Bỏ qua đến nội dung chính
Mục lục

Thuật ngữ phân tích dữ liệu Việt⁠–⁠Anh: từ điển cho người mới

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/6 · Chương 11

Trang phụ trợ

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

Trang này là bảng thuật ngữ phân tích dữ liệu Việt–Anh cho người mới: DataFrame, index, NaN, outlier, groupby, pivot và các từ khác hay gặp trong tài liệu pandas, NumPy, Matplotlib. Mỗi từ có một nghĩa ngắn và link tới bài dạy nó. Mở trang khi đọc tài liệu tiếng Anh hay code của người khác mà gặp một từ chưa rõ nghĩa.

Cách dùng với trang này

Thuật ngữ chia theo nhóm việc, theo thứ tự các bài của tutorial: bảng và kiểu, chọn và lọc, làm sạch, gom nhóm và ghép, thời gian, thống kê, NumPy, biểu đồ. Trong mỗi nhóm, từ xếp theo chữ cái tiếng Anh. Cột Tiếng Việt là cách tutorial này gọi; nhiều từ được giữ nguyên tiếng Anh vì người làm nghề nói như thế (DataFrame, index, groupby).

Nghĩa trong bảng chỉ là một câu để nhận ra từ. Muốn hiểu kỹ và chạy thử, mở bài ở cột cuối.

Bảng và kiểu dữ liệu

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

column

cột

Một tên trong df.columns; df["tien"] lấy cột đó ra thành Series

DataFrame

DataFrame

DataFrame, bảng

Đối tượng pandas giữ cả một bảng, như bảng don với các cột ma_don, kenh, tien

DataFrame

dataset

bộ dữ liệu

Các file bạn mở để trả lời một câu hỏi, như don_hang.csv của tutorial này

bộ dữ liệu thực hành

dtype

kiểu dữ liệu

Tên kiểu pandas gán cho cả cột, xem bằng df.dtypes: cột tiền thường là int64, cột tên là str

dtype và astype()

index

index, nhãn dòng

Nhãn đứng bên trái mỗi dòng khi in bảng; mặc định 0, 1, 2…, đổi được bằng set_index("ma_don")

set_index()

index alignment

căn theo nhãn

Khi cộng hai Series, pandas bắt cặp các ô cùng nhãn; nhãn chỉ có ở một bên cho ra NaN

index alignment

Series

Series

Một cột đứng riêng, ô nào cũng có nhãn; df["kenh"] trả về một Series

Series

shape

kích thước

Cặp (số dòng, số cột) của bảng, như df.shape; với mảng NumPy là độ dài của mỗi chiều

info() và describe()

Chọn và lọc

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

boolean mask

mặt nạ đúng sai

Kết quả của một phép so sánh như df["tien"] >= 300000; df[mask] giữ các dòng ra True

lọc dữ liệu

chained assignment

gán hai bước

Kiểu viết df["tien"][mask] = 0, lấy cột trước rồi ghi vào; từ pandas 3, df không đổi

Copy-on-Write

Copy-on-Write

chép khi ghi

Từ pandas 3, sửa một bảng lấy ra từ bảng khác không làm đổi bảng gốc; pandas chỉ chép dữ liệu khi bạn ghi

Copy-on-Write

label, position

nhãn, vị trí

df.loc["DH1024"] lấy dòng có nhãn đó; df.iloc[0] lấy dòng đầu tiên, đếm từ 0

loc và iloc

method chaining

chuỗi phương thức

Gọi liền nhiều phương thức như df.dropna().sort_values("tien"); chuỗi dài bọc trong ( ) cho mỗi bước nằm một dòng

pipe()

query

truy vấn

df.query("tien > 100000") viết điều kiện thành chữ, thay cho df[df["tien"] > 100000]

query()

Làm sạch dữ liệu

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

data cleaning

làm sạch dữ liệu

Các bước đưa bảng thô về dạng tính được: bỏ dòng trùng, điền hay bỏ ô trống, đổi kiểu, thống nhất cách viết

kiểm tra chất lượng dữ liệu

duplicate

dòng trùng

Hai dòng ghi cùng một sự việc, như mã đơn DH1024 có mặt hai lần; duplicated() đánh dấu lần lặp

drop_duplicates()

forward fill

điền xuôi

ffill() chép số đã biết xuống các ô trống bên dưới, hợp với cột giá chỉ ghi lúc đổi giá

fillna()

interpolation

nội suy

Đoán ô trống từ hai số đo kề nó: 20 độ và 24 độ thì ô ở giữa là 22

interpolate()

missing value

giá trị thiếu, ô trống

Ô chưa có dữ liệu, như khách bỏ trống tỉnh; pandas in NaN cho cột số và chữ, NaT cho cột ngày

dữ liệu thiếu

NaN

NaN

Viết tắt của "not a number"; pandas dùng nó cho ô trống, và isna() tìm ra các ô đó

dữ liệu thiếu

normalization (Unicode)

chuẩn hóa Unicode

"Hà Nội" từ hai bộ gõ có thể lưu dấu theo hai cách; đưa cả cột về NFC thì phép == mới so đúng

chuẩn hóa tiếng Việt

nullable integer

số nguyên cho phép trống

Kiểu Int64 (chữ I hoa) giữ cột số lượng là số nguyên dù có ô trống; ô trống in ra <NA>

Int64 nullable

outlier

ngoại lai

Như một đơn 50 triệu giữa các đơn vài trăm nghìn: có thể gõ thừa số 0, cũng có thể là khách sỉ thật

ngoại lai và IQR

regular expression

biểu thức chính quy, regex

Cách tả hình dạng của chuỗi, như \d{3} cho "ba chữ số", để tìm hay tách bằng str.extract()

regex

Gom nhóm và ghép bảng

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

aggregation

tổng hợp

Rút các số của một nhóm thành một số, như tổng tien của mỗi kênh bằng sum()

agg()

concatenate

nối bảng

pd.concat([thang_1, thang_2]) xếp bảng tháng 2 ngay dưới bảng tháng 1 khi hai bảng có cùng tên cột

concat()

cross tabulation

bảng đếm chéo

Đếm số đơn của từng cặp (kênh, tỉnh), ra một bảng kênh theo dòng, tỉnh theo cột

crosstab()

groupby

gom nhóm

df.groupby("kenh")["tien"].sum() tách đơn theo kênh, cộng tiền từng kênh, trả Series có index là tên kênh

groupby()

join key

khóa ghép

Cột có ở cả hai bảng và cho biết dòng nào đi với dòng nào, như ma_kh của bảng đơn và bảng khách

merge()

long, wide

dạng dài, dạng rộng

Bảng rộng có các cột t1, t2, t3 cho từng tháng; bảng dài gộp chúng thành hai cột thang và doanh_thu

melt()

merge

ghép bảng

Gắn cột của bảng khách vào bảng đơn theo ma_kh; how="left" giữ cả đơn không tìm thấy khách

merge()

MultiIndex

index nhiều tầng

Nhãn dòng có từ hai tầng, như cặp ("Website", "Sách") sau groupby(["kenh", "danh_muc"])

MultiIndex

pivot table

bảng tổng hợp chéo

Bản pandas của PivotTable Excel: tỉnh theo dòng, kênh theo cột, mỗi ô là tổng tiền của tỉnh và kênh đó

pivot_table()

transform

biến đổi theo nhóm

Như groupby() nhưng kết quả dài bằng bảng: mỗi đơn nhận tổng của kênh mình, để tính phần trăm trong kênh

transform()

Thời gian

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

datetime

ngày giờ

Cột ngày đã thôi là chữ, nên lấy được tháng bằng .dt.month hay trừ hai ngày; to_datetime() làm việc đổi

to_datetime()

frequency alias

bí danh tần suất

Mã ngắn cho độ dài một kỳ khi gom hay sinh ngày, như "ME" (cuối tháng) trong resample("ME")

bảng tra tần suất

moving average

trung bình trượt

Mỗi ô là trung bình 7 ngày gần nhất tới ngày đó, rolling(7).mean(), để thấy xu hướng qua các ngày lên xuống

rolling()

NaT

NaT

Ô trống của cột ngày, viết tắt của "not a time"; to_datetime(..., errors="coerce") sinh ra nó ở ô đọc hỏng

to_datetime()

resample

lấy mẫu lại

Đổi chuỗi theo ngày thành chuỗi theo tháng hay tuần trên index ngày, như resample("ME").sum()

resample()

time zone

múi giờ

Giờ ghi kèm độ lệch với UTC; Việt Nam là +07:00, nên 9 giờ sáng ở đây là 2 giờ UTC

múi giờ

Thống kê

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

correlation

tương quan

Một số trong khoảng -1 tới 1 cho biết hai cột có hay đi cùng chiều, như giá và số lượng bán; số cao chưa nói cột nào gây ra cột nào

tương quan

descriptive statistics

thống kê mô tả

Vài con số kể nhanh một cột trông thế nào: trung bình, trung vị, độ lệch chuẩn, nhỏ nhất, lớn nhất

thống kê mô tả

EDA

phân tích khám phá

Chặng đầu của bài phân tích: in tóm tắt, vẽ vài biểu đồ, tìm chỗ lạ rồi mới trả lời câu hỏi chính

EDA là gì

IQR

khoảng tứ phân vị

Phân vị 75% trừ phân vị 25%; số càng lớn thì nửa giữa của dữ liệu càng trải rộng

ngoại lai và IQR

median

trung vị

Đơn đứng giữa khi xếp tiền từ nhỏ tới lớn; một đơn rất lớn gần như không kéo được nó

info() và describe()

quantile, percentile

phân vị

Phân vị 90% của tien, quantile(0.9), là mức mà 90% số đơn không vượt quá

info() và describe()

standard deviation

độ lệch chuẩn

Số cho biết các đơn thường cách trung bình bao xa; std() lớn là tiền mỗi đơn chênh nhau nhiều

thống kê mô tả

NumPy

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

array

mảng

Đối tượng chính của NumPy: các số cùng kiểu, cộng trừ cả mảng một lần

mảng NumPy

axis

trục

Tham số chọn chiều để gộp: với bảng điểm học sinh × môn, sum(axis=0) cho tổng mỗi môn, axis=1 cho tổng mỗi học sinh

axis

broadcasting

broadcasting

Cách NumPy làm phép tính trên hai mảng khác hình, như bảng 3 × 4 trừ một hàng 4 số: hàng đó được dùng lại cho cả ba hàng

broadcasting

vectorization

vector hóa

Viết gia * so_luong trên cả mảng thay cho vòng for nhân từng cặp; code ngắn hơn và chạy nhanh hơn

vector hóa

Biểu đồ

Tiếng Anh

Tiếng Việt

Nghĩa ngắn

Bài

axes

vùng vẽ

Đối tượng ax trong fig, ax = plt.subplots(): khung có trục x, trục y, nơi bạn gọi ax.plot() hay ax.bar()

figure và axes

bin

khoảng

Mỗi đoạn trên trục x của histogram, như 0–100 nghìn, 100–200 nghìn; bins= chọn số đoạn

histogram

box plot

biểu đồ hộp

Hình tóm tắt một cột: hộp phủ nửa giữa dữ liệu, vạch trong hộp ở trung vị, điểm lẻ ngoài râu là giá trị xa

box plot

figure

hình

Tấm hình ngoài cùng, fig trong fig, ax = plt.subplots(); một figure đặt được nhiều axes cạnh nhau

figure và axes

heatmap

bản đồ nhiệt

Bảng số mà ô nào cũng được tô đậm nhạt theo độ lớn, như bảng tương quan giữa các cột

heatmap

histogram

biểu đồ tần suất

Đếm số đơn rơi vào từng mức tiền rồi vẽ mỗi mức một cột, để thấy dữ liệu dồn ở đâu

histogram

legend

chú giải

Hộp nhỏ trên hình cho biết đường nào là Website, đường nào là Cửa hàng; ax.legend() lấy chữ từ label=

tiêu đề, nhãn, chú giải

scatter plot

biểu đồ phân tán

Mỗi đơn một chấm, trục x là số lượng, trục y là tiền, để xem hai cột có đi cùng nhau không

scatter

Chủ đề

thuật ngữ phân tích dữ liệu

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