Bỏ qua đến nội dung chính
Mục lục

Dự án pandas: phân tích dữ liệu bán hàng bằng lọc và đếm

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 16/16 · Chương 4

Chọn, lọc và sắp xếp

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

Dự án phân tích dữ liệu bán hàng này trả lời bốn câu hỏi của chủ một cửa hàng đặc sản trên file đơn hàng 18 tháng. Công cụ chỉ là những gì chương chọn, lọc và sắp xếp đã dạy: thêm cột, lọc, đếm, thống kê và lấy top. Không có gom nhóm hay biểu đồ, và mỗi câu trả lời là vài dòng pandas bạn đọc được từ trên xuống.

Cần biết trước: read_csv(), lọc dữ liệu, value_counts() và nlargest().

Chương trình sẽ làm gì

Chủ cửa hàng mẫu AIDev mở file don_hang.csv của bộ dữ liệu thực hành: 1.526 đơn từ tháng 1/2025 đến tháng 6/2026, qua năm kênh bán. Chị hỏi bốn câu:

  1. Trong mọi đơn, bao nhiêu phần trăm giao xong, bao nhiêu bị hủy hay trả lại?

  2. Đơn giao xong mang về bao nhiêu tiền, và một đơn bình thường trị giá bao nhiêu?

  3. Sáu tháng đầu năm 2026, kênh nào có nhiều đơn giao xong nhất?

  4. Năm đơn giao xong lớn nhất đến từ kênh nào?

Chương trình đọc file, thêm cột thành tiền, rồi in câu trả lời cho từng câu, mỗi câu vài dòng. Thứ tự dựng: đọc và thêm cột, rồi lần lượt bốn câu hỏi, cuối cùng ghép thành một chương trình.

Bước 1: Đọc file và thêm cột thành tiền

File ghi số lượng và đơn giá, không ghi thành tiền. Câu 2 và câu 4 cần thành tiền, nên chương trình thêm cột tien một lần ngay sau khi đọc:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
don = don.assign(tien=pd.col("so_luong") * pd.col("don_gia"))
print(don.shape)
print(don[["ma_don", "kenh", "trang_thai", "tien"]].head(3))

KẾT QUẢ

(1526, 10)
    ma_don      kenh  trang_thai    tien
0  DH00001  Cửa hàng  Hoàn thành  156000
1  DH00002  Sàn TMĐT  Hoàn thành   50000
2  DH00003  Sàn TMĐT  Hoàn thành   54000

Bảng có mười cột, cột tien ở cuối. Gán lại kết quả của assign() cho don để mọi bước sau dùng chung bảng này.

Bước 2: Tỉ lệ đơn theo trạng thái

Câu 1 hỏi tỉ lệ, nên value_counts(normalize=True) trả lời thẳng. In từng cặp bằng f-string cho số dễ đọc:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
ti_le = don["trang_thai"].value_counts(normalize=True)
for trang_thai, p in ti_le.items():
    print(f"{trang_thai}: {p * 100:.1f}%")
bo = don["trang_thai"].isin(["Đã hủy", "Hoàn trả"])
print("Hủy hoặc trả lại:", bo.sum(), "đơn")

KẾT QUẢ

Hoàn thành: 86.0%
Đã hủy: 7.9%
Hoàn trả: 5.7%
Đang giao: 0.3%
Hủy hoặc trả lại: 208 đơn

Cứ khoảng bảy đơn thì có một đơn không mang về đồng nào: bị hủy hay bị trả lại. isin() với sum() đếm gộp hai trạng thái đó trong một dòng.

Bước 3: Doanh thu và một đơn bình thường

Câu 2 chỉ tính đơn giao xong. Lọc một lần bằng query(), rồi tính tổng, trung bình và trung vị của cột tien:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
don = don.assign(tien=pd.col("so_luong") * pd.col("don_gia"))
xong = don.query("trang_thai == 'Hoàn thành'")
tong = xong["tien"].sum()
print(f"Doanh thu: {tong:,} đ".replace(",", "."))
print(f"Trung bình: {xong['tien'].mean():,.0f} đ".replace(",", "."))
print(f"Trung vị: {xong['tien'].median():,.0f} đ".replace(",", "."))

KẾT QUẢ

Doanh thu: 225.054.000 đ
Trung bình: 171.404 đ
Trung vị: 96.000 đ

Trung bình khoảng 171.404 đ nhưng trung vị chỉ 96.000 đ: vài đơn hàng triệu kéo trung bình lên. Khi chị hỏi "một đơn bình thường", trung vị là câu trả lời sát hơn.

Bước 4: Kênh mạnh nhất nửa đầu năm 2026

Câu 3 có hai điều kiện: đơn giao xong, đặt từ ngày 1/1/2026. Ngày ghi dạng năm-tháng-ngày nên so được như chữ trong chuỗi query(). File dừng ở ngày 30/6/2026, nên chỉ cần một cận dưới. Sau khi lọc, value_counts() đếm đơn theo kênh và xếp sẵn từ nhiều đến ít:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
dk = "trang_thai == 'Hoàn thành' and ngay_dat >= '2026-01-01'"
nua_dau = don.query(dk)
print(len(nua_dau), "đơn giao xong")
for kenh, so_don in nua_dau["kenh"].value_counts().items():
    print(f"{kenh}: {so_don}")

KẾT QUẢ

501 đơn giao xong
Website: 150
Ứng dụng: 137
Sàn TMĐT: 122
Cửa hàng: 62
Mạng xã hội: 30

Website dẫn đầu với 150 đơn, Ứng dụng theo sát. Đổi '2026-01-01' thành '2025-07-01' rồi chạy lại: dòng đầu in 892 đơn giao xong, số đơn của mười hai tháng gần nhất.

Bước 5: Năm đơn lớn nhất

Câu 4 là câu top N trên bảng đã lọc. Một chuỗi phương thức làm đủ: lọc, lấy năm dòng có tien lớn nhất, chọn ba cột để in:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
top = (
    don.assign(tien=pd.col("so_luong") * pd.col("don_gia"))
    .query("trang_thai == 'Hoàn thành'")
    .nlargest(5, "tien")
    [["ma_don", "kenh", "tien"]]
)
print(top)

KẾT QUẢ

       ma_don      kenh     tien
873   DH00874  Sàn TMĐT  2800000
1188  DH01189   Website  2800000
437   DH00438   Website  2670000
1488  DH01489  Sàn TMĐT  2670000
972   DH00973  Cửa hàng  1800000

Bốn trong năm đơn lớn nhất đến từ Sàn TMĐT và Website. Hai cặp đơn hòa tiền nhau; nlargest() giữ đơn đứng trước trong file, nên kết quả như nhau mỗi lần chạy.

Bước 6: Ghép thành chương trình hoàn chỉnh

Chương trình dưới gộp năm bước, đọc file một lần và dùng chung bảng xong cho câu 2 đến câu 4:

python
import pandas as pd

def tien_vn(so):
    return f"{so:,.0f} đ".replace(",", ".")

don = pd.read_csv("don_hang.csv")
don = don.assign(tien=pd.col("so_luong") * pd.col("don_gia"))
xong = don.query("trang_thai == 'Hoàn thành'")

print("Câu 1: tỉ lệ đơn theo trạng thái")
ti_le = don["trang_thai"].value_counts(normalize=True)
for trang_thai, p in ti_le.items():
    print(f"  {trang_thai}: {p * 100:.1f}%")

print("Câu 2: doanh thu", tien_vn(xong["tien"].sum()))
print("  trung vị một đơn", tien_vn(xong["tien"].median()))

nua_dau = xong.query("ngay_dat >= '2026-01-01'")
dem = nua_dau["kenh"].value_counts()
print("Câu 3:", dem.index[0], "với", dem.iloc[0], "đơn")

top = xong.nlargest(5, "tien")
print("Câu 4:", top["kenh"].to_list())

KẾT QUẢ

Câu 1: tỉ lệ đơn theo trạng thái
  Hoàn thành: 86.0%
  Đã hủy: 7.9%
  Hoàn trả: 5.7%
  Đang giao: 0.3%
Câu 2: doanh thu 225.054.000 đ
  trung vị một đơn 96.000 đ
Câu 3: Website với 150 đơn
Câu 4: ['Sàn TMĐT', 'Website', 'Website', 'Sàn TMĐT', 'Cửa hàng']

Hàm tien_vn() gom cách định dạng tiền vào một chỗ, như bài định dạng tiền VNĐ. Câu 3 lấy kênh đứng đầu bằng dem.index[0] và số đơn bằng dem.iloc[0], vì value_counts() đã xếp từ nhiều đến ít.

Bài tập

Báo cáo nhanh một kênh

Mỗi trưởng kênh muốn một báo cáo ba dòng. Bảng don là bảng của chương trình, đã có cột tien. Viết thân hàm bao_cao_kenh(don, kenh) trả về một dictionary, chỉ tính các đơn có kenh bằng kenh và trang_thai bằng "Hoàn thành":

  • "so_don": số đơn đó, kiểu int.

  • "doanh_thu": tổng cột tien của các đơn đó, kiểu int.

  • "don_lon_nhat": ma_don của đơn có tien lớn nhất; hòa thì lấy đơn đứng trước.

Kênh không có đơn giao xong nào thì trả {"so_don": 0, "doanh_thu": 0, "don_lon_nhat": None}. Hàm không sửa bảng don của nơi gọi.

Trả về: báo cáo của kênh, một dict.

python
import pandas as pd

def bao_cao_kenh(don, kenh):
    pass  # Viết thân hàm thay cho dòng này

Thử mở rộng

Các hướng dưới làm được ngay với chương trình trên:

  • Gọi bao_cao_kenh(don, "Website") trên bảng don thật của chương trình, rồi lặp qua cả năm kênh để có một báo cáo đủ.

  • Đổi câu 3 thành nửa cuối năm 2025 bằng between("2025-07-01", "2025-12-31") trong mask, như bài isin() và between().

  • Thêm câu 5: mười khách đặt nhiều đơn nhất, bằng value_counts() trên cột ma_kh rồi head(10).

  • Tính doanh thu từng kênh trong một bảng: cần gom nhóm, theo bài groupby().

Chủ đề

phân tích dữ liệu bán hàng

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