Bỏ qua đến nội dung chính
Mục lục

Dự án giá nhà (3/4): giá mỗi m² theo khu vực và theo tháng

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/5 · Chương 9

Dự án phân tích dữ liệu

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

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:

python
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:

python
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
4.7

Quận 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:

python
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
5

60 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:

python
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   79.0

Dòng 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:

python
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 80.9

Trung 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:

python
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 80.9

Ô 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.

python
import pandas as pd

def xep_khu(nha, loai, toi_thieu):
    pass  # Viết thân hàm thay cho dòng này

Thử mở rộng

Chương trình còn trả lời được thêm vài câu hỏi:

  • Thêm cột so_tin vào bảng pivot bằng một pivot_table() thứ hai với aggfunc="count", để người đọc thấy mỗi ô dựa trên bao nhiêu tin.

  • Gom theo tháng riêng cho căn hộ: lọc loai_nha trước rồi resample("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

giá nhà theo khu vực

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