Dự án giá nhà (3/4): giá mỗi m² theo khu vực và theo tháng
Bài 5/5 · Chương 9
Dự án phân tích dữ liệu
- 8 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 9
Dự án giá nhà phần 3 trả lời câu hỏi giá nhà theo khu vực trên 1.056 tin đã làm sạch: quận nào đắt, loại nhà nào đắt, và giá mỗi m² đi thế nào qua từng tháng. Bạn đi qua sáu bước, từ chọn đại lượng đo tới chương trình hoàn chỉnh, rồi tự viết hàm xếp hạng quận cho một loại nhà ở cuối trang.
Cần biết trước: groupby nhiều cột, agg(), groupby().filter(), pivot_table(), resample() và thống kê mô tả.
Chương trình sẽ làm gì
Chương trình nhận file nha_dat_sach.csv của bộ dữ liệu thực hành, đúng bảng mà phần 2 làm ra: mỗi dòng một tin, có quan, loai_nha, ngay_dang và giá mỗi m² gia_trieu_m2 (triệu đồng). Nó trả lời ba trong bốn câu hỏi của phần 1. Chương trình đưa ra bốn kết quả: bảng xếp hạng 15 quận, số lần chênh giữa quận đắt và rẻ, bảng quận nhân loại nhà, và giá trung vị của hai nửa năm.
Chương trình không có vòng lặp hay rẽ nhánh viết tay: các phép gom làm việc lặp. Thứ tự dựng: chọn đại lượng đo trước, rồi gom theo một cột, theo hai cột, bỏ nhóm ít tin, trình bày thành bảng, cuối cùng mới gom theo thời gian.
Bước 1: Chọn trung bình hay trung vị
Giá nhà lệch phải: vài căn rất đắt kéo trung bình lên. So hai con số của cả bảng trước khi chọn:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
print(nha.shape)
tom_tat = nha["gia_trieu_m2"].agg(["mean", "median"])
print(tom_tat.round(1).to_list())KẾT QUẢ
(1056, 10)
[94.3, 79.3]Trung bình cao hơn trung vị 15 triệu đồng mỗi m², dấu hiệu của phân phối lệch như bài thống kê mô tả giải thích. Mọi bước sau dùng trung vị: một nửa số tin rẻ hơn nó, một nửa đắt hơn.
Bước 2: Giá mỗi m² theo quận
Câu hỏi đầu: khu nào đắt, khu nào rẻ. Gom theo quan, và đặt tên cho từng cột kết quả bằng named aggregation để bảng tự giải thích:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
theo_quan = nha.groupby("quan").agg(
so_tin=("ma_tin", "count"),
trung_vi=("gia_trieu_m2", "median"),
).sort_values("trung_vi", ascending=False)
print(theo_quan.iloc[[0, 1, 2, -3, -2, -1]].to_string())
cao, thap = theo_quan["trung_vi"].iloc[[0, -1]]
print(round(cao / thap, 1))KẾT QUẢ
so_tin trung_vi
quan
Quận 1 38 199.85
Quận 3 39 153.70
Quận 5 39 138.20
Quận 12 77 49.30
Nhà Bè 42 43.85
Bình Chánh 75 42.10
4.7Quận 1 đắt gấp 4,7 lần Bình Chánh tính theo giá mỗi m². Bảng in ba quận đầu và ba quận cuối; quận ít tin nhất cũng có 38 tin, đủ để tin trung vị. Đổi "median" thành "mean" ở dòng trung_vi rồi chạy lại: mọi quận đều tăng, và số lần chênh đổi theo.
Bước 3: Theo quận và loại nhà, bỏ nhóm ít tin
Một quận có cả căn hộ lẫn nhà phố, và nhà phố đắt hơn nhiều. Gom theo hai cột cho từng cặp quận, loại nhà; as_index=False giữ hai cột nhóm là cột thường thay cho index hai tầng:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
nhom = nha.groupby(["quan", "loai_nha"], as_index=False)
bang = nhom.agg(so_tin=("ma_tin", "count"),
trung_vi=("gia_trieu_m2", "median"))
print(bang.head(4).to_string(index=False))
du_tin = nha.groupby(["quan", "loai_nha"]).filter(
lambda g: len(g) >= 5)
print(len(nha) - len(du_tin))KẾT QUẢ
quan loai_nha so_tin trung_vi
Bình Chánh Căn hộ chung cư 24 39.50
Bình Chánh Nhà hẻm 21 40.90
Bình Chánh Nhà phố 22 42.45
Bình Chánh Đất nền 8 43.15
560 cặp quận, loại nhà không đều nhau: có cặp chỉ một, hai tin. groupby().filter() giữ nguyên các dòng của nhóm có từ 5 tin trở lên và bỏ cả nhóm còn lại; 5 tin bị bỏ, thuộc ba nhóm.
Bước 4: Trình bày bằng pivot_table
Bảng dài 60 dòng khó đọc. pivot_table() dựng bảng quận nhân loại nhà, mỗi ô là trung vị; margins=True thêm dòng và cột All tính trên mọi tin của hàng hay cột đó:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
du_tin = nha.groupby(["quan", "loai_nha"]).filter(
lambda g: len(g) >= 5)
bang_gia = du_tin.pivot_table(
index="quan", columns="loai_nha", values="gia_trieu_m2",
aggfunc="median", margins=True).round(1)
print(bang_gia.loc[["Quận 1", "Quận 5", "Bình Chánh", "All"]])KẾT QUẢ
loai_nha Căn hộ chung cư Nhà hẻm Nhà phố Đất nền All
quan
Quận 1 150.4 215.0 316.2 183.6 199.9
Quận 5 82.3 147.5 208.3 NaN 139.4
Bình Chánh 39.5 40.9 42.4 43.2 42.1
All 57.5 93.2 133.2 70.3 79.0Dòng All trả lời câu hỏi thứ hai: nhà phố đắt mỗi m² hơn cả, 133,2 triệu đồng, căn hộ rẻ hơn cả, 57,5 triệu đồng. Ở Bình Chánh, bốn loại nhà chênh nhau rất ít; ở Quận 1, nhà phố đắt gấp đôi căn hộ. Ô NaN là nhóm đã bị bỏ vì ít tin: đừng đổi nó thành 0 bằng fill_value=0, vì 0 đọc như giá bằng không. Thay "Quận 5" bằng tên quận khác trong list rồi chạy lại để xem dòng của quận đó.
Bước 5: Giá mỗi m² theo tháng
Câu hỏi thứ ba cần gom theo thời gian. resample("ME", on="ngay_dang") chia tin theo tháng đăng, mốc là ngày cuối tháng; lấy cả số tin để biết mỗi trung vị dựa trên bao nhiêu căn:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
theo_thang = nha.resample("ME", on="ngay_dang")["gia_trieu_m2"].agg(
["count", "median"])
print(theo_thang.round(1).to_string())
nua_dau = theo_thang["median"].iloc[:6].mean()
nua_sau = theo_thang["median"].iloc[6:].mean()
print(round(nua_dau, 1), round(nua_sau, 1))KẾT QUẢ
count median
ngay_dang
2025-01-31 87 79.4
2025-02-28 80 73.2
2025-03-31 90 79.6
2025-04-30 69 77.2
2025-05-31 97 75.3
2025-06-30 87 90.0
2025-07-31 88 82.2
2025-08-31 109 80.1
2025-09-30 90 76.3
2025-10-31 77 81.7
2025-11-30 106 84.1
2025-12-31 76 81.0
79.1 80.9Trung vị từng tháng nhảy lên xuống tới 17 triệu đồng mỗi m², vì mỗi tháng có một hỗn hợp quận và loại nhà khác nhau: tháng 6 có thể chỉ nhiều tin nhà phố hơn. Trung bình của sáu tháng cuối cao hơn sáu tháng đầu khoảng 2%, một dấu hiệu nhích lên nhẹ, chưa đủ để nói là xu hướng. Câu trả lời trung thực cho câu hỏi thứ ba ghi cả hai điều đó.
Bước 6: Ghép thành chương trình hoàn chỉnh
Chương trình hoàn chỉnh tính hết trước, rồi in các kết quả theo thứ tự câu hỏi:
import pandas as pd
nha = pd.read_csv("nha_dat_sach.csv", parse_dates=["ngay_dang"])
theo_quan = nha.groupby("quan").agg(
so_tin=("ma_tin", "count"),
trung_vi=("gia_trieu_m2", "median"),
).sort_values("trung_vi", ascending=False)
cao, thap = theo_quan["trung_vi"].iloc[[0, -1]]
nhom = nha.groupby(["quan", "loai_nha"], as_index=False)
bang = nhom.agg(so_tin=("ma_tin", "count"),
trung_vi=("gia_trieu_m2", "median"))
du_tin = nha.groupby(["quan", "loai_nha"]).filter(
lambda g: len(g) >= 5)
bang_gia = du_tin.pivot_table(
index="quan", columns="loai_nha", values="gia_trieu_m2",
aggfunc="median", margins=True).round(1)
theo_thang = nha.resample("ME", on="ngay_dang")["gia_trieu_m2"].agg(
["count", "median"])
nua_dau = theo_thang["median"].iloc[:6].mean()
nua_sau = theo_thang["median"].iloc[6:].mean()
print(theo_quan.iloc[[0, 1, 2, -3, -2, -1]].to_string())
print(round(cao / thap, 1))
print(bang_gia.loc[["Quận 1", "Quận 5", "Bình Chánh", "All"]])
print(round(nua_dau, 1), round(nua_sau, 1))KẾT QUẢ
so_tin trung_vi
quan
Quận 1 38 199.85
Quận 3 39 153.70
Quận 5 39 138.20
Quận 12 77 49.30
Nhà Bè 42 43.85
Bình Chánh 75 42.10
4.7
loai_nha Căn hộ chung cư Nhà hẻm Nhà phố Đất nền All
quan
Quận 1 150.4 215.0 316.2 183.6 199.9
Quận 5 82.3 147.5 208.3 NaN 139.4
Bình Chánh 39.5 40.9 42.4 43.2 42.1
All 57.5 93.2 133.2 70.3 79.0
79.1 80.9Ô All góc dưới là 79,0 chứ không phải 79,3 như Bước 1, vì bảng pivot chỉ tính trên các nhóm đủ tin. Đổi 5 trong dòng lambda g: len(g) >= 5 thành 10 rồi chạy lại: số tin bị bỏ tăng, và thêm vài ô NaN trong bảng. Ba con số chính, 4,7 lần, nhà phố 133,2 và hai nửa năm, là nguyên liệu cho báo cáo có hình ở phần 4.
Bài tập
Xếp hạng quận cho một loại nhà
Một người mua chỉ quan tâm căn hộ và hỏi quận nào đắt nhất. Viết thân hàm xep_khu(nha, loai, toi_thieu): nha là bảng tin có các cột như chương trình trên. Chỉ xét tin có loai_nha bằng loai, bỏ các quận có ít hơn toi_thieu tin của loại đó, rồi tính trung vị gia_trieu_m2 của mỗi quận còn lại.
Kết quả xếp giảm dần; hai quận bằng nhau thì xếp theo tên quận. Hàm không sửa nha.
Trả về: giá trung vị mỗi m² của từng quận, index là tên quận, một Series.
import pandas as pd
def xep_khu(nha, loai, toi_thieu):
pass # Viết thân hàm thay cho dòng nàyThử mở rộng
Chương trình còn trả lời được thêm vài câu hỏi:
Thêm cột
so_tinvào bảng pivot bằng mộtpivot_table()thứ hai vớiaggfunc="count", để người đọc thấy mỗi ô dựa trên bao nhiêu tin.Gom theo tháng riêng cho căn hộ: lọc
loai_nhatrước rồiresample("ME", on="ngay_dang"), để xem giá một loại nhà có đều hơn giá cả bảng không.Đổi
"ME"thành"W"để thấy giá theo tuần nhảy mạnh thế nào khi mỗi nhóm chỉ còn hơn chục tin.Vẽ bảng xếp hạng quận và giá theo tháng thành biểu đồ có tiêu đề là kết luận, việc của phần 4 với Matplotlib trong dự án báo cáo giá nhà.
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.