Phân Tích Thống Kê Mô Tả Với Python (Descriptive Statistics)

Phân tích thống kê mô tả giúp bạn hiểu:

• Dữ liệu phân bố như thế nào?
• Giá trị trung bình – trung vị – độ lệch chuẩn
• Biến động dữ liệu ra sao?
• Dữ liệu có bị lệch, có nhiều outliers không?
• Nhóm nào, sản phẩm nào, tháng nào có hiệu suất cao nhất?

Đây là nền tảng để tiếp tục phân tích sâu hơn và xây dựng mô hình dự báo.

---

1. Tạo dữ liệu mẫu

import pandas as pd

df = pd.DataFrame({
    "revenue": [120, 150, 180, 200, 130, 170, 160],
    "cost":     [30,  50,  40,  60,  35,  45,  55],
    "category": ["A","A","B","B","A","C","C"]
})

---

2. Xem thống kê nhanh với describe()

df.describe()

Kết quả gồm:

• count
• mean
• std (độ lệch chuẩn)
• min
• 25%
• 50%
• 75%
• max

Đây là bước “nhìn tổng quan” cực nhanh.

---

3. Các thống kê cơ bản (Mean, Median, Mode)

Trung bình

df["revenue"].mean()

Trung vị

df["revenue"].median()

Mode (giá trị xuất hiện nhiều nhất)

df["category"].mode()

---

4. Độ lệch chuẩn & Phương sai (Std, Variance)

Phương sai:

df["revenue"].var()

Độ lệch chuẩn:

df["revenue"].std()

Std cao → biến động lớn → rủi ro cao

---

5. Hệ số biến thiên (Coefficient of Variation)

Đo mức độ biến động tương đối.

cv = df["revenue"].std() / df["revenue"].mean()

---

6. Phân tích theo nhóm (Groupby)

Nhóm theo category:

df.groupby("category")["revenue"].mean()

Đếm số lượng:

df.groupby("category").size()

Nhiều chỉ số cùng lúc:

df.groupby("category").agg({
    "revenue": ["mean","sum","count"],
    "cost": ["mean","max"]
})

---

7. Phân phối dữ liệu (Distribution)

Histogram:

import matplotlib.pyplot as plt

df["revenue"].plot(kind="hist", bins=10)
plt.show()

Giúp xem:

• Dữ liệu có chuẩn không?
• Có bị lệch phải / lệch trái không?
• Có nhiều outliers không?

---

8. Boxplot – Phát hiện outliers

df.boxplot(column="revenue")
plt.show()

Ý nghĩa:

• Đường giữa = median
• Hộp = 50% dữ liệu
• Điểm ngoài = outliers

---

9. Phân tích tương quan (Correlation)

Tương quan giữa revenue và cost?

df.corr()

Vẽ heatmap:

import seaborn as sns
sns.heatmap(df.corr(), annot=True)

Ý nghĩa:

• Gần 1 → tương quan mạnh cùng chiều
• Gần -1 → tương quan mạnh ngược chiều
• Gần 0 → không tương quan

---

10. Phân tích theo thời gian (Time Series)

Nếu có cột date:

df["date"] = pd.to_datetime(df["date"])
df.set_index("date")["revenue"].plot()

Phân tích:

• Xu hướng (trend)
• Mùa vụ (seasonality)
• Biến động theo ngày/tuần/tháng

---

11. Pivot Table – siêu mạnh trong phân tích

pd.pivot_table(
    df,
    values="revenue",
    index="category",
    aggfunc=["mean","sum","count"]
)

Pivot table giúp:

• Gộp dữ liệu theo nhóm
• Tính KPI
• So sánh nhóm với nhau

---

12. Phân tích tổng hợp (Summary Report)

Ví dụ báo cáo nhanh:

report = {
    "total_revenue": df["revenue"].sum(),
    "avg_revenue": df["revenue"].mean(),
    "std_revenue": df["revenue"].std(),
    "max_revenue": df["revenue"].max(),
    "min_revenue": df["revenue"].min(),
    "top_category": df.groupby("category")["revenue"].sum().idxmax()
}
print(report)

---

13. Kết luận

Sau bài 4 bạn đã nắm:

• Thống kê mô tả
• Trung bình – trung vị – mode
• Độ lệch chuẩn – phương sai
• Phân nhóm (groupby)
• Trực quan hóa phân phối
• Phát hiện outliers
• Phân tích tương quan
• Pivot Table
• Báo cáo tổng hợp

Đây là nền tảng của Data Analytics và Machine Learning.

Không có phân tích thống kê mô tả → Không hiểu dữ liệu → Không thể mô hình hóa.