AI phân tích dữ liệu: dùng ChatGPT với pandas không sai số
Bài 4/6 · Chương 11
Trang phụ trợ
- 5 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 13
Trang này gom các câu hỏi hay gặp khi dùng AI phân tích dữ liệu cùng pandas. Bạn sẽ thấy cách hỏi ChatGPT cho đúng, cách đọc code AI trả về, và cách tự kiểm lại con số bằng một phép tính khác. Mở trang khi bạn định giao một câu hỏi về bảng dữ liệu cho AI, hay khi đã có kết quả của AI mà chưa chắc nó đúng.
Cách dùng với trang này
Mỗi câu trả lời mở bằng việc nên làm, rồi một ví dụ chạy được trên một bảng nhỏ mà bạn tự đếm được bằng mắt. Ý chung của trang: AI viết code nhanh, nhưng người chịu trách nhiệm cho con số là bạn, nên mỗi con số quan trọng cần một cách kiểm không đi qua code của AI.
Các ví dụ dùng bảng đơn hàng nhỏ dựng ngay trong khối. Khi làm trên dữ liệu thật, thay bảng đó bằng pd.read_csv() của file của bạn, các bước kiểm giữ nguyên.
Trước khi hỏi AI
Nên gửi gì kèm câu hỏi?
Gửi mô tả bảng thay cho cả file: số dòng, tên và kiểu từng cột, vài dòng mẫu, và câu "dùng pandas 3.0". AI không thấy file của bạn, nên thiếu tên cột thì nó đoán, và đoán sai thì code chạy lỗi hay tính nhầm cột. Ba dòng dưới in đủ mô tả đó:
import pandas as pd
don = pd.DataFrame({
"ma_don": ["D1", "D2", "D3", "D4", "D5"],
"kenh": ["Web", "App", "Web", "Shop", "App"],
"tien": [250000, 90000, 480000, 310000, 60000],
})
print(don.shape)
print(don.dtypes)
print(don.head(3).to_csv(index=False))KẾT QUẢ
(5, 3)
ma_don str
kenh str
tien int64
dtype: object
ma_don,kenh,tien
D1,Web,250000
D2,App,90000
D3,Web,480000Chép phần in ra vào câu hỏi, rồi viết câu hỏi bằng lời của việc cần làm: "Tính tổng tiền theo kênh, sắp giảm dần". info() và describe() của bài info() và describe() cho thêm số ô trống và khoảng giá trị.
Có nên dán cả file dữ liệu vào ChatGPT không?
Không nên với dữ liệu có tên, số điện thoại, email, địa chỉ của khách hay số liệu nội bộ của công ty: những gì bạn dán vào có thể được lưu lại. Gửi mô tả cột và vài dòng đã đổi tên, đổi số là đủ để AI viết code; code đó chạy trên file thật ở máy của bạn.
Đọc code AI trả về
Đọc code của AI thế nào trước khi chạy?
Đọc từng dòng và nói được nó làm gì: đọc file nào, lọc gì, gom theo cột nào, cộng cột nào. Dòng nào bạn không giải thích được thì hỏi lại AI dòng đó, hay tra bài của tutorial này. Tìm thêm các mẫu của pandas 2 mà AI hay viết (append, inplace=True, == object, freq="M"); trang sửa code pandas cũ có cách sửa từng mẫu.
Code AI chạy không lỗi thì đã đúng chưa?
Chưa chắc: code chạy được mà vẫn tính sai là chuyện thường gặp. Ví dụ, hỏi "mỗi kênh có bao nhiêu đơn", AI có thể đếm bằng count() trên một cột có ô trống, thay cho size():
import pandas as pd
don = pd.DataFrame({
"kenh": ["Web", "App", "Web", "Shop", "App"],
"ma_giam": ["T10", None, None, "T10", "VIP"],
})
print(don.groupby("kenh")["ma_giam"].count().to_dict())
print(don.groupby("kenh").size().to_dict())KẾT QUẢ
{'App': 1, 'Shop': 1, 'Web': 1}
{'App': 2, 'Shop': 1, 'Web': 2}Dòng đầu chỉ đếm các đơn có mã giảm giá, nên kênh Web còn 1 đơn dù có 2. count() bỏ qua ô trống, size() đếm mọi dòng. Bài groupby() nói hai phép này.
Tự kiểm lại kết quả
Kiểm một bảng tổng theo nhóm thế nào?
Cộng các nhóm lại phải bằng tổng của cả cột, và số dòng các nhóm cộng lại phải bằng số dòng của bảng. Hai phép so này không dùng lại code của AI, nên bắt được lỗi lọc thiếu hay gom nhầm:
import pandas as pd
don = pd.DataFrame({
"kenh": ["Web", "App", "Web", "Shop", "App"],
"tien": [250000, 90000, 480000, 310000, 60000],
})
theo_kenh = don.groupby("kenh")["tien"].sum()
print(theo_kenh.sum() == don["tien"].sum())
print(don.groupby("kenh").size().sum() == len(don))KẾT QUẢ
True
TrueMột False ở đây nghĩa là có dòng bị bỏ hay bị đếm hai lần, thường do ô trống ở cột nhóm hay do ghép bảng nhân bản dòng.
Sau khi AI ghép hai bảng, kiểm gì?
So số dòng trước và sau. Ghép đơn hàng với bảng khách theo mã khách thì số đơn không được đổi; số dòng tăng nghĩa là bảng khách có mã trùng, số dòng giảm nghĩa là có đơn không tìm thấy khách:
import pandas as pd
don = pd.DataFrame({"ma_don": ["D1", "D2", "D3"],
"ma_kh": ["K1", "K2", "K1"]})
khach = pd.DataFrame({"ma_kh": ["K1", "K2", "K2"],
"ten": ["Lan", "Minh", "Minh"]})
ghep = don.merge(khach, on="ma_kh", how="left")
print(len(don), len(ghep))
print(khach["ma_kh"].duplicated().sum())KẾT QUẢ
3 4
1Bốn dòng thay cho ba: khách K2 có hai dòng nên đơn D2 bị nhân đôi, và tổng tiền tính sau đó sẽ sai. Bài kiểm tra chất lượng dữ liệu gom các phép kiểm như thế trước khi phân tích.
AI báo "giá trị trung bình" thì có tin được không?
Tin con số, nhưng đặt nó cạnh trung vị trước khi viết vào báo cáo. Vài giá trị rất lớn kéo trung bình lên xa "giá trị thường gặp":
import pandas as pd
tien = pd.Series([45000, 52000, 38000, 61000, 4500000])
print(round(tien.mean()), int(tien.median()))KẾT QUẢ
939200 52000Trung bình 939.200 đồng mà bốn trong năm đơn dưới 62.000: một đơn lớn kéo cả con số. Khi hai số cách xa nhau như thế, báo cáo nên nói trung vị, hay nói rõ có đơn bất thường.
Khi nào không nên giao cho AI
Việc nào nên tự làm thay cho hỏi AI?
Quyết định câu hỏi cần trả lời, chọn dữ liệu nào đáng tin, và kết luận từ con số: đó là phần AI không biết về công việc của bạn. AI hợp với việc viết lại một thao tác bạn đã biết cần làm, như "đổi cột ngày dạng dd/mm/yyyy sang kiểu ngày", rồi bạn kiểm kết quả trên vài dòng.
Chủ đề
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.