Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Data Analysis with Pandas and Python

Phân tích Dữ liệu với Pandas và Python

Phân tích Dữ liệu với Pandas và Python

Phân tích dữ liệu nhanh chóng và dễ dàng với thư viện pandas mạnh mẽ của Python! Tất cả bộ dữ liệu đã bao gồm --- hoàn toàn phù hợp cho người mới bắt đầu!

4.7
(25,903 đánh giá)
221,031 học viên
Giảng viên
Boris Paskhaver
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 389.000đ -87%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
19.5 giờ video
141 bài giảng
36 bài quiz
32 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 18/03/2026

Bạn sẽ học được gì

Thực hiện hàng loạt thao tác xử lý dữ liệu trong thư viện pandas phổ biến của Python, bao gồm nhóm, xoay chuyển, kết hợp và nhiều hơn thế!
Tìm hiểu hàng trăm phương thức và thuộc tính trên các đối tượng pandas khác nhau
Nắm vững cách thao tác với các bộ dữ liệu 1 chiều, 2 chiều và 3 chiều
Xử lý các vấn đề phổ biến trong bộ dữ liệu bị lỗi hoặc thiếu thông tin

Yêu cầu

Có kinh nghiệm cơ bản/cơ bản nâng cao với phần mềm bảng tính như Microsoft Excel/Google Sheets (các hàm thông dụng, vlookup, countif, bảng tổng hợp pivot, v.v.)
Có kiến thức cơ bản về ngôn ngữ lập trình Python (chúng tôi sẽ hướng dẫn kiến thức nền tảng nếu bạn hoàn toàn mới!)
Hiểu rõ về các kiểu dữ liệu (chuỗi ký tự, số nguyên, số thực, giá trị logic) v.v.

Đối tượng phù hợp

Dành cho nhà phân tích dữ liệu và nhà phân tích kinh doanh
Người dùng Excel/Google Sheets muốn tìm hiểu một phần mềm mạnh mẽ hơn để phân tích dữ liệu

Nội dung khóa học

15 phần • 141 bài giảng
1 Giới thiệu Khóa học
2 macOS - Tải và Cài đặt Anaconda Distribution
3 Windows - Tải và Cài đặt Anaconda Distribution
4 Cách Gỡ cài đặt Anaconda Distribution
5 Sử dụng Anaconda Navigator để Tạo Môi trường Mới
6 Tải Tài liệu Khóa học
7 Giải nén Tài liệu Khóa học + Quy trình Khởi động và Tắt
8 Giới thiệu Giao diện Jupyter Lab
9 Thực thi Ô Mã (Code Cell)
10 Nhập Thư viện vào Jupyter Lab
1 Ghi chú (Comments)
2 Các Kiểu Dữ liệu Cơ bản
3 Toán tử
4 Biến số
5 Hàm Tích hợp sẵn (Built-in Functions)
6 Hàm Tự định nghĩa (Custom Functions)
7 Phương thức Xử lý Chuỗi (String Methods)
8 Danh sách (Lists)
9 Vị trí Chỉ mục và Cắt lát (Index Positions and Slicing)
10 Từ điển (Dictionaries)
11 Lớp (Classes)
12 Điều hướng Thư viện bằng Jupyter Lab
1 Tạo Đối tượng Series từ một Danh sách
2 Tạo Đối tượng Series từ một Từ điển
3 Giới thiệu các Phương thức của Series
4 Giới thiệu về Thuộc tính (Attributes)
5 Tham số và Đối số (Parameters and Arguments)
6 Nhập Series bằng Hàm pd.read_csv
7 Các Phương thức head và tail
8 Truyền Series vào Hàm Tích hợp sẵn của Python
9 Kiểm tra Sự tồn tại với Từ khóa `in` của Python
10 Phương thức sort_values
11 Phương thức sort_index
12 Trích xuất Giá trị Series theo Vị trí Chỉ mục
13 Trích xuất Giá trị Series theo Nhãn Chỉ mục
14 Phương thức get
15 Ghi đè Giá trị trong Series
16 Phương thức copy
17 Các Phương thức Toán học trên Đối tượng Series
18 Phát sóng (Broadcasting)
19 Phương thức value_counts
20 Phương thức apply
21 Phương thức map
1 Phương thức và Thuộc tính chung giữa Series và DataFrames
2 Sự khác biệt giữa các Phương thức Chung
3 Chọn Một Cột từ DataFrame
4 Chọn Nhiều Cột từ DataFrame
5 Thêm Cột Mới vào DataFrame
6 Ôn tập Phương thức value_counts
7 Xóa Hàng có Giá trị Thiếu (Missing Values) khỏi DataFrame
8 Điền Giá trị Thiếu bằng Phương thức fillna
9 Phương thức astype I
10 Phương thức astype II
11 Sắp xếp DataFrame bằng Phương thức sort_values I
12 Sắp xếp DataFrame bằng Phương thức sort_values II
13 Sắp xếp DataFrame bằng Phương thức sort_index
14 Xếp hạng Giá trị Series bằng Phương thức rank
1 Bộ Dữ liệu của Mô-đun này + Tối ưu hóa Bộ nhớ
2 Lọc DataFrame dựa trên Một Điều kiện
3 Lọc với Nhiều hơn Một Điều kiện (AND - &)
4 Lọc với Nhiều hơn Một Điều kiện (OR - |)
5 Phương thức isin
6 Các Phương thức isnull và notnull
7 Phương thức between
8 Phương thức duplicated
9 Phương thức drop_duplicates
10 Các Phương thức unique và nunique
1 Bộ Dữ liệu của Mô-đun này
2 Các Phương thức set_index và reset_index
3 Truy xuất Hàng theo Vị trí Chỉ mục với Trình truy cập iloc
4 Truy xuất Hàng theo Nhãn Chỉ mục với Trình truy cập loc
5 Đối số Thứ hai cho Trình truy cập loc và iloc
6 Ghi đè Giá trị trong DataFrame
7 Ghi đè Nhiều Giá trị trong DataFrame
8 Đổi tên Nhãn Chỉ mục hoặc Cột trong DataFrame
9 Xóa Hàng hoặc Cột khỏi DataFrame
10 Tạo Mẫu Ngẫu nhiên với Phương thức sample
11 Các Phương thức nsmallest và nlargest
12 Lọc với Phương thức where
13 Phương thức apply với DataFrames
1 Bộ Dữ liệu của Mô-đun này
2 Các Phương thức Chuỗi Thông dụng
3 Lọc với Phương thức Chuỗi
4 Phương thức Chuỗi trên Chỉ mục và Cột
5 Phương thức split
6 Thực hành Thêm với Phương thức split
7 Các Tham số expand và n của Phương thức split
1 Giới thiệu Mô-đun MultiIndex
2 Tạo Chỉ mục Đa cấp
3 Trích xuất Giá trị Cấp độ Chỉ mục
4 Đổi tên Nhãn Chỉ mục
5 Phương thức sort_index trên DataFrame có MultiIndex
6 Trích xuất Hàng từ DataFrame có MultiIndex
7 Phương thức transpose
8 Phương thức stack
9 Phương thức unstack
10 Phương thức pivot
11 Phương thức melt
12 Phương thức pivot_table
1 Giới thiệu Mô-đun GroupBy
2 Phương thức groupby
3 Truy xuất Một Nhóm với Phương thức get_group
4 Các Phương thức trên Đối tượng GroupBy
5 Nhóm theo Nhiều Cột
6 Phương thức agg
7 Lặp qua các Nhóm
1 Giới thiệu Mô-đun Kết hợp DataFrames
2 Hàm pd.concat I
3 Hàm pd.concat II
4 Phép nối Trái (Left Joins)
5 Các Tham số left_on và right_on
6 Phép nối Trong (Inner Joins) I
7 Phép nối Trong (Inner Joins) II
8 Phép nối Ngoài Đầy đủ (Full-Outer Joins)
9 Kết hợp theo Chỉ mục với các Tham số left_index và right_index
10 Phương thức join
1 Giới thiệu Mô-đun Làm việc với Ngày và Giờ và Ôn tập datetime của Python
2 Các Đối tượng Timestamp và DatetimeIndex
3 Tạo Dải Ngày với Hàm pd.date_range
4 Thuộc tính dt
5 Chọn Hàng từ DataFrame có DatetimeIndex
6 Đối tượng DateOffset
7 Các Độ lệch Ngày Chuyên biệt (Specialized Date Offsets)
8 Timedeltas
1 URL cho Bộ Dữ liệu Bài học Tiếp theo
2 Giới thiệu Mô-đun Nhập và Xuất
3 Xuất DataFrame ra Tệp CSV
4 Cài đặt Thư viện openpyxl để Đọc và Ghi Tệp Excel
5 Nhập Tệp Excel vào pandas
6 Xuất Tệp Excel từ pandas
1 Cài đặt Thư viện matplotlib để Trực quan hóa
2 Phương thức plot
3 Chỉnh sửa Giao diện Biểu đồ với Mẫu (Templates)
4 Biểu đồ Cột (Bar Charts)
5 Biểu đồ Tròn (Pie Charts)
1 Giới thiệu Mô-đun Tùy chọn và Cài đặt
2 Thay đổi Tùy chọn bằng Thuộc tính
3 Thay đổi Tùy chọn bằng Hàm
4 Tùy chọn precision
1 Kết luận
2 Phần Thưởng (Bonus)

Giới thiệu khóa học

Student Testimonials:

  • The instructor knows the material, and has detailed explanation on every topic he discusses. Has clarity too, and warns students of potential pitfalls. He has a very logical explanation, and it is easy to follow him. I highly recommend this class, and would look into taking a new class from him. - Diana

  • This is excellent, and I cannot complement the instructor enough. Extremely clear, relevant, and high quality - with helpful practical tips and advice. Would recommend this to anyone wanting to learn pandas. Lessons are well constructed. I'm actually surprised at how well done this is. I don't give many 5 stars, but this has earned it so far. - Michael

  • This course is very thorough, clear, and well thought out. This is the best Udemy course I have taken thus far. (This is my third course.) The instruction is excellent! - James


Welcome to the most comprehensive Pandas course available on Udemy! An excellent choice for both beginners and experts looking to expand their knowledge on one of the most popular Python libraries in the world!

Data Analysis with Pandas and Python offers 19+ hours of in-depth video tutorials on the most powerful data analysis toolkit available today. Lessons include:

  • installing

  • sorting

  • filtering

  • grouping

  • aggregating

  • de-duplicating

  • pivoting

  • munging

  • deleting

  • merging

  • visualizing

and more!

Why learn pandas?

If you've spent time in a spreadsheet software like Microsoft Excel, Apple Numbers, or Google Sheets and are eager to take your data analysis skills to the next level, this course is for you! 

Data Analysis with Pandas and Python introduces you to the popular Pandas library built on top of the Python programming language. 

Pandas is a powerhouse tool that allows you to do anything and everything with colossal data sets -- analyzing, organizing, sorting, filtering, pivoting, aggregating, munging, cleaning, calculating, and more! 

I call it "Excel on steroids"!

Over the course of more than 19 hours, I'll take you step-by-step through Pandas, from installation to visualization! We'll cover hundreds of different methods, attributes, features, and functionalities packed away inside this awesome library. We'll dive into tons of different datasets, short and long, broken and pristine, to demonstrate the incredible versatility and efficiency of this package.

Data Analysis with Pandas and Python is bundled with dozens of datasets for you to use. Dive right in and follow along with my lessons to see how easy it is to get started with pandas!

Whether you're a new data analyst or have spent years (*cough* too long *cough*) in Excel, Data Analysis with pandas and Python offers you an incredible introduction to one of the most powerful data toolkits available today!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Pandas
Hiển thị tất cả khoá học Programming
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊