Lập trình
xử lý dữ liệu

Bài 13
Trực quan hoá
nâng cao
& phản biện biểu đồ

seaborn, bản đồ, biểu đồ tương tác và cách thẩm định hình do AI sinh.

Bài trước

• Bài 12 giới thiệu bốn dạng biểu đồ cơ bản và các nguyên tắc trình bày trung thực.
• Bài này mở rộng sang biểu đồ thống kê nhiều chiều, bản đồ theo vùng và cách phản biện biểu đồ.

Tổng quan

1. seaborn: hình thống kê cấp cao
2. Bản đồ choropleth với GeoJSON
3. Biểu đồ tương tác (giới thiệu)
4. Phản biện biểu đồ
5. Làm việc với AI thì sao?

1.
seaborn:
hình thống kê
cấp cao

Giao diện thống kê cấp cao được xây trên matplotlib.

set_theme: thiết lập phong cách chung

import seaborn as sns
sns.set_theme(style="whitegrid")

sns.boxplot(data=df, x="price", y="room_type")
            

• seaborn nhận DataFrame và tên cột; nhiều biểu đồ không cần gộp nhóm trước.
• seaborn vẫn dùng matplotlib và trả về ax, nên có thể chỉnh tiếp như ở bài 12.

Boxplot: so sánh phân phối giữa các nhóm

hue: thể hiện nhóm bằng màu

q = ["Santiago",
     "Las Condes"]
sns.histplot(
    df[df.neighbourhood
       .isin(q)],
    x="price",
    hue="neighbourhood",
    log_scale=True,
    element="step",
    stat="density",
    common_norm=False)
                

hue= tách nhóm bằng màu ngay trong lệnh vẽ; common_norm=False chuẩn hoá riêng từng nhóm để so hình dạng thay vì quy mô.

Heatmap: bảng pivot bằng màu

Dữ liệu dạng dài phù hợp với seaborn

# rộng -> dài: mỗi dòng = (quận, loại phòng, giá trung vị)
dai = pivot.reset_index().melt(
    id_vars="neighbourhood",
    var_name="room_type", value_name="gia")
            

seaborn thường dùng dữ liệu có mỗi dòng là một quan sát và mỗi cột là một biến (tidy data). melt chuyển bảng pivot từ dạng rộng sang dạng dài.

FacetGrid: lưới nhiều biểu đồ nhỏ

• sns.displot(..., col="snapshot") tạo một biểu đồ nhỏ cho mỗi mốc chụp, dùng chung thang đo.
• Nhiều khung nhỏ cùng khuôn thường dễ đọc hơn một biểu đồ nhồi nhiều đường màu.

2.
Bản đồ choropleth

Bổ sung ranh giới quận cho bản đồ điểm ở bài 12.

GeoJSON + geopandas + merge

import geopandas as gpd

geo = gpd.read_file(".../neighbourhoods.geojson")   # ranh giới quận
kpi = df.groupby("neighbourhood")["price"].median().reset_index()

ban_do = geo.merge(kpi, on="neighbourhood", how="left")
ban_do.plot(column="price", cmap="Blues", legend=True)
            

Ba bước: đọc ranh giới → tính chỉ số theo quận → merge rồi plot(column=...). File GeoJSON có sẵn trong mỗi mốc chụp Inside Airbnb.

Kết quả và bẫy diện tích

Choropleth: diện tích ≠ tầm quan trọng

• Luôn kèm bảng hoặc chú thích cỡ mẫu n của mỗi quận, hoặc thêm bản đồ thể hiện số chỗ ở.
• Dùng một dải màu tuần tự từ nhạt đến đậm để thể hiện độ lớn.

3.
Biểu đồ tương tác

Dùng khi cần khám phá chi tiết của từng điểm dữ liệu.

plotly express: xem chi tiết khi rê chuột

import plotly.express as px

px.scatter(
    s, x="longitude",
    y="latitude",
    color="room_type",
    hover_name="name",
    hover_data=["price",
        "neighbourhood"])
                

Cú pháp tương tự seaborn; biểu đồ HTML cho phép rê chuột xem tên chỗ ở, giá và quận của từng điểm (ảnh tĩnh minh hoạ nội dung hover).

Biểu đồ tĩnh hay tương tác?

4.
Phản biện
ba biểu đồ lỗi

AI có thể tạo biểu đồ nhanh nhưng không bảo đảm cách trình bày đúng. Ba ví dụ sau minh hoạ những lỗi thường gặp.

Hình lỗi A

Hình A: trục kép

• Hai trục y có thang đo riêng. Điều chỉnh ylim có thể làm hai đường trông đồng biến dù hình chưa chứng minh được tương quan.
• Trục bên phải chỉ chạy từ 54 đến 63, nên biến động khoảng 5% trông lớn hơn thực tế.

Hình lỗi B

Hình B: biểu đồ tròn 12 lát

• Biểu đồ có 12 lát và nhiều nhãn chồng lấn, nên khó so sánh chính xác các góc gần nhau.
• Mười hai màu không mã hoá thêm thông tin và làm hình khó đọc hơn.

Hình lỗi C

Hình C: hồ sơ lỗi và bản sửa

CLP và BRL không thể so trực tiếp. Quy hai chuỗi về chỉ số với tháng đầu = 100 để so nhịp thay đổi:

Năm câu hỏi để thẩm định một biểu đồ

Tổng kết

• seaborn dùng DataFrame và tên cột để so sánh phân phối giữa các nhóm.
• Bản đồ choropleth cần dữ liệu vùng, chỉ số đã gộp và cỡ mẫu của từng vùng.
• Biểu đồ tương tác phù hợp để khám phá; biểu đồ tĩnh phù hợp để xuất bản.
• Năm điểm cần kiểm tra là trục, đơn vị, cỡ mẫu, dạng biểu đồ và lời diễn giải.

Làm việc với AI thì sao?

Kiểm chứng thế nào?

• Kiểm tra mọi hình do AI sinh bằng năm câu hỏi ở phần 4.
• Tự tính lại ít nhất một giá trị trên hình và đối chiếu với dữ liệu nguồn.

Đọc thêm

• VanderPlas, Python Data Science Handbook, 2nd ed. — mục Seaborn.
• Tài liệu seaborn — tutorial gallery (chọn biểu đồ theo bài toán).
• 📖 Tự học: Financial Times, Visual Vocabulary — hướng dẫn chọn dạng biểu đồ.