nhất ở vị trí phân tích dữ liệu.

Ôn lại thống kê mô tả và tương quan trước, vì mọi kiểm định đều bắt đầu từ trung bình, độ lệch chuẩn và hình dạng phân bố. Thư viện scipy có sẵn các kiểm định thường dùng, nhận thẳng mảng NumPy hay cột pandas.

Machine Learning: từ mô tả sang dự đoán

Phân tích dữ liệu trả lời "điều gì đã xảy ra"; Machine Learning cố trả lời "điều gì sẽ xảy ra" bằng một mô hình học từ dữ liệu cũ. Thư viện đầu tiên nên học là scikit-learn: các mô hình như hồi quy tuyến tính, cây quyết định đều nhận một bảng đặc trưng dạng DataFrame hay mảng NumPy, đúng dạng bạn đã quen.

Phần khó của Machine Learning ít khi là gọi mô hình mà là chuẩn bị dữ liệu: điền ô thiếu, mã hóa cột chữ, tách dữ liệu huấn luyện và kiểm tra. Các bài làm sạch dữ liệu của tutorial pandas vì vậy là nền trực tiếp. Toán cần thêm là đại số tuyến tính (ma trận, phép nhân ma trận mà NumPy đã cho bạn làm quen) và xác suất.

Dashboard: báo cáo người khác tự xem được

Khi một báo cáo cần cập nhật mỗi tuần, chạy lại notebook rồi gửi ảnh biểu đồ sẽ tốn công. Dashboard là trang báo cáo tự đọc dữ liệu mới và cho người xem tự lọc theo tháng, theo chi nhánh. Công cụ BI như Power BI hay Looker Studio làm việc này mà gần như không cần code; Streamlit cho bạn làm dashboard bằng chính Python và pandas.

Nguyên tắc chọn biểu đồ, đặt tiêu đề là kết luận, dùng màu nhấn mà bạn học ở tutorial Matplotlib áp dụng nguyên vẹn cho dashboard.

Đọc thêm

Hai bài viết trên blog đi sâu hơn vào chuyện nghề. Data Analyst cần học gì kể các kỹ năng nhà tuyển dụng hỏi; lộ trình trở thành Data Analyst so các cách học có người hướng dẫn. Nếu bạn muốn đi hướng khác hẳn dữ liệu, như web hay tự động hóa, trang học Python xong học gì so các hướng đó.

Câu hỏi thường gặp

Học xong pandas có đủ để đi làm Data Analyst không?

pandas và Matplotlib là phần lõi, nhưng gần như mọi tin tuyển dụng còn yêu cầu SQL và một công cụ dashboard, cộng với thống kê cơ bản. Hai, ba dự án phân tích hoàn chỉnh trên dữ liệu thật, viết thành báo cáo đọc được, thường thuyết phục hơn một danh sách thư viện.

Nên học SQL hay Machine Learning trước?

SQL trước, nếu bạn nhắm tới công việc phân tích: nó ngắn, dùng ngay được, và dữ liệu cho Machine Learning cũng thường phải lấy bằng SQL. Chọn Machine Learning trước khi bạn đã chắc hướng đi là xây mô hình và sẵn sàng học thêm toán.

Lộ trình học phân tích dữ liệu mất bao lâu?

Tùy thời gian bạn dành mỗi tuần. Với vài giờ mỗi ngày, ba tutorial NumPy, pandas, Matplotlib cộng SQL và thống kê cơ bản thường mất vài tháng; phần mất thời gian nhất là làm dự án trên dữ liệu thật, và phần đó không nên cắt bớt.

Chủ đề

học xong pandas học gì

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