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

Python Data Analysis: NumPy & Pandas Masterclass

Khóa học phân tích dữ liệu Python chuyên sâu: NumPy & Pandas

Khóa học phân tích dữ liệu Python chuyên sâu: NumPy & Pandas

Học NumPy và Pandas để phân tích dữ liệu, khoa học dữ liệu và kinh doanh thông minh – cùng giảng viên Python hàng đầu!

4.4
(2,741 đánh giá)
20,755 học viên
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 1.519.000đ -97%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
13.5 giờ video
216 bài giảng
52 bài quiz
44 bài coding
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 28/05/2026

Bạn sẽ học được gì

Nắm vững những kiến thức cốt lõi về NumPy và Pandas – hai thư viện phân tích dữ liệu mạnh mẽ nhất của Python.
Tìm hiểu cách khám phá, biến đổi, tổng hợp và kết nối mảng NumPy cũng như DataFrame của Pandas.
Phân tích và xử lý ngày giờ để phục vụ các bài toán thông tin thời gian và chuỗi thời gian.
Trực quan hóa dữ liệu thô bằng các phương thức vẽ đồ thị và tùy chọn biểu đồ thông dụng như đường thẳng, cột, phân tán và histogram.
Nhập/xuất file văn bản, workbook Excel và bảng cơ sở dữ liệu SQL bằng Pandas.
Xây dựng các kỹ năng thực tế mạnh mẽ phục vụ phân tích hiện đại và kinh doanh thông minh.

Yêu cầu

Chúng ta sẽ sử dụng Anaconda và Jupyter Notebook (môi trường mã nguồn mở, thân thiện với người dùng).
Khuyến khích bạn có kiến thức nền tảng về Python, nhưng không bắt buộc.

Đối tượng phù hợp

Dành cho các nhà phân tích hoặc chuyên gia BI muốn học phân tích dữ liệu với NumPy và Pandas.
Dành cho những ai đang theo đuổi khoa học dữ liệu và muốn xây dựng hoặc củng cố kỹ năng Python.
Dành cho bất kỳ ai muốn tìm hiểu một trong những ngôn ngữ lập trình mã nguồn mở phổ biến nhất thế giới.
Dành cho sinh viên muốn học các kỹ năng thực tế mạnh mẽ thông qua các dự án thực hành độc đáo và demo trong khóa học.

Nội dung khóa học

12 phần • 216 bài giảng
1 Cấu trúc và tổng quan khóa học
2 LƯU Ý: Những điểm quan trọng cho học viên mới
3 TẢI VỀ: Tài nguyên khóa học
4 Giới thiệu dự án khóa học
5 Đặt kỳ vọng đúng đắn
6 Cài đặt và khởi chạy Jupyter
1 Giới thiệu về Pandas và NumPy
2 Mảng NumPy và các thuộc tính của mảng
3 BÀI TẬP: Cơ bản về mảng
4 LỜI GIẢI: Cơ bản về mảng
5 Tạo mảng
6 Tạo số ngẫu nhiên
7 BÀI TẬP: Tạo mảng
8 LỜI GIẢI: Tạo mảng
9 Lập chỉ mục và cắt mảng
10 BÀI TẬP: Lập chỉ mục và cắt mảng
11 LỜI GIẢI: Lập chỉ mục và cắt mảng
12 Các phép toán trên mảng
13 BÀI TẬP: Các phép toán trên mảng
14 LỜI GIẢI: Các phép toán trên mảng
15 Lọc mảng và sửa giá trị mảng
16 Hàm Where
17 BÀI TẬP: Lọc và sửa giá trị mảng
18 LỜI GIẢI: Lọc và sửa giá trị mảng
19 Tổng hợp mảng (Aggregation)
20 Các hàm trên mảng
21 Sắp xếp mảng
22 BÀI TẬP: Tổng hợp và sắp xếp
23 LỜI GIẢI: Tổng hợp và sắp xếp
24 Vector hóa
25 Broadcast
26 BÀI TẬP: Tổng hợp toàn bộ kiến thức
27 LỜI GIẢI: Tổng hợp toàn bộ kiến thức
28 Tổng kết quan trọng
1 Cơ bản về Series
2 Kiểu dữ liệu trong Pandas và chuyển đổi kiểu
3 BÀI TẬP: Kiểu dữ liệu và chuyển đổi kiểu
4 LỜI GIẢI: Kiểu dữ liệu và chuyển đổi kiểu
5 Chỉ mục Series và chỉ mục tùy chỉnh
6 Bộ truy cập .iloc
7 Bộ truy cập .loc
8 Giá trị chỉ mục trùng lặp và đặt lại chỉ mục
9 BÀI TẬP: Truy cập dữ liệu và đặt lại chỉ mục
10 LỜI GIẢI: Truy cập dữ liệu và đặt lại chỉ mục
11 Lọc Series và kiểm tra logic
12 Sắp xếp Series
13 BÀI TẬP: Sắp xếp và lọc Series
14 LỜI GIẢI: Sắp xếp và lọc Series
15 Các phép toán trên Series dạng số
16 Các phép toán trên Series dạng văn bản
17 BÀI TẬP: Các phép toán trên Series
18 LỜI GIẢI: Các phép toán trên Series
19 Tổng hợp Series dạng số
20 Tổng hợp Series dạng phân loại
21 BÀI TẬP: Tổng hợp Series
22 LỜI GIẢI: Tổng hợp Series
23 Biểu diễn dữ liệu bị thiếu trong Pandas
24 Xác định dữ liệu bị thiếu
25 Xử lý dữ liệu bị thiếu
26 BÀI TẬP: Dữ liệu bị thiếu
27 LỜI GIẢI: Dữ liệu bị thiếu
28 Áp dụng hàm tùy chỉnh cho Series
29 Hàm Where trong Pandas (so với NumPy Where)
30 BÀI TẬP: Apply và Where
31 LỜI GIẢI: Apply và Where
32 Tổng kết quan trọng
1 Cơ bản về DataFrame
2 Tạo DataFrame
3 Khám phá DataFrame: head, tail và sample
4 BÀI TẬP: Cơ bản về DataFrame
5 LỜI GIẢI: Cơ bản về DataFrame
6 Khám phá DataFrame: info và describe
7 BÀI TẬP: Khám phá DataFrame
8 LỜI GIẢI: Khám phá DataFrame
9 Truy cập các cột của DataFrame
10 Truy cập dữ liệu DataFrame bằng .iloc và .loc
11 BÀI TẬP: Truy cập dữ liệu DataFrame
12 LỜI GIẢI: Truy cập dữ liệu DataFrame
13 Xóa cột và hàng
14 Xác định và xóa dữ liệu trùng lặp
15 BÀI TẬP: Xóa dữ liệu
16 LỜI GIẢI: Xóa dữ liệu
17 Dữ liệu bị thiếu
18 BÀI TẬP: Dữ liệu bị thiếu
19 LỜI GIẢI: Dữ liệu bị thiếu
20 Lọc DataFrame
21 MẸO HAY: Phương thức Query
22 BÀI TẬP: Lọc DataFrame
23 LỜI GIẢI: Lọc DataFrame
24 Sắp xếp DataFrame
25 BÀI TẬP: Sắp xếp DataFrame
26 LỜI GIẢI: Sắp xếp DataFrame
27 Đổi tên và sắp xếp lại thứ tự cột
28 BÀI TẬP: Đổi tên và sắp xếp lại thứ tự cột
29 LỜI GIẢI: Đổi tên và sắp xếp lại thứ tự cột
30 Tạo cột tính toán (số học và boolean)
31 BÀI TẬP: Cột số học và boolean
32 LỜI GIẢI: Cột số học và boolean
33 MẸO HAY: Tạo cột điều kiện nâng cao với Select
34 BÀI TẬP: Hàm Select
35 LỜI GIẢI: Hàm Select
36 Phương thức Map
37 MẸO HAY: Tạo nhiều cột cùng lúc với Assign
38 BÀI TẬP: Map và Assign
39 LỜI GIẢI: Map và Assign
40 Kiểu dữ liệu phân loại (Categorical)
41 Chuyển đổi kiểu dữ liệu
42 MẸO HAY: Sử dụng bộ nhớ và kiểu dữ liệu
43 MẸO HAY: Giảm kích thước kiểu dữ liệu số (Downcasting)
44 BÀI TẬP: Kiểu dữ liệu của DataFrame
45 LỜI GIẢI: Kiểu dữ liệu của DataFrame
46 Tổng kết quan trọng
1 Các phép tổng hợp cơ bản
2 Phương thức Groupby
3 BÀI TẬP: Groupby
4 LỜI GIẢI: Groupby
5 Nhóm theo nhiều cột
6 BÀI TẬP: Nhóm theo nhiều cột
7 LỜI GIẢI: Nhóm theo nhiều cột
8 DataFrame đa chỉ mục (Multi-Index)
9 Sửa đổi đa chỉ mục
10 BÀI TẬP: DataFrame đa chỉ mục
11 LỜI GIẢI: DataFrame đa chỉ mục
12 Phương thức Agg và tổng hợp có tên (Named Aggregations)
13 BÀI TẬP: Phương thức Agg
14 LỜI GIẢI: Phương thức Agg
15 MẸO HAY: Biến đổi DataFrame
16 BÀI TẬP: Biến đổi DataFrame
17 LỜI GIẢI: Biến đổi DataFrame
18 Bảng Pivot trong Pandas
19 Bảng Pivot với nhiều phép tổng hợp
20 MẸO HAY: Heatmap cho bảng Pivot
21 Giải nén (Melt) DataFrame
22 BÀI TẬP: Pivot và Melt
23 LỜI GIẢI: Pivot và Melt
24 Tổng kết quan trọng
1 API matplotlib và phương thức .plot()
2 BÀI TẬP: Biểu đồ đường cơ bản
3 LỜI GIẢI: Biểu đồ đường cơ bản
4 Tiêu đề biểu đồ
5 Màu sắc biểu đồ
6 Kiểu đường
7 Chú thích và lưới biểu đồ
8 Phong cách biểu đồ
9 BÀI TẬP: Biểu đồ đường tùy chỉnh
10 LỜI GIẢI: Biểu đồ đường tùy chỉnh
11 Subplot và kích thước hình
12 BÀI TẬP: Subplot
13 LỜI GIẢI: Subplot
14 Biểu đồ cột
15 Biểu đồ cột nhóm và cột chồng
16 BÀI TẬP: Biểu đồ cột
17 LỜI GIẢI: Biểu đồ cột
18 Biểu đồ tròn và biểu đồ phân tán
19 BÀI TẬP: Biểu đồ phân tán
20 LỜI GIẢI: Biểu đồ phân tán
21 Histogram
22 BÀI TẬP: Histogram
23 LỜI GIẢI: Histogram
24 Lưu đồ thị và khám phá thêm
25 Tổng kết quan trọng
1 Giới thiệu dự án giữa khóa
2 LỜI GIẢI: Dự án giữa khóa
1 Thời gian trong Python và Pandas
2 Chuyển đổi sang kiểu Datetime
3 Định dạng ngày tháng
4 Các thành phần của ngày và giờ
5 BÀI TẬP: Datetime cơ bản trong Pandas
6 LỜI GIẢI: Datetime cơ bản trong Pandas
7 Khoảng thời gian (Time Delta) và phép tính
8 BÀI TẬP: Khoảng thời gian
9 LỜI GIẢI: Khoảng thời gian
10 Chỉ mục chuỗi thời gian
11 Dữ liệu chuỗi thời gian bị thiếu
12 BÀI TẬP: Dữ liệu chuỗi thời gian bị thiếu
13 LỜI GIẢI: Dữ liệu chuỗi thời gian bị thiếu
14 Dịch chuyển chuỗi thời gian
15 MẸO HAY: Hàm DIFF()
16 BÀI TẬP: Shift & Diff
17 LỜI GIẢI: Shift & Diff
18 Gộp nhóm & Lấy mẫu lại
19 BÀI TẬP: Lấy mẫu lại
20 LỜI GIẢI: Lấy mẫu lại
21 Tính toán trượt (Rolling Aggregations)
22 BÀI TẬP: Tính toán trượt
23 LỜI GIẢI: Tính toán trượt
24 Tổng kết chính
1 Tiền xử lý với read_csv
2 Chọn cột
3 Chọn dòng & Xử lý giá trị khuyết
4 PRO TIP: Bộ chuyển đổi (Converters)
5 BÀI TẬP: Nhập dữ liệu
6 LỜI GIẢI: Nhập dữ liệu
7 Phân tích ngày tháng & Kiểu dữ liệu
8 Nhập từ tệp văn bản & Excel
9 Xuất ra tệp phẳng
10 BÀI TẬP: Nhập & Xuất dữ liệu Excel
11 LỜI GIẢI: Nhập & Xuất dữ liệu Excel
12 Làm việc với Cơ sở dữ liệu SQL
13 Các định dạng tệp được hỗ trợ khác
14 Tổng kết chính
1 Tại sao cần nhiều bảng
2 Nối thêm DataFrame
3 BÀI TẬP: Nối thêm DataFrame
4 LỜI GIẢI: Nối thêm DataFrame
5 Kết hợp DataFrame
6 Các kiểu kết hợp
7 Kết hợp Inner Join
8 Kết hợp Left Join
9 BÀI TẬP: Kết hợp DataFrame
10 LỜI GIẢI: Kết hợp DataFrame
11 Phương thức Join
12 Tổng kết chính
1 Giới thiệu dự án cuối
2 LỜI GIẢI: Dự án cuối
1 BÀI HỌC THÊM

Giới thiệu khóa học

This is a hands-on, project-based course designed to help you master two of the most popular Python packages for data analysis and business intelligence: NumPy and Pandas.


We'll start with a NumPy primer to introduce arrays and array properties, practice common operations like indexing, slicing, filtering and sorting, and explore important concepts like vectorization and broadcasting.


From there we'll dive into Pandas, and focus on the essential tools and methods to explore, analyze, aggregate and transform series and dataframes. You'll practice plotting dataframes with charts and graphs, manipulating time-series data, importing and exporting various file types, and combining dataframes using common join methods.


Throughout the course you'll play the role of Data Analyst for Maven Mega Mart, a large, multinational corporation that operates a chain of retail and grocery stores. Using the Python skills you learn throughout the course, you'll work with members of the Maven Mega Mart team to analyze products, pricing, transactions, and more.


COURSE OUTLINE:


  • Intro to NumPy & Pandas

    • Introduce NumPy and Pandas, two critical Python libraries that help structure data in arrays & DataFrames and contain built-in functions for data analysis


  • Pandas Series

    • Introduce Pandas Series, the Python equivalent of a column of data, and cover their basic properties, creation, manipulation, and useful functions for analysis


  • Intro to DataFrames

    • Work with Pandas DataFrames, the Python equivalent of an Excel or SQL table, and use them to store, manipulate, and analyze data efficiently


  • Manipulating Python DataFrames

    • Aggregate & reshape data in DataFrames by grouping columns, performing aggregation calculations, and pivoting & unpivoting data


  • Basic Python Data Visualization

    • Learn the basics of data visualization in Pandas, and use the plot method to create & customize line charts, bar charts, scatterplots, and histograms


  • MID-COURSE PROJECT

    • Put your skills to the test with a brand new dataset, and use your Python skills to analyze and evaluate a new retailer as a potential acquisition target for Maven MegaMart


  • Analyzing Dates & Times

    • Learn how to work with the datetime data type in Pandas to extract date components, group by dates, and perform time intelligence calculations like moving averages


  • Importing & Exporting Data

    • Read in data from flat files and apply processing steps during import, create DataFrames by querying SQL tables, and write data back out to its source


  • Joining Python DataFrames

    • Combine multiple DataFrames by joining data from related fields to add new columns, and appending data with the same fields to add new rows


  • FINAL COURSE PROJECT

    • Put the finishing touches on your project by joining a new table, performing time series analysis, optimizing your workflow, and writing out your results


Join today and get immediate, lifetime access to the following:


  • 13+ hours of high-quality video

  • Python NumPy & Pandas PDF ebook (350+ pages)

  • Downloadable project files & solutions

  • Expert support and Q&A forum

  • 30-day Udemy satisfaction guarantee


If you're a data analyst, data scientist, business intelligence professional or data engineer looking to add Pandas to your Python skill set, this course is for you.


Happy learning!

-Chris Bruehl (Python Expert & Lead Python Instructor, Maven Analytics)


__________

Looking for our full business intelligence stack? Search for "Maven Analytics" to browse our full course library, including Excel, Power BI, MySQL, Tableau and Machine Learning courses!


See why our courses are among the TOP-RATED on Udemy:


"Some of the BEST courses I've ever taken. I've studied several programming languages, Excel, VBA and web dev, and Maven is among the very best I've seen!" Russ C.


"This is my fourth course from Maven Analytics and my fourth 5-star review, so I'm running out of things to say. I wish Maven was in my life earlier!" Tatsiana M.


"Maven Analytics should become the new standard for all courses taught on Udemy!" Jonah M.

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

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