Bỏ qua đến nội dung chính
Mục lục

Dataset Python: bộ dữ liệu mẫu đời thường Việt Nam

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 6/7 · Chương 28

Trang phụ trợ

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

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):

bash
python ten_file.py

macOS/Linux:

bash
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 "Vũ Ngọc: 10, 8, 9, 5")

Lịch học

tuple các buổi viết "Thứ 2" tới "Thứ 7" và "Chủ nhật", như ("Thứ 2", "Thứ 4", "Thứ 6")

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

gia: tên món → giá, như {"cà phê sữa": 29000, "bạc xỉu": 32000, "trà đào": 35000}; kho: tên món → số ly còn, như {"cà phê sữa": 40, "bạc xỉu": 25}, hay chi nhánh → dict đó

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 {101, 102, 103}; mã đơn dạng DH1024

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 MA-MAU-01

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 (d >= 5), dưới 5 là chưa đạt; Giỏi từ 8, Khá từ 6.5, còn lại Trung bình

Email

chỉ dùng tên miền dành cho ví dụ, như thuha.tran@example.com

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.

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.

python
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.

python
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.

python
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 đ

Các 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.

python
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 bình

Dữ 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.

python
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.

python
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 0

Đơn 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

dataset python

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