Dự án pandas: phân tích doanh thu theo tuần, mùa Tết
Bài 17/17 · Chương 8
Dữ liệu thời gian
- 7 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 8
Dự án này phân tích doanh thu theo mùa của một cửa hàng trực tuyến trong 18 tháng, để biết mùa Tết bắt đầu từ tuần nào và mạnh tới đâu so với tuần thường. Bạn làm qua năm bước, từ kiểm tra file tới ghép chương trình, và cuối trang tự viết hàm lọc các tuần nổi bật.
Cần biết trước: resample(), rank() và top N mỗi nhóm và thống kê mô tả.
Chương trình sẽ làm gì
File don_hang.csv trong bộ dữ liệu thực hành ghi mọi đơn của một cửa hàng hư cấu từ 01/01/2025 tới 30/06/2026: ngày đặt, khách, sản phẩm, số lượng, đơn giá, kênh bán và trạng thái. Doanh thu một đơn là so_luong * don_gia, tính trên mọi đơn trong file như các bài trước của chương, kể cả đơn hủy về sau. Con số đó đo sức mua lúc đặt hàng; tiền thu về thật thì phải bỏ đơn hủy, việc của gạch đầu dòng cuối trong "Thử mở rộng". Chương trình nhận file đó và đưa ra ba thứ: doanh thu từng tuần, tỉ số của mỗi tuần so với tuần trung vị, và ba tuần mạnh nhất của từng năm.
Tết Nguyên đán năm 2025 là 29/01, năm 2026 là 17/02, nên mùa Tết rơi vào hai tháng khác nhau. Chương trình không có vòng lặp hay rẽ nhánh tự viết. Mỗi bước đọc lại file nên chạy riêng được; thứ tự dựng là kiểm tra, gom theo tuần, so với trung vị, xếp hạng trong từng năm, ghép lại.
Bước 1: Kiểm tra file và thêm cột tiền
Đọc file với parse_dates= để cột ngày có kiểu ngày, thêm cột tien, rồi xem khoảng ngày và số đơn mỗi năm. .dt.year lấy năm của từng đơn, như ở bài accessor .dt:
import pandas as pd
don = pd.read_csv("don_hang.csv", parse_dates=["ngay_dat"])
don["tien"] = don["so_luong"] * don["don_gia"]
ngay = don["ngay_dat"]
print(don.shape, ngay.min().date(), ngay.max().date())
nam = ngay.dt.year
print(nam.value_counts().sort_index().to_string())KẾT QUẢ
(1526, 10) 2025-01-01 2026-06-30
ngay_dat
2025 945
2026 581Năm 2026 chỉ có sáu tháng, nên mọi phép so giữa hai năm phải tính theo tuần hay theo tỉ số chứ không theo tổng năm. Cột ngay_dat không có ô trống, nên không cần bước làm sạch ngày.
Bước 2: Doanh thu từng tuần
resample("W", on="ngay_dat") gom các đơn theo tuần kết thúc Chủ nhật; nhãn của mỗi tuần là ngày Chủ nhật đó. describe() tóm tắt 79 tuần bằng vài con số, tính bằng triệu đồng cho dễ đọc:
import pandas as pd
don = pd.read_csv("don_hang.csv", parse_dates=["ngay_dat"])
don["tien"] = don["so_luong"] * don["don_gia"]
tuan = don.resample("W", on="ngay_dat")["tien"].sum()
dau, cuoi = tuan.index[0].date(), tuan.index[-1].date()
print(len(tuan), "tuần, từ", dau, "tới", cuoi)
print((tuan / 1_000_000).describe().round(1).to_string())KẾT QUẢ
79 tuần, từ 2025-01-05 tới 2026-07-05
count 79.0
mean 3.3
std 1.7
min 0.7
25% 2.2
50% 2.8
75% 4.1
max 9.1Trung bình 3,3 triệu cao hơn trung vị 2,8 triệu, vì vài tuần rất mạnh kéo trung bình lên. Vì vậy "tuần thường" nên lấy trung vị: nó không bị các tuần Tết làm lệch. Tuần đầu và tuần cuối thiếu ngày nên doanh thu thấp; bỏ hai tuần đó, trung vị chỉ đổi từ 2.813.000 đ thành 2.817.000 đ, nên giữ chúng cho code gọn.
Bước 3: So với tuần trung vị và xếp hạng
Chia doanh thu mỗi tuần cho trung vị được tỉ số, cho biết mỗi tuần bằng bao nhiêu lần tuần thường: 1,5 là hơn tuần thường một nửa. rank(ascending=False, method="min") cho tuần mạnh nhất hạng 1; hai tuần bằng tiền nhau cùng nhận hạng nhỏ hơn:
import pandas as pd
don = pd.read_csv("don_hang.csv", parse_dates=["ngay_dat"])
don["tien"] = don["so_luong"] * don["don_gia"]
tuan = don.resample("W", on="ngay_dat")["tien"].sum()
trung_vi = tuan.median()
bang = pd.DataFrame({"trieu": (tuan / 1_000_000).round(1),
"ti_so": (tuan / trung_vi).round(1)})
bang["hang"] = tuan.rank(ascending=False, method="min").astype(int)
print(bang.sort_values("hang").head(6))KẾT QUẢ
trieu ti_so hang
ngay_dat
2026-02-08 9.1 3.2 1
2026-03-08 8.2 2.9 2
2025-01-26 8.2 2.9 3
2025-12-07 7.8 2.8 4
2026-02-15 7.6 2.7 5
2025-01-19 6.0 2.1 6Bốn trong sáu tuần mạnh nhất là hai tuần liền trước Tết của mỗi năm: 13–26/01/2025 và 02–15/02/2026. Hai tuần còn lại là tuần có ngày 8/3 và tuần đầu tháng 12. Tuần 2026-03-08 và 2025-01-26 cùng in 8.2 nhưng khác hạng, vì rank() xếp trên số tiền chưa làm tròn.
Bước 4: Ba tuần mạnh nhất của từng năm và hình dạng mùa Tết
Xếp hạng trên cả 79 tuần thì đỉnh của năm này che đỉnh của năm kia, và năm 2026 chỉ có 26 tuần. Muốn thấy ba tuần mạnh nhất của từng năm, xếp hạng trong từng năm: groupby(nam).rank() đánh số lại từ 1 cho mỗi năm. Rồi in tỉ số các tuần quanh hai cái Tết:
import pandas as pd
don = pd.read_csv("don_hang.csv", parse_dates=["ngay_dat"])
don["tien"] = don["so_luong"] * don["don_gia"]
tuan = don.resample("W", on="ngay_dat")["tien"].sum()
bang = pd.DataFrame({"trieu": (tuan / 1_000_000).round(1),
"ti_so": (tuan / tuan.median()).round(1)})
nam = bang.index.year
xep = tuan.groupby(nam)
bang["hang_nam"] = xep.rank(ascending=False, method="min")
print(bang[bang["hang_nam"] <= 3])
print(bang.loc["2025-01-12":"2025-02-09", "ti_so"].to_list())
print(bang.loc["2026-02-01":"2026-03-01", "ti_so"].to_list())KẾT QUẢ
trieu ti_so hang_nam
ngay_dat
2025-01-19 6.0 2.1 3.0
2025-01-26 8.2 2.9 1.0
2025-12-07 7.8 2.8 2.0
2026-02-08 9.1 3.2 1.0
2026-02-15 7.6 2.7 3.0
2026-03-08 8.2 2.9 2.0
[1.9, 2.1, 2.9, 0.6, 0.7]
[2.0, 3.2, 2.7, 0.4, 1.5]Hai năm cùng một hình dạng. Ba tuần trước Tết đều bán khoảng gấp đôi tuần thường trở lên, đỉnh rơi vào một hay hai tuần trước Tết (2,9 năm 2025, 3,2 năm 2026), rồi tuần có mùng 1 tụt còn 0,6 và 0,4 lần tuần thường. Hai đỉnh cách nhau gần ba tuần trên lịch dương, đúng bằng khoảng cách giữa hai ngày Tết; kế hoạch nhập hàng vì vậy nên đếm ngược từ ngày Tết của năm đó, không đặt cố định theo tháng. hang_nam in kiểu 3.0 vì rank() trả số thực.
Bước 5: Ghép thành chương trình hoàn chỉnh
Ghép bốn bước: đọc file và thêm cột tiền, gom theo tuần, so với trung vị, xếp hạng chung và trong từng năm. Mọi dòng đã có ở một bước trên; bảng in ra gồm cả hạng chung lẫn hạng trong năm.
import pandas as pd
don = pd.read_csv("don_hang.csv", parse_dates=["ngay_dat"])
don["tien"] = don["so_luong"] * don["don_gia"]
tuan = don.resample("W", on="ngay_dat")["tien"].sum()
dau, cuoi = tuan.index[0].date(), tuan.index[-1].date()
print(len(tuan), "tuần, từ", dau, "tới", cuoi)
trung_vi = tuan.median()
bang = pd.DataFrame({"trieu": (tuan / 1_000_000).round(1),
"ti_so": (tuan / trung_vi).round(1)})
bang["hang"] = tuan.rank(ascending=False, method="min").astype(int)
nam = bang.index.year
xep = tuan.groupby(nam)
bang["hang_nam"] = xep.rank(ascending=False, method="min")
print(bang[bang["hang_nam"] <= 3])
print(bang.loc["2025-01-12":"2025-02-09", "ti_so"].to_list())
print(bang.loc["2026-02-01":"2026-03-01", "ti_so"].to_list())KẾT QUẢ
79 tuần, từ 2025-01-05 tới 2026-07-05
trieu ti_so hang hang_nam
ngay_dat
2025-01-19 6.0 2.1 6 3.0
2025-01-26 8.2 2.9 3 1.0
2025-12-07 7.8 2.8 4 2.0
2026-02-08 9.1 3.2 1 1.0
2026-02-15 7.6 2.7 5 3.0
2026-03-08 8.2 2.9 2 2.0
[1.9, 2.1, 2.9, 0.6, 0.7]
[2.0, 3.2, 2.7, 0.4, 1.5]Chương trình trả lời câu hỏi của chủ cửa hàng: mùa Tết bắt đầu khoảng ba tuần trước mùng 1, đỉnh gấp ba tuần thường, và tuần có mùng 1 chỉ bán được bốn đến sáu phần mười tuần thường. Đổi resample("W", on="ngay_dat") thành resample("W-WED", on="ngay_dat") rồi chạy lại: tuần giờ kết thúc Thứ Tư, và tuần hạng 1 của mỗi năm vẫn là tuần ngay trước Tết (nhãn 22/01/2025 và 11/02/2026). Tỉ số đỉnh chỉ còn 2,4, vì đợt mua sắm trước Tết bị chia đôi sang hai tuần.
Bài tập
Các tuần nổi bật so với tuần trung vị
Bước 3 cho thấy vài tuần bán gấp ba tuần thường. Viết thân hàm tuan_noi_bat(don, he_so) để lọc những tuần như vậy. Bảng don có các cột ngay_dat (kiểu ngày, dòng chưa sắp), so_luong và don_gia, như bảng của chương trình. Hàm:
gom doanh thu (
so_luong * don_gia) theo tuần kết thúc Chủ nhật, nhưresample("W", on="ngay_dat"), kể cả tuần không có đơn, có doanh thu0;lấy trung vị của mọi tuần đó, rồi giữ các tuần có doanh thu lớn hơn
he_solần trung vị; tuần đúng bằng mức đó chưa tính;trả doanh thu (đồng) của các tuần được giữ, nhãn là ngày Chủ nhật, theo thứ tự thời gian.
Hàm không sửa bảng don của nơi gọi. Trình chấm gọi hàm với các bảng nhỏ dựng sẵn, không đọc file.
Trả về: doanh thu của các tuần nổi bật, một Series.
import pandas as pd
def tuan_noi_bat(don, he_so):
pass # Viết thân hàm thay cho dòng nàyThử mở rộng
Hàm của bài tập biến câu hỏi "tuần nào nổi bật" thành một dòng; vài hướng đi tiếp với cùng file:
Gọi
tuan_noi_bat(don, 2)trên bảng của chương trình: bảy tuần bán hơn gấp đôi tuần thường, và năm trong số đó nằm trong ba tuần trước mỗi cái Tết.Làm lại bước 4 với số đơn thay cho doanh thu, bằng
resample("W", on="ngay_dat").size(), và xem đỉnh Tết có rõ như vậy không.Bỏ các đơn
trang_thailà"Đã hủy"trước khi gom, như ở bài lọc dữ liệu, rồi so lại bảng hạng.
Chủ đề
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 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.