Dự án pandas: báo cáo doanh thu kênh × danh mục hằng tuần
Bài 13/13 · Chương 5
GroupBy, map và apply
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 9
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:
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 30000copy() 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:
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: 0Dòng 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:
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 1526Trên 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():
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 775000Năm 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:
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 40.0Ba 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:
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 60.0astype(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.
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 45.5Sàn 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
nguongphần 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().
import pandas as pd
def danh_muc_chu_luc(bang, nguong):
pass # Viết thân hàm thay cho dòng nàyThử 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")vàoagg()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
Dữ liệu của bài
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.