Bỏ qua đến nội dung chính
Mục lục

Dự án pandas: báo cáo doanh thu kênh × danh mục hằng tuần

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 13/13 · Chương 5

GroupBy, map và apply

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

Mỗi sáng thứ Hai, Data Analyst của một cửa hàng gửi cho trưởng nhóm bán hàng một bảng báo cáo doanh thu: kênh nào bán được bao nhiêu, ở danh mục nào, và danh mục nào dẫn đầu mỗi kênh. Dự án này dựng báo cáo doanh thu đó bằng pandas qua sáu bước, rồi bạn tự viết hàm lấy top danh mục ở cuối trang.

Cần biết trước: agg(), transform() và rank() và top N mỗi nhóm.

Chương trình sẽ làm gì

Dữ liệu là hai file của cửa hàng mẫu AIDev trong bộ dữ liệu thực hành: don_hang.csv ghi 1.526 đơn từ 01/2025 tới 06/2026, mỗi đơn một mã sản phẩm, và san_pham.csv ghi 60 sản phẩm cùng danh mục của chúng. Chương trình nhận một khoảng ngày, giữ các đơn hoàn thành trong khoảng đó và gắn danh mục cho từng đơn. Nó đưa ra bảng kênh × danh mục có số đơn hoàn thành, doanh thu và tỉ trọng trong kênh, cùng một bảng tóm tắt mỗi kênh một dòng.

Danh mục nằm ở bảng sản phẩm, còn chương này chưa dạy ghép bảng, nên bước 2 lấy danh mục bằng map() với một Series tra cứu. Phần còn lại là ba phép quen thuộc của chương: gom theo hai cột, transform() để đặt tổng của kênh cạnh từng dòng, và rank() để xếp hạng trong kênh.

Bước 1: Đọc hai file và giữ đơn hoàn thành trong kỳ

Một tuần của cửa hàng mẫu chỉ có 8 đến 19 đơn hoàn thành (các tuần của tháng 6/2026), quá ít để thấy danh mục nào dẫn đầu. Vì vậy trang chạy chương trình trên cả quý 2/2026; báo cáo tuần chỉ đổi tu_ngay, den_ngay. Cột ngay_dat ghi ngày dạng 2026-04-01, nên so chuỗi với between() đã đúng thứ tự ngày. Doanh thu một đơn là số lượng nhân đơn giá:

python
import pandas as pd

tu_ngay, den_ngay = "2026-04-01", "2026-06-30"
don = pd.read_csv("don_hang.csv")
sp = pd.read_csv("san_pham.csv")
ky = don["ngay_dat"].between(tu_ngay, den_ngay)
don = don[ky & (don["trang_thai"] == "Hoàn thành")].copy()
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
print(f"{tu_ngay} đến {den_ngay}: {len(don)} đơn hoàn thành")
print(don[["ma_don", "kenh", "ma_sp", "doanh_thu"]].head(3))

KẾT QUẢ

2026-04-01 đến 2026-06-30: 224 đơn hoàn thành
       ma_don      kenh  ma_sp  doanh_thu
1262  DH01263  Cửa hàng     41      95000
1263  DH01264   Website     20      85000
1265  DH01266   Website     46      30000

copy() sau phép lọc cho bảng don của riêng nó, nên gán cột doanh_thu không đụng tới bảng đọc ban đầu. Đơn đã hủy, hoàn trả hay đang giao không có trong 224 đơn này. Cách đọc file có ở bài read_csv().

Bước 2: Gắn danh mục bằng map() với Series tra cứu

sp.set_index("ma_sp")["danh_muc"] là một Series có index là mã sản phẩm và giá trị là danh mục. map() nhận Series đó thì tra từng mã của cột ma_sp theo index:

python
import pandas as pd

tu_ngay, den_ngay = "2026-04-01", "2026-06-30"
don = pd.read_csv("don_hang.csv")
sp = pd.read_csv("san_pham.csv")
ky = don["ngay_dat"].between(tu_ngay, den_ngay)
don = don[ky & (don["trang_thai"] == "Hoàn thành")].copy()
tra = sp.set_index("ma_sp")["danh_muc"]
print(tra.loc[[12, 13]])
don["danh_muc"] = don["ma_sp"].map(tra)
print("Đơn thiếu danh mục:", len(don) - don["danh_muc"].count())

KẾT QUẢ

ma_sp
12    Cà phê & trà
13     Đặc sản khô
Name: danh_muc, dtype: str
Đơn thiếu danh mục: 0

Dòng Đơn thiếu danh mục: 0 là phép kiểm: mã nào không có trong bảng sản phẩm sẽ thành NaN và làm số này lớn hơn 0. Bỏ set_index() là lỗi khó thấy, vì sp["danh_muc"] có index 0 đến 59 chứ không phải mã sản phẩm:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
sp = pd.read_csv("san_pham.csv")
sai = don["ma_sp"].map(sp["danh_muc"])
dung = don["ma_sp"].map(sp.set_index("ma_sp")["danh_muc"])
print((sai == dung).sum(), sai.count(), len(don))

KẾT QUẢ

1391 1499 1526

Trên cả 1.526 đơn, chỉ 1.391 đơn nhận đúng danh mục, và phần lớn số đó đúng là nhờ may: mã kề nhau thường cùng danh mục. Mã 12 tra vào dòng có index 12, tức sản phẩm mã 13, và mã 60 thì không có dòng nào. Cách map() tra theo index có ở bài map() và replace().

Bước 3: Gom theo kênh và danh mục

Một lệnh groupby() trên hai cột với as_index=False cho bảng phẳng, mỗi cặp kênh và danh mục một dòng. Named aggregation đặt tên hai cột kết quả ngay trong agg():

python
import pandas as pd

tu_ngay, den_ngay = "2026-04-01", "2026-06-30"
don = pd.read_csv("don_hang.csv")
sp = pd.read_csv("san_pham.csv")
ky = don["ngay_dat"].between(tu_ngay, den_ngay)
don = don[ky & (don["trang_thai"] == "Hoàn thành")].copy()
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
tra = sp.set_index("ma_sp")["danh_muc"]
don["danh_muc"] = don["ma_sp"].map(tra)
bang = don.groupby(["kenh", "danh_muc"], as_index=False).agg(
    don_xong=("ma_don", "count"), doanh_thu=("doanh_thu", "sum"))
print(bang.shape)
print(bang.head(5))

KẾT QUẢ

(23, 4)
          kenh        danh_muc  don_xong  doanh_thu
0     Cửa hàng    Cà phê & trà         5    1478000
1     Cửa hàng        Gia dụng         6    1220000
2     Cửa hàng  Văn phòng phẩm        11    1254000
3     Cửa hàng     Đặc sản khô         3     460000
4  Mạng xã hội    Cà phê & trà         2     775000

Năm kênh nhân năm danh mục lẽ ra là 25 dòng, nhưng bảng có 23: hai cặp không có đơn hoàn thành nào trong quý nên groupby() không tạo dòng cho chúng. Kênh xếp theo mã ký tự, nên Cửa hàng đứng đầu và Ứng dụng đứng cuối. Gom theo hai cột có ở bài groupby nhiều cột.

Bước 4: Tỉ trọng của danh mục trong kênh

Tỉ trọng là doanh thu của một dòng chia cho tổng doanh thu của kênh chứa nó. transform("sum") trả tổng của kênh về đúng từng dòng, nên phép chia thẳng hàng. Bảng nhỏ dưới đây có năm dòng để thấy rõ từng con số:

python
import pandas as pd

bang = pd.DataFrame({
    "kenh": ["Website"] * 3 + ["Cửa hàng"] * 2,
    "danh_muc": ["Cà phê & trà", "Gia dụng", "Đặc sản khô",
                 "Cà phê & trà", "Gia dụng"],
    "doanh_thu": [3300000, 700000, 2000000, 1500000, 1000000]})
dt_cua_kenh = bang.groupby("kenh")["doanh_thu"].transform("sum")
bang["ti_trong"] = (bang["doanh_thu"] / dt_cua_kenh * 100).round(1)
print(dt_cua_kenh.to_list())
print(bang)

KẾT QUẢ

[6000000, 6000000, 6000000, 2500000, 2500000]
       kenh      danh_muc  doanh_thu  ti_trong
0   Website  Cà phê & trà    3300000      55.0
1   Website      Gia dụng     700000      11.7
2   Website   Đặc sản khô    2000000      33.3
3  Cửa hàng  Cà phê & trà    1500000      60.0
4  Cửa hàng      Gia dụng    1000000      40.0

Ba dòng Website cùng nhận 6000000, hai dòng Cửa hàng cùng nhận 2500000, và tỉ trọng của mỗi kênh cộng lại xấp xỉ 100. Kết quả của sum() chỉ có một dòng mỗi kênh, nên chia cho nó thì không dòng nào thẳng hàng với dòng nào; bài transform() cho thấy điều đó.

Bước 5: Xếp hạng trong kênh và bảng tóm tắt

rank() trên phép gom theo kênh đánh số hạng của từng danh mục trong kênh của nó. method="min" cho hai danh mục bằng doanh thu cùng một hạng. Bảng tóm tắt giữ các dòng hạng 1, đặt kênh làm index và sắp theo doanh thu:

python
import pandas as pd

bang = pd.DataFrame({
    "kenh": ["Website"] * 3 + ["Cửa hàng"] * 2,
    "danh_muc": ["Cà phê & trà", "Gia dụng", "Đặc sản khô",
                 "Cà phê & trà", "Gia dụng"],
    "doanh_thu": [3300000, 700000, 2000000, 1500000, 1000000]})
dt_cua_kenh = bang.groupby("kenh")["doanh_thu"].transform("sum")
bang["ti_trong"] = (bang["doanh_thu"] / dt_cua_kenh * 100).round(1)
hang = bang.groupby("kenh")["doanh_thu"].rank(
    ascending=False, method="min")
bang["hang"] = hang.astype(int)
dau = bang[bang["hang"] == 1].set_index("kenh")
tom_tat = dau[["danh_muc", "doanh_thu", "ti_trong"]]
print(tom_tat.sort_values("doanh_thu", ascending=False))

KẾT QUẢ

              danh_muc  doanh_thu  ti_trong
kenh                                       
Website   Cà phê & trà    3300000      55.0
Cửa hàng  Cà phê & trà    1500000      60.0

astype(int) đổi hạng về số nguyên cho dễ đọc, vì rank() trả số thực. Lọc theo hạng thay cho sắp rồi head(1) giữ được cả hai danh mục khi chúng bằng nhau. Cách chọn method= có ở bài rank() và top N mỗi nhóm.

Bước 6: Ghép thành chương trình hoàn chỉnh

Chương trình hoàn chỉnh ghép bước 1, dòng tra cứu và dòng kiểm của bước 2, phép gom của bước 3 với tỉ trọng và xếp hạng của bước 4 và 5. Mọi dòng đã có ở một bước trên.

python
import pandas as pd

tu_ngay, den_ngay = "2026-04-01", "2026-06-30"
don = pd.read_csv("don_hang.csv")
sp = pd.read_csv("san_pham.csv")
ky = don["ngay_dat"].between(tu_ngay, den_ngay)
don = don[ky & (don["trang_thai"] == "Hoàn thành")].copy()
don["doanh_thu"] = don["so_luong"] * don["don_gia"]
print(f"{tu_ngay} đến {den_ngay}: {len(don)} đơn hoàn thành")
tra = sp.set_index("ma_sp")["danh_muc"]
don["danh_muc"] = don["ma_sp"].map(tra)
print("Đơn thiếu danh mục:", len(don) - don["danh_muc"].count())
bang = don.groupby(["kenh", "danh_muc"], as_index=False).agg(
    don_xong=("ma_don", "count"), doanh_thu=("doanh_thu", "sum"))
dt_cua_kenh = bang.groupby("kenh")["doanh_thu"].transform("sum")
bang["ti_trong"] = (bang["doanh_thu"] / dt_cua_kenh * 100).round(1)
hang = bang.groupby("kenh")["doanh_thu"].rank(
    ascending=False, method="min")
bang["hang"] = hang.astype(int)
dau = bang[bang["hang"] == 1].set_index("kenh")
tom_tat = dau[["danh_muc", "doanh_thu", "ti_trong"]]
print(tom_tat.sort_values("doanh_thu", ascending=False))

KẾT QUẢ

2026-04-01 đến 2026-06-30: 224 đơn hoàn thành
Đơn thiếu danh mục: 0
                   danh_muc  doanh_thu  ti_trong
kenh                                            
Sàn TMĐT           Gia dụng    4135000      35.5
Ứng dụng     Văn phòng phẩm    3343000      37.9
Website        Cà phê & trà    3307000      33.2
Cửa hàng       Cà phê & trà    1478000      33.5
Mạng xã hội    Cà phê & trà     775000      45.5

Sàn TMĐT dẫn đầu quý với Gia dụng, còn Cà phê & trà đứng đầu ở ba kênh. Đổi "2026-04-01" thành "2026-06-01" rồi chạy lại: dòng đầu in 2026-06-01 đến 2026-06-30: 66 đơn hoàn thành, và Mạng xã hội có hai dòng vì Văn phòng phẩm và Đặc sản khô cùng 60000 đ nên cùng hạng 1. Tuần sau bạn chỉ đổi hai ngày ở dòng đầu; mọi dòng còn lại giữ nguyên.

Bài tập

Danh mục chủ lực của mỗi kênh

Trưởng nhóm gọi một danh mục là chủ lực của kênh khi nó mang về từ nguong phần trăm doanh thu của kênh đó trở lên. Viết thân hàm danh_muc_chu_luc(bang, nguong) nhận bảng bang như ở bước 3, có các cột kenh, danh_muc, don_xong, doanh_thu, và giữ các dòng chủ lực.

  • Danh mục chiếm đúng nguong phần trăm cũng là chủ lực.

  • Giữ index, thứ tự dòng và đủ các cột của bang; không thêm cột.

Hàm không sửa bảng bang của nơi gọi.

Trả về: các dòng chủ lực, một DataFrame.

Ví dụ: Website bán 3.300.000 đ Cà phê & trà, 700.000 đ Gia dụng, 2.000.000 đ Đặc sản khô; Cửa hàng bán 1.000.000 đ, 2.000.000 đ, 1.000.000 đ ba danh mục đó. Với nguong = 25, Gia dụng của Website (11,7%) bị bỏ, còn cả ba danh mục của Cửa hàng (25%, 50%, 25%) được giữ. Ôn lại: transform().

python
import pandas as pd

def danh_muc_chu_luc(bang, nguong):
    pass  # Viết thân hàm thay cho dòng này

Thử mở rộng

Hai hướng đầu làm được ngay với chương trình trên:

  • Gọi danh_muc_chu_luc(bang, 30) trên bảng thật của bước 6 để xem kênh nào có hơn một danh mục chủ lực trong quý.

  • Thêm cột gia_tri_tb=("doanh_thu", "mean") vào agg() để có giá trị đơn trung bình của từng cặp kênh và danh mục.

  • Bảng kênh × danh mục dạng lưới, kênh là dòng và danh mục là cột, cần bảng tổng hợp ở bài pivot_table().

  • Lấy danh mục bằng ghép bảng thay cho map(): bài merge() dạy cách này.

Chủ đề

báo cáo doanh thu pandas

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