Professional Documents
Culture Documents
L16 - N5 (File Đ Án)
L16 - N5 (File Đ Án)
2 Tạ Hoàng Phương Chi 050610220844 Làm nội dung Chương III, Chương IV
Làm nội dung Chương II, Chương III,
Chương IV
3 Đỗ Ngọc Thùy Dương 050610220113
Làm mã kịch bản python
Tổng hợp nội dung đồ án
4 Ngô Đăng Khoa 050610220241 Làm nội dung Chương II, Chương III
MỤC LỤC
DANH MỤC HÌNH ẢNH ...............................................................................................I
DANH MỤC BẢNG ...................................................................................................... II
DANH MỤC BIỂU ĐỒ ................................................................................................III
CHƯƠNG I: MỤC TIÊU VÀ PHẠM VI NGHIÊN CỨU ......................................... 1
1.1. Tóm tắt về sự cần thiết của dự báo thời tiết ........................................................ 1
1.2. Mục tiêu của tiểu luận ..........................................................................................1
1.3. Phạm vi nghiên cứu ............................................................................................. 1
CHƯƠNG II: DỮ LIỆU VÀ NỘI DUNG ....................................................................2
2.1. Dataset ..................................................................................................................2
2.1.1. Nguồn gốc của bộ dữ liệu ............................................................................2
2.1.2. Đặc điểm và nội dung của bộ dữ liệu ..........................................................2
CHƯƠNG III: CƠ SỞ LÝ THUYẾT VỀ PYTHON CHO BÀI TOÁN .................. 4
3.1. Tổng quan về Python ........................................................................................... 4
3.1.1. Nguồn gốc của Python ................................................................................ 4
3.1.2. Ưu và nhược điểm: ...................................................................................... 4
3.2. Thư viện NumPy ..................................................................................................5
3.2.1. Ưu điểm và hạn chế: ....................................................................................6
3.3. Thư viện Matplotlib ............................................................................................. 7
3.3.1. Giới thiệu về thư viện Matplotlib ................................................................7
3.3.2.Tạo các loại biểu đồ khác nhau với Pyplot .................................................. 8
3.4.1. Series ..........................................................................................................12
3.4.2. DataFrame ................................................................................................. 12
CHƯƠNG IV: KẾT QUẢ VÀ THẢO LUẬN ........................................................... 13
4.1. Khí hậu và biến đổi khí hậu ở Seattle ................................................................13
4.1.1. Đặc điểm khí hậu .......................................................................................13
4.1.2. Tác động của biến đổi khí hậu đối với thời tiết: ....................................... 14
4.2. Xử lý dữ liệu ...................................................................................................... 14
4.3. Kết quả thực hiện ............................................................................................... 15
4.4.Thảo luận và kết luận ..........................................................................................22
TÀI LIỆU THAM KHẢO ........................................................................................... 23
DANH MỤC HÌNH ẢNH
I
DANH MỤC BẢNG
Bảng 4-1. Bảng tỷ lệ xuất hiện của từng loại thời tiết ở Seattle .............................................. 15
Bảng 4-2. Bảng lượng mưa trung bình theo từng loại điều kiện thời tiết ............................... 16
Bảng 4-3. Bảng tốc độ gió trung bình theo từng điều kiện thời tiết ........................................ 17
Bảng 4-4. Bảng nhiệt độ tối thiểu trung bình theo từng điều kiện thời tiết .............................19
Bảng 4-5. Bảng nhiệt độ trung bình tối đa theo từng điều kiện thời tiết ................................20
II
DANH MỤC BIỂU ĐỒ
Biểu đồ 4- 1. Biểu đồ tỷ lệ xuất hiện của từng loại thời tiết ở Seattle .................................... 15
Biểu đồ 4- 2. Biểu đồ lượng trung bình theo từng điều kiện thời tiết ..................................... 16
Biểu đồ 4- 3. Biểu đồ tốc độ gió trung bình theo từng điều kiện thời tiết .............................. 18
Biểu đồ 4- 4. Biểu đồ trung bình nhiệt độ tối thiểu theo từng điều kiện thời tiết ................... 19
Biểu đồ 4- 5. Biểu đồ trung bình nhiệt độ tối đa theo từng điều kiện thời tiết ....................... 21
III
CHƯƠNG I: MỤC TIÊU VÀ PHẠM VI NGHIÊN CỨU
1
CHƯƠNG II: DỮ LIỆU VÀ NỘI DUNG
2.1. Dataset
2.1.1. Nguồn gốc của bộ dữ liệu
https://www.kaggle.com/datasets/ananthr1/weather-prediction?resource=download
3
CHƯƠNG III: CƠ SỞ LÝ THUYẾT VỀ PYTHON CHO BÀI TOÁN
4
3.1.2.2. Nhược điểm:
Tốc độ thực thi thấp. Vì Python là một ngôn ngữ thông dịch, không được biên dịch thành mã
máy trước khi thực thi, gây khó khăn khi xử lý dữ liệu lớn hoặc tính toán phức tạp.
Có độ bảo mật thấp. Do Python là ngôn ngữ gõ động, các dữ liệu được xác định trong quá trình
chạy chương trình, không phải trong quá trình biên dịch. Điều này có thể tạo ra lỗ hổng bảo mật
như tràn bộ đệm hoặc tấn công tiêm nhiễm.
Không bao gồm các thuộc tính như: public, protected, private không có vòng lặp do…while và
switch….case.
5
Hình 3-1.Mối quan hệ giữa ndarray, đối tượng kiểu dữ liệu và kiểu vô hướng mảng
6
3.3. Thư viện Matplotlib
3.3.1. Giới thiệu về thư viện Matplotlib
Matplotlib là một thư viện trong Python được sử dụng rộng rãi để tạo ra các biểu đồ và đồ thị
chất lượng cao.
Nó cung cấp các công cụ mạnh mẽ để hiển thị dữ liệu dưới dạng biểu đồ 2D và 3D(5), phù hợp
cho nhiều loại dữ liệu và mục đích khác nhau.
Tính Năng Đa Dạng Biểu Đồ của Matplotlib rất phong phú, bao gồm các loại biểu đồ như
đường, cột, hộp, scatter, vùng, bánh, và nhiều loại khác.
Matplotlib cho phép bạn tuỳ chỉnh linh hoạt mọi phần tử của biểu đồ, từ màu sắc, kích thước
cho đến tiêu đề và nhãn trục, giúp tạo ra những biểu đồ đẹp mắt và dễ đọc.
Với Matplotlib, bạn có thể tương tác trực tiếp với biểu đồ, thay đổi dữ liệu hiển thị, phóng to thu
nho và lưu trữ biểu đồ dưới nhiều định dạng hình ảnh khác nhau, giúp sử dụng biểu đồ một cách
nhanh chóng và linh hoạt.
Matplotlib hỗ trợ đa nền tảng, hoạt động trên nhiều hệ điều hành khác nhau như Windows,
macOS và Linux, cung cấp sự tiện ích cho người dùng.
Với tích hợp chặt chẽ cùng Python, Matplotlib là một công cụ hữu ích trong hệ sinh thái Python,
phối hợp tốt với các thư viện và công cụ khác như Numpy, Pandas và Jupyter Notebook, tạo nên
một môi trường lập trình mạnh mẽ để phân tích dữ liệu và học máy.
Một số ưu điểm:
Matplotlib giúp dễ dàng truy cập và hiểu lượng lớn dữ liệu thông qua các sơ đồ chính xác, giúp
nhìn thấy mẫu và xu hướng trong dữ liệu một cách trực quan.
Matplotlib linh hoạt với khả năng tạo các biểu đồ thanh, biểu đồ phân tán và nhiều loại trực
quan hóa khác, đáp ứng mọi nhu cầu người dùng..
Cung cấp hình ảnh chất lượng cao ở nhiều định dạng như PDF, PGF và PNG.
Vì là nền tảng nguồn mở nên được sử dụng miễn phí.
Có thể chạy trên nhiều nền tảng khác nhau như Windows, Mac OS hay Linux.
Tương thích tốt với các thư viện và công cụ Python khác như NumPy, Pandas, và Jupyter
Notebook, tạo ra một môi trường mạnh mẽ cho phân tích dữ liệu và học máy.
Một số hạn chế:
Cú pháp phức tạp, gây khó khăn cho người mới học.
Các sơ đồ có thể kém hấp dẫn về mặt trực quan so với thư viện khác (Tableau, Power BI)
Với các tập dữ liệu lớn, hiệu suất của Matplotlib không cao
Các mã tạo biểu đồ có thể dài dòng
7
3.3.2.Tạo các loại biểu đồ khác nhau với Pyplot
Biểu đồ thanh
Biểu đồ thanh là một trong những loại biểu đồ phổ biến nhất và được sử dụng để hiển thị dữ
liệu được liên kết với các biến phân loại. Pyplot cung cấp một phương thức bar() để tạo các biểu đồ
thanh có các đối số: biến phân loại, giá trị và màu sắc của chúng (nếu bạn muốn chỉ định bất kỳ)
8
Biểu đồ tròn
Biểu đồ Pie có thể được tạo bằng phương thức pie() Chúng ta cũng có thể chuyển các đối số
để tùy chỉnh biểu đồ Pie của mình để hiển thị shadow, explode một phần của nó, nghiêng nó theo
một góc như sau:
9
Histogram
Biểu đồ Histogram là một biểu đồ cột sử dụng để biểu diễn phân phối tần suất của một tập dữ
liệu liên tục. Thông qua biểu đồ này, chúng ta có thể dễ dàng nhận ra xu hướng phân phối, biên
độ, độ tập trung của dữ liệu và sự phân tán của chúng.
Biểu đồ Histogram được xây dựng trên các thông tin cơ bản:
─ Số lượng quan sát (tần suất): Đếm số lượng lần xuất hiện của mỗi giá trị hoặc khoảng giá trị
trong tập dữ liệu.
─ Giá trị của dữ liệu: Xác định giá trị của từng quan sát hoặc giá trị giới hạn trong khoảng dữ
liệu.
─ Khoảng dữ liệu (bins): Chia tập dữ liệu thành các khoảng phân loại và đếm số lượng quan
sát rơi vào mỗi khoảng.
Các thành phần trong dữ liệu Histogram:
─ Trục hoành: Biểu thị các giá trị đo
─ Trục tung: Biểu thị số lần xuất hiện của dữ liệu.
─ Bề rộng của mỗi cột: Bằng khoảng phân lớp
─ Chiều cao của cột: Tương ứng với tần suất của mỗi giá trị
10
Sơ đồ phân tán và 3 chiều
Biểu đồ phân tán là các biểu đồ được sử dụng rộng rãi, đặc biệt là chúng có ích trong việc hình
dung một vấn đề về hồi quy. Trong ví dụ sau, cung cấp dữ liệu được tạo tùy ý về chiều cao và cân
nặng và vẽ chúng với nhau. Mình đã sử dụng các phương thức xlim() và ylim() để đặt giới hạn của
trục X và trục Y tương ứng:
11
Panel thì không được sử dụng rãi như như Series hay DataFrame và nó cũng không dễ hiển thị
hay trừu tượng hoá như màn một chiều và hai chiều
Một số hạn chế:
Tốn bộ nhớ, việc tải và thao tác một lượng lớn dữ liệu có thể tiêu tốn nhiều tài nguyên bộ nhớ.
Khả năng xử lý dữ liệu chậm hơn so với các dữ liệu cấp thấp hơn như Numpy.
Gây khó khăn cho người mới học bởi bộ chức năng và tính năng phong phú.
Phụ thuộc vào các thư viện bên ngoài như Numpy, Matplotlib và SciPy.
Khó khăn khi xử lý dữ liệu có cấu trúc khác dạng bảng.
3.4.1. Series
Series là mảng một chiều giống như mảng Numpy, hay như một cột của một bảng, nhưng nó
bao gồm thêm một bảng đánh label. Series có thể được khởi tạo thông qua NumPy, kiểu Dict hoặc
các dữ liệu vô hướng bình thường
Series có thể được tạo bằng cách sử dụng hàm tạo sau pandas.Series (data, index, dtype, copy)
3.4.2. DataFrame
Một Data frame là một cấu trúc dữ liệu 2 chiều, dữ liệu được sắp xếp theo kiểu bảng trong các
hàng và cột có các đặc trưng sau:
Các cột dữ liệu là các kiểu không đồng nhất: float64, int, bool, …
Kích thước table có thể thay đổi: các cột có thể thêm hoặc xoá đi
Các trục được dán nhãn (hàng và cột)
Có thể thực hiện các phép toán số học trên các hàng và cột
Một DataFrame có thể được tạo bằng cách sử dụng hàm tạo sau pandas.DataFrame( data,
index, columns, dtype, copy)
12
CHƯƠNG IV: KẾT QUẢ VÀ THẢO LUẬN
13
4.1.2. Tác động của biến đổi khí hậu đối với thời tiết:
Biến đổi khí hậu (Climate Change) là sự thay đổi về nhiệt độ và các mô hình thời tiết trung
bình trên một khoảng thời gian dài. Biến đổi khí hậu có thể do nguyên nhân tự nhiên hoặc do con
người gây ra. Nguyên nhân chính của biến đổi khí hậu hiện nay là do sự gia tăng nồng độ khí nhà
kính trong bầu khí quyển do hoạt động của con người như việc thải khí nhà kính (CO2, metan, và
các khí khác) vào bầu khí quyển do đốt cháy nhiên liệu hóa thạch, nông nghiệp và phá rừng,...
Biến đổi khí hậu dẫn đến tăng cường các biến đổi thời tiết cực đoan. Sự nóng lên toàn cầu
làm nhiệt độ tăng cao và thay đổi lượng mưa trung bình. Ở Seattle, mùa hè sẽ trở nên nóng hơn và
mùa đông sẽ ngày càng lạnh hơn.
Áp suất cao khổng lồ sẽ hình thành một lá chắn trên không, khiến không khí nóng không thể
thoát ra ngoài và tiếp tục bị nén xuống làm nhiệt độ càng tăng cao, gọi là vòm nhiệt. Ảnh hưởng của
vòm nhiệt khiến mùa hè ở đây ngày càng trở nên khắc nghiệt do nắng nóng kéo dài.
Biến đổi khí hậu đang làm tăng khả năng xảy ra mưa hoặc tuyết rơi cực lớn vì độ ẩm không
khí lớn hơn bình thường. Bên cạnh độ ẩm cao, nhiệt độ không khí đang dần ấm hơn và nhiệt độ bề
mặt đại dương ấm hơn, khiến cho tốc độ bốc hơi nước được thúc đẩy diễn ra nhanh chóng, trở thành
lý do để sinh ra nhiều cơn bão hơn. Gió và bão là hai hiện tượng thời tiết cực đoan có thể xảy ra, gió
mạnh có thể xuất hiện bất cứ lúc nào hoặc kèm theo bão như cuồng phong, lốc xoáy, giông bão.
4.2. Xử lý dữ liệu
Giá trị null thường xuất hiện khi không có dữ liệu nào được ghi lại hoặc không có giá trị nào được
ghi lại cho một cột cụ thể.
Trong trường hợp này, kết quả cho thấy không có giá trị null trong bất kỳ cột nào của bảng dữ liệu.
Điều này ngụ ý rằng mọi cột đều có dữ liệu và không có dữ liệu nào bị thiếu.
Biểu đồ 4- 1. Biểu đồ tỷ lệ xuất hiện của từng loại thời tiết ở Seattle
Biểu đồ tỷ lệ xuất hiện của từng loại thời tiết ở Seattle trình bày phân phối tỷ lệ các loại thời tiết tại
Seattle. Từ biểu đồ trên, chúng ta có thể nhận thấy được sự phổ biến của mỗi loại thời tiết và hiểu rõ
hơn về tần suất(2) xuất hiện của chúng trong dữ liệu.
Tần suất xuất hiện của từng loại thời tiết:
15
Sun (Nắng) và Rain (Mưa) chiếm tỉ lệ cao nhất và xuất hiện thường xuyên trong số các loại
thời tiết với lần lượt là 43,80% và 43,9%.
Trong khi đó, Fog (Sương mù) là loại thời tiết tiếp theo về tần suất xuất hiện (6,9%), nhưng tỉ
lệ này thấp hơn đáng kể so với Sun và Rain
Ngược lại với tần suất xuất hiện của Sun và Rain, thì Drizzle (Mưa phùn) và Snow (Tuyết) là
hai loại thời tiết ít xuất hiện nhất lần lượt là 3,6% và 1,8%, có thể do tần suất của chung phụ
thuộc vào điều kiện thời tiết đặc biệt.
Lượng mưa trung bình theo từng loại điều kiện thời tiết
Biểu đồ 4- 2. Biểu đồ lượng trung bình theo từng điều kiện thời tiết
16
Dựa vào biểu đồ lượng mưa trung bình theo từng điều kiện thời tiết, ta đều có thể thấy:
Trong điều kiện mưa (rain) và tuyết (snow) đều có lượng mưa đáng chú ý:
─ Lượng mưa trong 2 điều kiện này lần lượt là 6.56mm cho điều kiện mưa và 8.55mm cho
điều kiện tuyết, điều này có thể cho thấy rằng loại điều kiện thời tiết này thường đi kèm với
lượng mưa đáng kể.
─ Lượng mưa cao có thể ảnh hướng đến nhiều hoạt động hàng ngày và cần được xem xét
trong việc lập kế hoạch và quản lý thời tiết.
Trong 3 điều kiện còn lại là mưa phùn (drizzle), nắng (sun), sương mù (fog) không gây ra mưa:
─ Mưa phùn, nắng và sương mù có lượng mưa là 0, cho rằng chúng không thường gây ra mưa.
─ Mưa phùn thường đi kèm với những giọt mưa nho và nhẹ, trong khi nắng và sương mù
thường liên quan đến điều kiện thời tiết khô ráo hơn
=>Thông tin về lượng mưa trong từng loại thời tiết cho thấy sự đa dạng của thời tiết và khả năng
ảnh hưởng của nó đối với môi trường tự nhiên và các hoạt động con người. Sự hiểu biết về sự đa
dạng này có thể giúp đánh giá nguy cơ lũ lụt, khả năng tưới tiêu và sự cần thiết của duy trì hệ thống
thoát nước.
Tốc độ gió trung bình theo từng điều kiện thời tiết
17
Biểu đồ 4- 3. Biểu đồ tốc độ gió trung bình theo từng điều kiện thời tiết
Dựa vào biểu đồ tốc độ trung bình của gió trong từng loại điều kiện thời tiết, ta có thể thấy sự biến
đổi đáng kể của tốc độ gió dựa trên các điều kiện thời tiết khác nhau.
Tốc độ gió cao nhất trong điều kiện tuyết (snow):
─ Phân tích cho thấy rằng tốc gió cao nhất thường được ghi nhận trong điều kiện tuyết. Dữ
liệu cho thấy rằng tốc độ gió trung bình khi có tuyết lên đến 4,41, cao hơn so với các điều
kiện thời tiết khác. Điều này có thể phản ánh sự tăng cường của cơn gió trong các cơn tuyết.
Tốc độ gió thấp nhất trong điều kiện mưa phùn (drizzle) và sương mù (fog):
─ Trong điều kiện mưa phùn và sương mù, tốc độ gió trung bình thấp nhất so với các loại thời
tiết khác lần lượt là 2,37 và 2,48. Điều này có thể cho thấy rằng không có sự tác động mạnh
mẽ như các yếu tố thời tiết khác.
18
Nhiệt độ tối thiểu trung bình theo từng loại điều kiện thời tiết
Biểu đồ 4- 4. Biểu đồ trung bình nhiệt độ tối thiểu theo từng điều kiện thời tiết
Biểu đồ trung bình nhiệt độ tối thiểu theo từng điều kiện thời tiết phân tích dữ liệu nhiệt độ thấp
trung bình của Seattle cho thấy sự khác biệt đáng kể tùy thuộc vào loại thời tiết.
Sự khác biệt lớn nhất là giữa ngày nắng và ngày có tuyết, nhiệt độ tối thiểu trung bình vào
những ngày nắng đạt tối đa 9,34°C, trong khi vào những ngày có tuyết chỉ là 0,15°C.
19
Điều này cho thấy rõ sự ảnh hưởng của sự khác biệt theo mùa và các yếu tố khí hậu đến nhiệt
độ.
Tuy nhiên, nếu so sánh các điều kiện thời tiết mưa, mưa phùn, sương mù thì chúng ta thấy rằng
sự chênh lệch về nhiệt độ tối thiểu trung bình không quá lớn.Trong trường hợp này, nhiệt độ tối
thiểu trung bình là từ 7,11 đến 7,98 độ C, chênh lệch chỉ từ 0,3 đến 0,8 độ.
Điều này cho thấy các điều kiện thời tiết mưa, mưa phùn và sương mù nhìn chung ổn định hơn
và ít biến đổi hơn so với khi trời nắng và khi tuyết rơi.
Nhiệt độ trung bình tối đa theo từng điều kiện thời tiết
20
Biểu đồ 4- 5. Biểu đồ trung bình nhiệt độ tối đa theo từng điều kiện thời tiết
Seattle, Washington, một trong những thành phố nổi tiếng của Mỹ với thời tiết đa dạng và phong
phú. Điều này rõ ràng thể hiện thông qua dữ liệu về nhiệt độ trung bình tối đa, được thể hiện thông
qua biểu đồ trung bình tối đa theo từng loại điều kiện thời tiết:
Với nhiệt độ trung bình tối đa khi nắng cao đạt 19.86 độ C và chỉ còn 5.57 độ C khi tuyết phủ
kín.
Mưa phùn, mưa và sương mù, mặc dù thường đi kèm với nhiệt độ trung bình tối đa thấp hơn,
nhưng lại có tác động quan trọng đến cuộc sống hàng ngày của cư dân. Chúng đóng vai trò quan
trọng trong việc tạo ra một môi trường sống và làm việc thoải mái và an toàn cho người dân,
đồng thời cung cấp cơ hội cho sự phát triển bền vững của thành phố.
21
4.4.Thảo luận và kết luận
Khí hậu của nơi đây không quá khắc nghiệt và được mệnh danh là thành phố mưa – The
Emerald City. Với khí hậu ôn đới hải dương, ở Seattle, mùa hè khá ấm áp và mùa đông thì ẩm ướt,
điều này được thể hiện qua biểu đồ lượng mưa trung bình, trong đó khi trời có tuyết lượng mưa cao
nhất (8.55mm). Chính điều này, thời tiết ở đây khá ôn hòa, cây cối xanh tốt. Tất cả khiến nơi đây trở
thành điểm đến sinh sống và du lịch lý tưởng của đông đảo du khách trên toàn thế giới.
Trong nghiên cứu này, nhóm em đã tiến hành một bộ dữ liệu về thời tiết ở thành phố Seattle
thuộc bang Washington. Mục tiêu của chúng em là phân tích về các yếu tố như lượng mưa, tốc độ
gió, nhiệt độ ảnh hưởng đến thời tiết như thế nào để cung cấp cái nhìn tổng quan và chi tiết về thời
tiết trong khu vực này.
Do chưa có nhiều kinh nghiệm làm đề tài cũng như những hạn chế về kiến thức, trong bài tiểu
luận chắc chắn sẽ không tránh khoi những thiếu sót. Rất mong nhận được sự nhận xét, ý kiến đóng
góp, phê bình từ phía Thầy để bài tiểu luận được hoàn thiện hơn. Lời cuối cùng, em xin kính chúc
Thầy nhiều sức khoe, thành công và hạnh phúc.
22
TÀI LIỆU THAM KHẢO
1. Đông Tùng. (2023, 12 28). NumPy là gì? Nó hoạt động như thế nào. Thegioimaychu.vn.
Retrieved March 25, 2024, from <https://thegioimaychu.vn/blog/ai-hpc/numpy-la-gi-no-hoat-dong-
nhu-the-nao-p17778/>
2. NumPy documentation — NumPy v1.26 Manual. (n.d.). NumPy -. Retrieved March 25, 2024,
from <https://numpy.org/doc/stable/>
3. Python là gì? Tất tần tật về ngôn ngữ lập trình Python. (2022, December 8). Glints. Retrieved
April 7, 2024, from <https://glints.com/vn/blog/ngon-ngu-lap-trinh-python-la-gi/>
4. Trung Tâm Tin Học. (2023, August 7). Tự học lập trình Python cơ bản dành cho người mới
bắt đầu. Trung Tâm Tin Học Đại học Khoa Học Tự Nhiên. Retrieved March 24, 2024, from
<https://csc.edu.vn/tin-tuc/kien-thuc-lap-trinh/tu-hoc-lap-trinh-python-co-ban-danh-cho-nguoi-moi-
bat-dau-8327>
5. Using Matplotlib — Matplotlib 3.8.3 documentation. (n.d.). Matplotlib. Retrieved March 25,
2024, from <https://matplotlib.org/stable/contents.html>
6. Van Hoang, N. (2019, 5 21). Giới thiệu về Pandas (một thư viện phổ biến của Python cho
việc phân tích dữ liệu). Viblo. Retrieved April 7, 2024, from <https://viblo.asia/p/gioi-thieu-ve-
pandas-mot-thu-vien-pho-bien-cua-python-cho-viec-phan-tich-du-lieu-aWj53Nnel6m>
7. Van Hoang, N. (2019, 7 21). Giới thiệu về Matplotlib (một thư viện rất hữu ích của Python
dùng để vẽ đồ thị). Viblo. Retrieved April 7, 2024, from <https://viblo.asia/p/gioi-thieu-ve-
matplotlib-mot-thu-vien-rat-huu-ich-cua-python-dung-de-ve-do-thi-yMnKMN6gZ7P>
23