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

2026 Python Data Analysis & Visualization Masterclass

Khóa học chuyên sâu Phân tích & Trực quan hóa dữ liệu Python 2026

Khóa học chuyên sâu Phân tích & Trực quan hóa dữ liệu Python 2026

Pandas, Matplotlib, Seaborn & hơn thế nữa! Phân tích hàng chục bộ dữ liệu và tạo hình ảnh hóa tuyệt đẹp

4.7
(3,928 đánh giá)
29,099 học viên
Giảng viên
Colt Steele
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 369.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
20.5 giờ video
204 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 18/03/2026

Bạn sẽ học được gì

Thành thạo Pandas DataFrames và Series
Tạo hình ảnh hóa đẹp mắt với Seaborn
Phân tích hàng chục bộ dữ liệu thực tế
Thực hành với vô số bài tập và thử thách
Tìm hiểu mọi ngóc ngách của Matplotlib
Tổ chức, lọc, làm sạch, tổng hợp và phân tích DataFrames
Thành thạo Lập chỉ mục phân cấp
Kết hợp các bộ dữ liệu trong Pandas
Tạo biểu đồ đường, cột, hộp, phân tán, tròn, violin, rug, swarm, strip và nhiều loại khác!
Làm việc với Jupyter Notebooks

Yêu cầu

Kiến thức Python cơ bản (biến, điều kiện, v.v.)

Đối tượng phù hợp

Dành cho lập trình viên Python mới bắt đầu quan tâm đến phân tích dữ liệu, trực quan hóa dữ liệu hoặc khoa học dữ liệu

Nội dung khóa học

22 phần • 204 bài giảng
1 Chào mừng đến khóa học & Tổng quan chương trình
2 Tham gia cộng đồng học viên!
3 Bạn cần biết gì để tham gia khóa học này?
4 QUAN TRỌNG!! Tải tài liệu khóa học
5 Cách hoạt động của bài tập
1 Giới thiệu Jupyter Notebook!
2 ⚠️QUAN TRỌNG: Hướng dẫn cài đặt Mac đã cập nhật⚠️
3 Hướng dẫn từng bước cài đặt trên Mac
4 ⚠️QUAN TRỌNG: Hướng dẫn cài đặt Windows đã cập nhật⚠️
5 Hướng dẫn từng bước cài đặt trên Windows
6 "Cài đặt" Pandas & Matplotlib (Mac & Windows)
1 Tạo Notebooks & Chạy Cells
2 Tắt Notebook Server
3 Cách hoạt động của Cell Output
4 Phím tắt Command Mode
5 Loại Cell: Thời gian cho Markdown!
6 Khởi động lại Kernel
7 Xem tài liệu bên trong Notebook
8 BÀI TẬP: Jupyter Notebook
9 LỜI GIẢI: Jupyter Notebook
1 Bộ dữ liệu & CSV
2 pd.read_csv & DataFrames
3 Kiểm tra DataFrames: head(), tail(), v.v.
4 Kiểu dữ liệu và info()
5 Hướng dẫn chi tiết bộ dữ liệu Bán nhà
6 Hướng dẫn chi tiết bộ dữ liệu Hành khách Titanic
7 Dấu phân cách không phải dấu phẩy: Bộ dữ liệu Netflix
8 Ghi đè Headers: Bộ dữ liệu Dân số Quốc gia
9 BÀI TẬP: DataFrames & Bộ dữ liệu
10 LỜI GIẢI: DataFrames & Bộ dữ liệu
1 Min & Max
2 Sum & Count
3 Mean, Median & Mode
4 Mô tả với giá trị số
5 Mô tả với giá trị đối tượng (văn bản)
6 BÀI TẬP: Phương thức DataFrame cơ bản
7 LỜI GIẢI: Phương thức DataFrame cơ bản
1 Chọn một cột đơn
2 Tìm hiểu sâu về Series
3 Phương thức Series quan trọng
4 unique & nunique
5 nlargest & nsmallest
6 Chọn nhiều cột
7 Phương thức value_counts() mạnh mẽ
8 Sử dụng plot() để trực quan hóa!
9 BÀI TẬP: Series & Vẽ biểu đồ
10 LỜI GIẢI: Series & Vẽ biểu đồ
1 Cơ bản về Set_Index
2 set_index: Bộ dữ liệu Chỉ số Hạnh phúc Thế giới
3 Thiết lập chỉ mục với read_csv
4 Giới thiệu sort_values
5 Sắp xếp theo nhiều cột
6 Sắp xếp cột văn bản
7 sort_index
8 Sắp xếp và Vẽ biểu đồ!
9 loc
10 iloc
11 loc & iloc với Series
12 BÀI TẬP: Chỉ mục & Sắp xếp
13 LỜI GIẢI: Chỉ mục & Sắp xếp
1 Lọc DataFrames với Boolean Series
2 Lọc với toán tử so sánh
3 Phương thức Between
4 Phương thức isin()
5 Kết hợp điều kiện dùng AND (&)
6 Kết hợp điều kiện dùng OR (|)
7 Phủ định bitwise
8 Phương thức isna() và notna()
9 Ví dụ Lọc + Vẽ biểu đồ
10 BÀI TẬP: Lọc
11 LỜI GIẢI: Bài tập Lọc
1 Xóa cột
2 Xóa hàng
3 Thêm cột tĩnh
4 Tạo cột "động" mới
5 Tìm nhà có giá/sqft cao nhất
6 Tìm biến động giá Bitcoin lớn nhất
7 BÀI TẬP: Thêm/Xóa cột & hàng
8 LỜI GIẢI: Thêm/Xóa cột & hàng
1 Đổi tên cột và nhãn chỉ mục
2 Phương thức replace()
3 Cập nhật giá trị dùng loc[]
4 Cập nhật nhiều giá trị dùng loc[]
5 Cập nhật với loc[] và Boolean Masks
6 BÀI TẬP: Cập nhật giá trị
7 LỜI GIẢI: Bài tập Cập nhật giá trị
1 Chuyển kiểu với astype()
2 Giới thiệu kiểu Category
3 Chuyển kiểu với pd.to_numeric()
4 dropna() và isna()
5 fillna()
6 BÀI TẬP: Xử lý giá trị NA
7 LỜI GIẢI: Xử lý giá trị NA
1 Tại sao Ngày tháng quan trọng
2 Chuyển đổi với pd.to_datetime()
3 Chỉ định định dạng tùy chỉnh với pd.to_datetime()
4 Ngày tháng và DataFrames
5 Thuộc tính dt hữu ích
6 So sánh ngày tháng
7 Tìm lần bay qua của StarLink trong bộ dữ liệu UFO
8 Tính toán ngày tháng & TimeDeltas
9 Khám phá bộ dữ liệu Bảng xếp hạng Billboard
10 BÀI TẬP: Ngày & Giờ
11 LỜI GIẢI: Ngày & Giờ
1 Giới thiệu Matplotlib
2 Biểu đồ Matplotlib đầu tiên của chúng ta!
3 Chúng ta có cần plt.show() không?
4 Cấu trúc biểu đồ
5 Figsize & Kích thước biểu đồ
6 Thay đổi Matplotlib Stylesheets
7 Kiểu đường, Màu sắc, Độ rộng và hơn thế nữa!
8 Nhãn & Tiêu đề biểu đồ
9 Thay đổi X & Y Ticks
10 Thêm chú thích vào biểu đồ
11 BÀI TẬP: Thử thách Matplotlib #1
12 Tạo biểu đồ cột
13 Tạo biểu đồ histogram
14 BÀI TẬP: Thử thách Matplotlib #2
15 Tạo biểu đồ phân tán
16 Tạo biểu đồ tròn
17 BÀI TẬP: Thử thách Matplotlib #3
18 Làm việc với Subplots
19 Tổng hợp tất cả
20 BÀI TẬP: Thử thách Matplotlib #4
1 Ôn tập vẽ biểu đồ Pandas
2 Thay đổi kiểu biểu đồ Pandas
3 Thêm nhãn và tiêu đề cho biểu đồ Pandas
4 Sử dụng rename() khi vẽ biểu đồ
5 Tìm hiểu sâu biểu đồ cột Pandas
6 BÀI TẬP: Thử thách vẽ biểu đồ Pandas #1
7 Histogram Pandas
8 Biểu đồ hộp
9 Biểu đồ đường Pandas
10 BÀI TẬP: Thử thách vẽ biểu đồ Pandas #2
11 Biểu đồ phân tán Pandas
12 Nhiều biểu đồ trên cùng trục
13 Thử thách vẽ biểu đồ UFO!
14 BÀI TẬP: Thử thách vẽ biểu đồ Pandas #3
15 Subplots tự động trong Pandas
16 Subplots thủ công với Pandas
17 BÀI TẬP: Thử thách vẽ biểu đồ Pandas #4
18 BÀI TẬP: Thử thách vẽ biểu đồ Pandas #5
19 Xuất hình ảnh với savefig()
1 Giới thiệu Groupby
2 Khám phá các nhóm
3 Split-Apply-Combine
4 Sử dụng phương thức Agg
5 Agg với hàm tùy chỉnh
6 Tổng hợp có tên
7 BÀI TẬP: Groupby
8 LỜI GIẢI: Groupby
1 Groupby với nhiều cột
2 Tạo MultiIndex với set_index
3 Sắp xếp MultiIndex
4 Sử dụng .loc[] với MultiIndex
5 Mặt cắt ngang với phương thức XS
6 get_level_values()
7 Cột phân cấp
8 Stack() và Unstack()
9 Vẽ biểu đồ với Unstack()
10 Nhóm theo chỉ mục
1 Kiểu dữ liệu String so với Object
2 Upper(), Lower() và Capitalize()
3 Lập chỉ mục String Series với []
4 Loại bỏ khoảng trắng với Strip()
5 Tách giá trị văn bản với Split()
6 Thay thế phần chuỗi với Replace()
7 Kiểm tra chuỗi với Contains()
1 Áp Dụng Hàm Cho Series
2 Apply() Với Lambdas & Tham Số
3 Apply() Trên DataFrames: Cột
4 Apply() Trên DataFrames: Hàng
5 Phương Thức Series Map()
6 Phương Thức ApplyMap()
1 Nối Ghép Series
2 Nối Ghép Series Theo Chỉ Mục
3 Phép Ghép Trong So Với Ngoài
4 Nối Ghép DataFrames Theo Cột
5 Nối Ghép DataFrames Theo Chỉ Mục
6 Phương Thức DataFrame Merge()
7 Merge() Với Phép Ghép Trái, Phải, Trong & Ngoài
8 Đối Số On và Suffixes Trong Merge()
1 Giới Thiệu Về Seaborn
2 Phương Thức load_dataset() Hữu Ích
3 Biểu Đồ Phân Tán Seaborn
4 Biểu Đồ Đường Seaborn
5 Phương Thức relplot()
6 Thay Đổi Kích Thước Biểu Đồ Seaborn: Tỷ Lệ & Chiều Cao
7 Biểu Đồ Tần Suất Seaborn
8 Biểu Đồ KDE
9 Biểu Đồ Phân Phối Hai Biến
10 Biểu Đồ Rugplots
11 Phương Thức displot() Tuyệt Vời
1 Biểu Đồ Đếm
2 Biểu Đồ Strip & Swarm
3 Biểu Đồ Hộp
4 Biểu Đồ Boxen
5 Biểu Đồ Violin
6 Biểu Đồ Thanh
7 Phương Thức Catplot Mạnh Mẽ
1 Thay Đổi Chủ Đề Seaborn
2 Tùy Chỉnh Kiểu Dáng Với set_style()
3 Điều Chỉnh Khung Với despine()
4 Thay Đổi Bảng Màu

Giới thiệu khóa học

Welcome to (what I think is) the web's best course on Pandas, Matplotlib, Seaborn, and more! This course will level up your data skills to help you grow your career in Data Science, Machine Learning, Finance, Web Development, or any tech-adjacent field.

This is a tightly structured course that covers a ton, but it's all broken down into human-sized pieces rather than an overwhelming reference manual that throws everything at you at once. After each and every new topic, you'll have the chance to practice what you're learning and challenge yourself with exercises and projects. We work with dozens of fun and real-world datasets including Amazon bestsellers, Rivian stock prices, Presidential Tweets, Bitcoin historic data, and UFO sightings.

If you're still reading, let me tell you a little about the curriculum.. In the course, you'll learn how to:

  • Work with Jupyter Notebooks

  • Use Pandas to read and manipulate datasets

  • Work with DataFrames and Series objects

  • Organize, filter, clean, aggregate, and analyze DataFrames

  • Extract and manipulate date, time, and textual information from data

  • Master Hierarchical Indexing

  • Merge datasets together in Pandas

  • Create complex visualizations with Matplotlib

  • Use Seaborn to craft stunning and meaningful visualizations

  • Create line, bar, box, scatter, pie, violin, rug, swarm, strip, and other plots!

What makes this course different from other courses on the same topics?  First and foremost, this course integrates visualizations as soon as possible rather than tacking it on at the end, as many other courses do.  You'll be creating your first plots within the first couple of sections!  Additionally, we start using real datasets from the get go, unlike most other courses which spend hours working with dull, fake data (colors, animals, etc) before you ever see your first real dataset.  With all of that said, I feel bad trash talking my competitors, as there are quite a few great courses on the platform :) 

I think that about wraps it up! The topics in this courses are extremely visual and immediate, which makes them a joy to teach (and hopefully for you to learn).   If you have even a passing interest in these topics, you'll likely enjoy the course and tear through it quickly.  This stuff might seem intimidating, but it's actually really approachable and fun! I'm not kidding when I say this is my favorite course I've ever made. I hope you enjoy it too.

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