Lập trình
xử lý dữ liệu

Bài 12
Trực quan hoá cơ bản

matplotlib, pandas plot và cách tạo biểu đồ tự giải thích được.

Bài trước

• LLM trích xuất dữ liệu phi cấu trúc; chất lượng được đo bằng tập dữ liệu gán nhãn thủ công.
• Sau bước làm sạch và trích xuất, dữ liệu đã sẵn sàng để trình bày bằng biểu đồ.

Tổng quan

1. Vì sao cần biểu đồ và nên chọn dạng nào?
2. matplotlib: Figure, Axes và bốn dạng biểu đồ cơ bản
3. pandas .plot và xuất hình từ pipeline
4. Biểu đồ rõ ràng và trung thực
5. Làm việc với AI thì sao?

1.
Vì sao cần biểu đồ?
Nên chọn dạng nào?

describe() không cho biết hình dạng của dữ liệu.

Bốn bộ dữ liệu cùng bảng thống kê

Câu hỏi chọn dạng biểu đồ

Chọn dạng biểu đồ dựa trên câu hỏi phân tích. Nếu chỉ cần nhấn mạnh một con số thì không cần vẽ biểu đồ.

2.
matplotlib:
Figure, Axes
& bốn dạng cơ bản

Giao diện lập trình chung cho nhiều dạng biểu đồ.

Bộ đôi fig và ax

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 4))    # tờ giấy + khung vẽ
ax.plot(thang.index, thang.values)        # vẽ lên khung
ax.set_title("...")
ax.set_ylabel("số đánh giá / tháng")
plt.show()
            

• Figure là toàn bộ hình; Axes là từng vùng vẽ trong hình.
• Dùng ax.* giúp kiểm soát từng chi tiết và thuận tiện khi ghép nhiều vùng vẽ.

Đọc một biểu đồ hoàn chỉnh

Biểu đồ đường: diễn biến theo thời gian

# bỏ tháng 06/2026 chưa trọn
thang = (rv.set_index("date")
    .resample("ME").size()
    .loc["2023":"2026-05"])

fig, ax = plt.subplots()
ax.plot(thang.index,
        thang.values,
        color="#1E93AB",
        lw=2)
                

Kết quả tổng hợp theo tháng ở bài 8 được dùng trực tiếp để vẽ biểu đồ.

Biểu đồ thanh ngang: xếp hạng nhóm

top = (tk[tk["n"] >= 500]
    .nlargest(8, "median")
    .sort_values("median"))

bars = ax.barh(top.index,
               top["median"])
ax.bar_label(bars, ...)
                

Thanh ngang giúp đọc tên quận dễ hơn. bar_label ghi giá trị trực tiếp; màu cam chỉ dùng cho nhóm cần nhấn mạnh.

Histogram: hình dạng phân phối

ax.hist(np.log10(gia),
        bins=55)
ax.set_xlabel(
    "log10(giá CLP/đêm)")
                

Thang log giúp quan sát rõ phân phối giá. Số khoảng bins quá ít làm mất cấu trúc; quá nhiều làm tăng nhiễu.

Biểu đồ phân tán: 18.000 điểm theo vị trí

mau = np.where(
    s["price"] > median,
    "#E8890C", "#1E93AB")

ax.scatter(s["longitude"],
           s["latitude"],
           s=6, c=mau,
           # 0 trong→1 đục
           alpha=0.45)
                

Kinh độ, vĩ độ và hai nhóm màu tạo thành một bản đồ điểm đơn giản. alpha=0.45 — độ trong suốt thấp — giúp hạn chế hiện tượng các điểm che lấp nhau.

subplots: đặt hai vùng vẽ cạnh nhau

fig, axes = plt.subplots(1, 2, figsize=(10, 4), sharey=True)

axes[0].hist(gia_t9, bins=40)
axes[0].set_title("09/2025")
axes[1].hist(gia_t6, bins=40)
axes[1].set_title("06/2026")
            

Khi so sánh hai mốc chụp, sharey=True dùng chung thang đo, tránh tạo ấn tượng sai do hai trục khác nhau.

3.
pandas .plot
& xuất hình từ pipeline

Vẽ nhanh khi khám phá dữ liệu.

.plot: vẽ nhanh khi khám phá dữ liệu

thang.plot()                                  # đường
df["room_type"].value_counts().plot.barh()    # thanh ngang
df["price"].plot.hist(bins=50)                # histogram
            

pandas cũng gọi matplotlib và tự tạo các thành phần mặc định. .plot phù hợp để khám phá nhanh dữ liệu; fig, ax phù hợp với hình chất lượng cao đưa vào báo cáo.

savefig: xuất hình từ pipeline

fig.savefig("figures/gia_theo_quan.png",
            dpi=150, bbox_inches="tight")
            

Hai cách lưu hình: raster và vector

# matplotlib chọn định dạng theo đuôi file
fig.savefig("line.svg")          # cho web
fig.savefig("bao_cao.pdf")       # cho báo cáo
fig.savefig("map.png", dpi=150)  # ảnh raster
            

Ảnh raster như PNG lưu một lưới điểm ảnh (pixel); phóng to sẽ vỡ, dung lượng nặng theo số điểm ảnh — nên dpi chỉ có nghĩa với ảnh raster. Ảnh vector như SVG và PDF lưu đường nét và chữ; phóng bao nhiêu cũng nét, dung lượng nặng theo số đối tượng vẽ.

Chọn định dạng theo mật độ điểm

PDF cũng là ảnh vector, dùng cho báo cáo và in ấn: 6 KB cho biểu đồ đường, 296 KB cho bản đồ điểm.

rcParams: khai báo phong cách một lần

plt.rcParams.update({
    "figure.facecolor": "white",
    "axes.spines.top": False, "axes.spines.right": False,
    "axes.grid": True, "grid.alpha": 0.25,
    "font.size": 12,
})
            

Khai báo một lần ở đầu notebook hoặc script để mọi hình có cùng phong cách. Tính nhất quán của các biểu đồ trong báo cáo là một tiêu chí quan trọng.

4.
Biểu đồ rõ ràng
và trung thực

Cách trình bày có thể khiến người đọc hiểu sai dù số liệu đúng.

Trục y bị cắt làm phóng đại chênh lệch

Giảm chi tiết trang trí, tăng tín hiệu

• Bỏ đường viền trên/phải và làm mờ lưới để dữ liệu nổi bật hơn.
• Mỗi hình nên truyền đạt một thông điệp chính.
• Dùng màu nhất quán; chỉ dùng màu thứ hai để nhấn một đối tượng cần chú ý.

Tiêu chí kiểm tra

Tổng kết

• Thống kê mô tả không cho thấy toàn bộ cấu trúc; dạng biểu đồ phải phù hợp với câu hỏi.
• fig, ax cùng biểu đồ đường, cột, histogram và phân tán đáp ứng phần lớn nhu cầu cơ bản.
• .plot dùng để khám phá; savefig và rcParams hỗ trợ xuất hình nhất quán.
• Biểu đồ cần dùng thang đo phù hợp, có thông điệp rõ và ghi nguồn dữ liệu.

Làm việc với AI thì sao?

Kiểm chứng thế nào?

• Kiểm tra mọi hình do AI sinh bằng danh sách ở phần 4.
• Đối chiếu ít nhất một giá trị trên hình với dữ liệu gốc, chẳng hạn kiểm tra thanh lớn nhất bằng nlargest.

Đọc thêm

• McKinney, Python for Data Analysis, 3rd ed. — ch. 9 (Plotting and Visualization).
• VanderPlas, Python Data Science Handbook, 2nd ed. — Part 4 (Matplotlib).
• 📖 Tự học: matplotlib docs — Anatomy of a figure.