Dataset Python: bộ dữ liệu mẫu đời thường Việt Nam
Bài 6/7 · Chương 28
Trang phụ trợ
- 9 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 13
Trang này gom các bộ dữ liệu mẫu mà tutorial Python dùng, theo bối cảnh đời thường Việt Nam: menu quán cà phê, sổ chi tiêu, điểm lớp học, 200 thí sinh và đơn hàng. Mỗi bộ là một khối code tạo file CSV hay JSON rồi đọc lại, nên bạn có ngay dữ liệu để tự thực hành. Mọi tên, số và mã trong các bộ này là dữ liệu tự soạn cho tutorial, không lấy từ người hay cửa hàng thật nào.
Cách dùng với trang này
Bấm Chạy ở một khối: khối đó ghi file vào thư mục của lần chạy rồi đọc lại và in vài dòng để bạn thấy dữ liệu. Trên trang, mỗi lần chạy bắt đầu từ một thư mục trống, nên đoạn code tự viết thêm phải nằm trong cùng khối với dòng ghi file.
Muốn có file trên máy, chép cả khối vào một file .py, ví dụ ten_file.py, rồi chạy nó trong terminal ở thư mục chứa file. File dữ liệu sẽ nằm trong thư mục bạn đang đứng khi chạy lệnh.
Windows (PowerShell):
python ten_file.py
macOS/Linux:
python3 ten_file.py
Máy chưa có Python thì làm theo bài cài đặt Python. Sau đó bạn sửa, thêm dòng hay xóa bớt tùy ý để thử code của mình với dữ liệu khác.
Bối cảnh dùng chung
Các bài học giữ cùng một bộ nhân vật và số liệu, để ví dụ ở bài này nối được với bài kia:
Loại | Giá trị |
|---|---|
Nhân vật | Trần Thu Hà, 27 tuổi, cao 1.58 m, đã đi làm; Lê Minh Tâm, 21 tuổi, điểm trung bình 8.5, chưa tốt nghiệp; Phạm Quốc Huy |
Học viên, khách | Lan, Minh, Ngọc, Quân, Hoa, Tuấn; Vũ Ngọc (dòng điểm |
Lịch học | tuple các buổi viết |
Menu quán cà phê | cà phê sữa 29.000 đ, bạc xỉu 32.000 đ, trà đào 35.000 đ, sinh tố bơ 45.000 đ |
Dict của quán |
|
Chi nhánh, địa danh | Huế, Đà Lạt, Hà Nội; địa chỉ "đường 3/2, quận 10" |
Mã khách, mã đơn | mã khách là số nguyên 101 tới 106, thường trong một set như |
Cửa hàng | đơn từ 300.000 đ được miễn phí giao hàng, đơn nhỏ hơn tính 30.000 đ (in ra là "phí giao"); mã giảm giá mẫu |
Rạp phim | vé 90.000 đ, giá học sinh 45.000 đ cho người dưới 18 tuổi có thẻ học sinh |
Điểm | từ 5 là đạt ( |
chỉ dùng tên miền dành cho ví dụ, như |
Trang không có số điện thoại, tên đăng nhập hay địa chỉ thư nào trông như của người thật. Một bài cần dữ liệu kiểu đó thì đổi sang dữ liệu khác, như mã đơn hay tên món.
Menu quán cà phê: menu.json
File JSON gồm hai dict: gia nối tên món với giá, kho nối tên món với số ly còn. Đây là dữ liệu của các bài về JSON và dict.
import json
from pathlib import Path
menu = {
"gia": {"cà phê sữa": 29000, "bạc xỉu": 32000,
"trà đào": 35000, "sinh tố bơ": 45000},
"kho": {"cà phê sữa": 40, "bạc xỉu": 25},
}
noi_dung = json.dumps(menu, ensure_ascii=False, indent=2)
Path("menu.json").write_text(noi_dung, encoding="utf-8")
doc_lai = json.loads(Path("menu.json").read_text(encoding="utf-8"))
for mon, gia in doc_lai["gia"].items():
print(f"{mon}: {gia:,} đ")
print("Còn trong kho:", doc_lai["kho"])KẾT QUẢ
cà phê sữa: 29,000 đ
bạc xỉu: 32,000 đ
trà đào: 35,000 đ
sinh tố bơ: 45,000 đ
Còn trong kho: {'cà phê sữa': 40, 'bạc xỉu': 25}Tham số ensure_ascii=False giữ nguyên chữ tiếng Việt trong file thay cho các mã \u..., và indent=2 xuống dòng cho dễ đọc. Kho chỉ ghi hai món, nên code đọc kho cần lường trước món không có trong đó.
Chi tiêu một tuần: chi_tieu.csv
Bảng có dòng tiêu đề ngay,danh_muc,so_tien, mỗi dòng sau là một khoản chi, ngày viết dd/mm/yyyy. Đây là dạng file của bài đọc file CSV.
import csv
from pathlib import Path
Path("chi_tieu.csv").write_text("""ngay,danh_muc,so_tien
01/09/2026,ăn uống,29000
01/09/2026,đi lại,150000
02/09/2026,ăn uống,32000
03/09/2026,học tập,450000
07/09/2026,giải trí,90000
""", encoding="utf-8")
with open("chi_tieu.csv", encoding="utf-8", newline="") as f:
cac_hang = list(csv.DictReader(f))
tong = sum(int(h["so_tien"]) for h in cac_hang)
print(len(cac_hang), "dòng chi, tổng", f"{tong:,} đ")
print(cac_hang[0])KẾT QUẢ
5 dòng chi, tổng 751,000 đ
{'ngay': '01/09/2026', 'danh_muc': 'ăn uống', 'so_tien': '29000'}DictReader đọc mỗi dòng thành một dict theo dòng tiêu đề, và mọi giá trị đều là chuỗi, nên phải đổi so_tien bằng int() trước khi cộng. Tham số newline="" là cách mở file CSV mà tài liệu module csv khuyên dùng.
Sổ thu chi: so_chi_tieu.csv
Sổ chi tiêu của dự án lớn ghi cả khoản thu lẫn khoản chi trong bốn cột ngay,loai,danh_muc,so_tien và không có dòng tiêu đề. Dự án bắt đầu từ bài phân tích và thiết kế sổ chi tiêu.
import csv
from pathlib import Path
Path("so_chi_tieu.csv").write_text("""01/10/2026,thu,lương,12000000
20/10/2026,chi,ăn uống,32000
28/10/2026,chi,học tập,450000
01/11/2026,thu,lương,12000000
05/11/2026,chi,ăn uống,29000
03/11/2026,chi,nhà ở,3500000
""", encoding="utf-8")
tong = {"thu": 0, "chi": 0}
with open("so_chi_tieu.csv", encoding="utf-8", newline="") as f:
for ngay, loai, danh_muc, so_tien in csv.reader(f):
tong[loai] += int(so_tien)
print(f"Thu {tong['thu']:,} đ, chi {tong['chi']:,} đ")KẾT QUẢ
Thu 24,000,000 đ, chi 4,011,000 đCác dòng trải trên hai tháng 10 và 11 năm 2026 và không theo thứ tự ngày, hợp để thử gom nhóm theo tháng rồi xếp lại. Không có dòng tiêu đề nên csv.reader trả về list bốn chuỗi, gán thẳng được cho bốn tên.
Điểm một lớp: diem_lop.csv
Bốn học viên, mỗi người ba môn Toán, Văn, Anh. Điểm có cả số nguyên lẫn số lẻ 0.5, như điểm thật của một bài kiểm tra.
import csv
from pathlib import Path
Path("diem_lop.csv").write_text("""ten,toan,van,anh
Lan,8,7.5,9
Minh,9,8,8.5
Ngọc,6,7,6.5
Quân,5.5,4.5,6
""", encoding="utf-8")
with open("diem_lop.csv", encoding="utf-8", newline="") as f:
for hang in csv.DictReader(f):
diem = [float(hang[mon]) for mon in ("toan", "van", "anh")]
tb = round(sum(diem) / 3, 2)
loai = "Giỏi" if tb >= 8 else "Khá" if tb >= 6.5 else "Trung bình"
print(hang["ten"], tb, loai)KẾT QUẢ
Lan 8.17 Giỏi
Minh 8.5 Giỏi
Ngọc 6.5 Khá
Quân 5.33 Trung bìnhDữ liệu cố ý có điểm trung bình đúng bằng 6.5 (Ngọc) để thử mốc >=, và một người dưới mốc Khá. Đổi điểm Toán của Ngọc từ 6 thành 5.5 rồi chạy lại: dòng của Ngọc in Ngọc 6.33 Trung bình.
200 thí sinh: thi_sinh.csv
Bộ này không gõ tay mà được sinh bằng module random với hạt giống cố định random.seed(2026), nên lần chạy nào, máy nào cũng ra đúng 200 dòng như nhau. Đây là dữ liệu của bài phân tích điểm thi 200 thí sinh.
import csv
import random
random.seed(2026)
thi_sinh = []
for i in range(200):
ts = {"sbd": f"TS{i + 1:03d}"}
for mon in ["toan", "van", "anh"]:
ts[mon] = random.randint(4, 20) / 2
thi_sinh.append(ts)
with open("thi_sinh.csv", "w", encoding="utf-8", newline="") as f:
viet = csv.DictWriter(f, fieldnames=list(thi_sinh[0]))
viet.writeheader()
viet.writerows(thi_sinh)
with open("thi_sinh.csv", encoding="utf-8") as f:
print(f.read().splitlines()[:4])KẾT QUẢ
['sbd,toan,van,anh', 'TS001,3.5,7.0,10.0', 'TS002,10.0,3.5,5.5', 'TS003,8.5,9.5,9.0']Mỗi điểm là random.randint(4, 20) / 2, tức từ 2.0 tới 10.0, cách nhau 0.5. DictWriter lấy tên cột từ khóa của dict đầu tiên, ghi dòng tiêu đề bằng writeheader() rồi ghi cả list dict bằng writerows(), như bài ghi file CSV trình bày. Dòng in cuối cùng chỉ lấy bốn dòng đầu của file: dòng tiêu đề và ba thí sinh đầu.
Đơn hàng: don_hang.json
Hai đơn của hai chi nhánh, mỗi đơn có mã đơn, mã khách và dict tên món với số ly. Tiền đơn tính theo bảng giá của quán, rồi áp mốc miễn phí giao hàng 300.000 đ.
import json
from pathlib import Path
DON = [
{"ma_don": "DH1024", "ma_khach": 101, "chi_nhanh": "Huế",
"mon": {"cà phê sữa": 2, "trà đào": 1}},
{"ma_don": "DH1025", "ma_khach": 103, "chi_nhanh": "Đà Lạt",
"mon": {"trà đào": 6, "bạc xỉu": 3}},
]
GIA = {"cà phê sữa": 29000, "bạc xỉu": 32000, "trà đào": 35000}
tep = Path("don_hang.json")
tep.write_text(json.dumps(DON), encoding="utf-8")
for don in json.loads(tep.read_text(encoding="utf-8")):
tien = sum(GIA[mon] * sl for mon, sl in don["mon"].items())
phi = 0 if tien >= 300000 else 30000
print(don["ma_don"], don["chi_nhanh"], tien, "phí giao", phi)KẾT QUẢ
DH1024 Huế 93000 phí giao 30000
DH1025 Đà Lạt 306000 phí giao 0Đơn DH1025 được 306.000 đ, vượt mốc nên phí giao bằng 0, còn đơn DH1024 tính 30.000 đ. Đổi số ly trà đào của DH1025 từ 6 thành 5 rồi chạy lại: dòng của nó in DH1025 Đà Lạt 271000 phí giao 30000. Dict lồng trong list là dạng dữ liệu bạn sẽ gặp lại khi đọc JSON từ một dịch vụ web.
Giấy phép dữ liệu
Toàn bộ dữ liệu trên trang do AIDev soạn riêng cho tutorial, mọi tên người và số liệu đều hư cấu. AIDev dành toàn bộ dữ liệu và code tạo dữ liệu trên trang này cho phạm vi công cộng theo CC0 1.0. Bạn được dùng, sửa, chia sẻ lại và đưa vào bài tập, khóa học hay sản phẩm của mình, không cần xin phép và không cần ghi nguồn. Dữ liệu được cung cấp nguyên trạng, không kèm bảo đảm. Trang không chép bộ dữ liệu nào của bên khác.
Câu hỏi thường gặp
Bộ dữ liệu mẫu này tải về máy bằng cách nào?
Chép khối code của bộ dữ liệu vào một file .py rồi chạy trên máy bằng lệnh python ten_file.py (Windows, PowerShell) hay python3 ten_file.py (macOS/Linux), như mục "Cách dùng với trang này" ở đầu trang. File CSV hay JSON hiện ra trong thư mục bạn đứng khi chạy lệnh. Cách này cho đúng file mà bài học dùng, và bạn sửa chuỗi dữ liệu trong khối là có ngay bản riêng.
Dữ liệu mẫu để thực hành Python ở đây có đủ lớn không?
Các bộ gõ tay chỉ có vài dòng để bạn nhìn ra kết quả bằng mắt. Cần nhiều dòng hơn thì dùng bộ 200 thí sinh, hay đổi range(200) trong khối đó thành range(10000): số báo danh chạy tới TS10000, và hạt giống cố định vẫn cho dữ liệu lặp lại được.
Vì sao chuỗi dữ liệu nằm trong code thay cho một file đính kèm?
Vì trên trang mỗi lần chạy bắt đầu từ thư mục trống, nên file phải được tạo trong cùng khối với code đọc nó. Ghi dữ liệu thành chuỗi còn giúp bạn thấy hết nội dung file mà không phải mở nó. Các bài tập như ở kho bài tập có lời giải cũng truyền dữ liệu theo cách này.
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.