12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

BÀI HƯỚNG DẪN THỰC HÀNH 1. THỐNG KÊ

MÔ TẢ

1. Cài đặt thư viện cần thiết 🐋

Trong bài lab này sẽ thực hiện thống kê mô tả trên tổng GDP Việt Nam từ năm 2000 - 2022

1.1 .Cài đặt thư viện requests 💻

💻
pip install requests
1.2 .Import thư viện cần thiết để get API

import requests

💻
import pandas as pd
1.3 Giới thiệu về API World Bank.org

World Bank API là một dịch vụ cung cấp dữ liệu từ Ngân hàng Thế giới, một tổ chức tài
chính quốc tế cung cấp hỗ trợ tài chính và tư vấn cho các quốc gia phát triển. API cho phép
nhà phát triển và người sử dụng truy cập các tập dữ liệu kinh tế, xã hội, và môi trường từ
nhiều quốc gia trên thế giới.

Dưới đây là một số điểm quan trọng về API World Bank:

Dữ Liệu Đa Dạng: API cung cấp truy cập đến nhiều loại dữ liệu, bao gồm thông tin về tài
chính, giáo dục, y tế, môi trường, và nhiều lĩnh vực khác.

Dữ Liệu Toàn Cầu: World Bank API cung cấp dữ liệu từ nhiều quốc gia trên thế giới, giúp
người dùng nắm bắt tình hình và xu hướng toàn cầu.

Thông Tin Thời Gian Thực và Lịch Sử: API cung cấp truy cập đến dữ liệu thời gian thực cũng
như dữ liệu lịch sử, cho phép người dùng theo dõi sự thay đổi và phát triển theo thời gian.

Chia Sẻ Dữ Liệu Mở: Dữ liệu từ World Bank API thường được cung cấp dưới dạng dữ liệu
mở, giúp khuyến khích sự chia sẻ và sử dụng rộng rãi.

API Endpoint: Các endpoint của API có thể được sử dụng để thực hiện các yêu cầu đến các
tập dữ liệu cụ thể và truy xuất thông tin chi tiết về các chỉ số kinh tế, xã hội.

Ngôn Ngữ Lập Trình: API có thể được tích hợp với nhiều ngôn ngữ lập trình thông dụng,
như Python, JavaScript, Java, và nhiều ngôn ngữ khác.

Để sử dụng API World Bank, bạn cần đăng ký và nhận một khóa API từ trang web chính
thức của World Bank. Sau đó, bạn có thể sử dụng khóa API này để thực hiện các yêu cầu
HTTP và truy xuất dữ liệu từ World Bank.

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 1/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

In [4]: # 1.1 Import thư viện request và thư viện pandas để lấy API
import requests
import pandas as pd

# Đường dẫn đến API của World Bank để lấy dữ liệu GDP
api_url = "http://api.worldbank.org/v2/country/VN/indicator/NY.GDP.MKTP.CD?format=json

In [5]: # 1.2 Gửi yêu cầu HTTP để lấy dữ liệu

response = requests.get(api_url)

In [6]: # 1.3 Kiểm tra xem yêu cầu có thành công hay không
if response.status_code == 200:
# Chuyển đổi dữ liệu JSON sang DataFrame sử dụng thư viện pandas
data = response.json()
df = pd.DataFrame(data[1])

# Lọc và hiển thị các cột cần thiết (năm và giá trị GDP)
df = df[['date', 'value']]
df.columns = ['Year', 'GDP']

print(df.head())
else:
print(f"Failed to fetch data. Status code: {response.status_code}")

Year GDP
0 2022 4.088024e+11
1 2021 3.661376e+11
2 2020 3.466158e+11
3 2019 3.343653e+11
4 2018 3.101065e+11

In [7]: #1.4 Kiểm tra dataframe

df

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 2/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Out[7]: Year GDP

0 2022 4.088024e+11

1 2021 3.661376e+11

2 2020 3.466158e+11

3 2019 3.343653e+11

4 2018 3.101065e+11

5 2017 2.813536e+11

6 2016 2.570960e+11

7 2015 2.392583e+11

8 2014 2.334515e+11

9 2013 2.137088e+11

10 2012 1.955906e+11

11 2011 1.725950e+11

12 2010 1.472012e+11

13 2009 1.060147e+11

14 2008 9.913030e+10

15 2007 7.741443e+10

16 2006 6.637166e+10

17 2005 5.763326e+10

18 2004 4.542785e+10

19 2003 3.955251e+10

20 2002 3.506411e+10

21 2001 3.268520e+10

22 2000 3.117252e+10

23 1999 2.868366e+10

24 1998 2.720960e+10

25 1997 2.684370e+10

26 1996 2.465747e+10

27 1995 2.073616e+10

28 1994 1.628643e+10

29 1993 1.318095e+10

30 1992 9.866990e+09

31 1991 9.613370e+09

32 1990 6.471741e+09

33 1989 6.293305e+09

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 3/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Year GDP

34 1988 2.542381e+10

35 1987 3.665811e+10

36 1986 2.633662e+10

37 1985 1.409469e+10

38 1984 NaN

39 1983 NaN

40 1982 NaN

41 1981 NaN

42 1980 NaN

43 1979 NaN

44 1978 NaN

45 1977 NaN

46 1976 NaN

47 1975 NaN

48 1974 NaN

49 1973 NaN

2. Xử lý dữ liệu 🐋
Chuyển dữ liệu từ kiểu Series sang int để thực hiện các phép so sánh trở nên dễ dàng
Lấy dữ liệu GDP Việt Nam từ 2000 đến 2022 ✒️
In [19]: df['Year'] = df['Year'].astype(int)

In [27]: # 2.1 Lấy dữ liệu dataframe từ 2000 ~ 2022

df_process_1 = df[(df['Year'] >= 2000) & (df['Year'] <= 2022)]

In [29]: # 2.2 Xử lý lấy dữ liệu từ năm 2000 ~ 2022

df_process_1

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 4/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Out[29]: Year GDP

0 2022 4.088024e+11

1 2021 3.661376e+11

2 2020 3.466158e+11

3 2019 3.343653e+11

4 2018 3.101065e+11

5 2017 2.813536e+11

6 2016 2.570960e+11

7 2015 2.392583e+11

8 2014 2.334515e+11

9 2013 2.137088e+11

10 2012 1.955906e+11

11 2011 1.725950e+11

12 2010 1.472012e+11

13 2009 1.060147e+11

14 2008 9.913030e+10

15 2007 7.741443e+10

16 2006 6.637166e+10

17 2005 5.763326e+10

18 2004 4.542785e+10

19 2003 3.955251e+10

20 2002 3.506411e+10

21 2001 3.268520e+10

22 2000 3.117252e+10

3 . Thực hiện thống kê mô tả 🐋

3.1 Thực hiện thống kê mô tả vị trí 💯
In [50]: # 3.1 Trung bình giá trị GDP
df_process_1['GDP'].mean()

Out[50]: 178119525213.19016

In [51]: # 3.2 Tính trung vị giá trị GDP

df_process_1['GDP'].median()

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 5/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Out[51]: 172595034069.162

In [52]: # 3.3 Tìm Max/Min giá trị GDP

print(df_process_1['GDP'].max())
print(df_process_1['GDP'].min())

408802379068.229
31172518403.3162

In [53]: # 3.4 Thống kê nhanh giá trị GDP

df_process_1['GDP'].describe()

Out[53]: count 2.300000e+01

mean 1.781195e+11
std 1.231488e+11
min 3.117252e+10
25% 6.200246e+10
50% 1.725950e+11
75% 2.692248e+11
max 4.088024e+11

💯
Name: GDP, dtype: float64

3.2 Thực hiện thống kê mô tả phân tán

In [54]: # 3.5 Phương sai
df_process_1['GDP'].var()

Out[54]: 1.5165629432368267e+22

In [55]: #3.6 Độ lệch chuẩn

df_process_1['GDP'].std()

Out[55]: 123148810113.4894

In [39]: #3.7 Tính chỉ số Q3

df_process_1['GDP'].mean()['GDP'].quantile(0.75)

Out[39]: 209179284884.1315

In [56]: #3.8 Tính chỉ số Q1

df_process_1['GDP'].quantile(0.25)

Out[56]: 62002460278.227005

In [57]: #3.9 Tính chỉ số IQR

IQR = df_process_1['GDP'].quantile(0.75) - df_process_1['GDP'].quantile(0.25)
IQR

Out[57]: 207222353362.43298

In [58]: #3.10 Tìm khoảng trần

upper_limit = df_process_1['GDP'].quantile(0.75) + 1.5*IQR
upper_limit

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 6/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Out[58]: 580058343684.3094

In [59]: #3.11 Tìm khoảng sàn

lower_limit = df_process_1['GDP'].quantile(0.25) - 1.5*IQR
lower_limit

Out[59]: -248831069765.4225

3.3 Thực hiện thống kê mô tả hình dạng 💯

In [60]: # 3.12 Skewness
gdp_skewness = df_process_1['GDP'].skew()
gdp_skewness

Out[60]: 0.33650164130872817

Nhận xét kết quả

Với giá trị skewness 0.3365, phân phối có một độ lệch nhẹ về phải, nhưng nó không phải là một
độ lệch mạnh. Tính chất này chỉ ra rằng phần lớn dữ liệu tập trung ở bên trái của trung tâm
phân phối, nhưng có một số giá trị cao hơn phía bên phải.

In [61]: # 3.13 Kurtosis

gdp_kurtosis = df_process_1['GDP'].kurt()
gdp_kurtosis

Out[61]: -1.2461872011986999

Nhận xét kết quả

Với giá trị kurtosis -1.2462, có thể nói rằng phân phối có đỉnh thấp và đuôi mỏng hơn so với
phân phối chuẩn. Điều này cho thấy phân phối có xu hướng "flatter" hoặc "light-tailed" so với
một phân phối chuẩn.

3.4 Vẽ hình dữ liệu 💯

Cài đặt thư viện matplotlib và seaborn 💻
pip install matplotlib
pip install seaborn

In [68]: import matplotlib.pyplot as plt

import seaborn as sns

# 3.14 Vẽ Box Plot

plt.figure(figsize=(10, 6))
sns.boxplot(x=df_process_1['GDP'], color='#c7675d', width=0.5, linewidth=2)
plt.title('Box Plot of Viet Nam GDP (2000 - 2022)')
plt.xlabel('GDP')
plt.show()

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 7/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

In [73]: # Vẽ Histogram
plt.figure(figsize=(10, 6))
sns.histplot(df_process_1['GDP'],color='#c7675d', bins=20, kde=True)
plt.title('Histogram of Viet Nam GDP (2000 - 2022)')
plt.xlabel('GDP')
plt.ylabel('Frequency')
plt.show()

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 8/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

4 Hàm hóa thống kê mô tả 💯

In [85]: import pandas as pd

def descriptive_stats_and_plots(data):
"""
Thực hiện thống kê mô tả và vẽ Boxplot và Histogram cho dữ liệu GDP.

Parameters:
- data: Pandas Series hoặc NumPy array chứa dữ liệu GDP.

Returns:
None (Hiển thị biểu đồ và bảng thống kê mô tả).
"""

# Bảng thống kê mô tả
stats_table = data.describe()

# Thêm các thống kê khác

stats_table['variance'] = data.var()
stats_table['std_dev'] = data.std()
stats_table['range'] = data.max() - data.min()
stats_table['IQR'] = stats_table['75%'] - stats_table['25%']
stats_table['skewness'] = data.skew()
stats_table['kurtosis'] = data.kurtosis()

# Hiển thị bảng thống kê mô tả

display(pd.DataFrame(stats_table))

# Vẽ Boxplot và Histogram
plt.figure(figsize=(15, 6))
localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 9/14
12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

# Boxplot
plt.subplot(1, 2, 1)
sns.boxplot(x=data, color='lightblue', fliersize=5)
plt.title('Boxplot of GDP')

# Histogram
plt.subplot(1, 2, 2)
sns.histplot(data, bins=20, kde=True, color='lightblue', edgecolor='black')
plt.title('Histogram of GDP')
plt.xlabel('GDP')
plt.ylabel('Frequency')

# Hiển thị biểu đồ

plt.tight_layout()
plt.show()

# Sử dụng hàm với dữ liệu GDP của bạn (đặt tên DataFrame và cột GDP thích hợp)
descriptive_stats_and_plots(df_process_1['GDP'])

GDP

count 2.300000e+01

mean 1.781195e+11

std 1.231488e+11

min 3.117252e+10

25% 6.200246e+10

50% 1.725950e+11

75% 2.692248e+11

max 4.088024e+11

variance 1.516563e+22

std_dev 1.231488e+11

range 3.776299e+11

IQR 2.072224e+11

skewness 3.365016e-01

kurtosis -1.246187e+00

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 10/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Bổ sung một số kiến thức khác 💯

In [86]: #Bonus 1. Boxplot trên cùng một biểu đồ và chú thích

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# Tạo một DataFrame ngẫu nhiên với 10 cột và 100 dòng

np.random.seed(42)
data = np.random.randn(100, 10)
df = pd.DataFrame(data, columns=[f'Variable_{i}' for i in range(1, 11)])

# Vẽ Boxplot cho từng cột

plt.figure(figsize=(12, 8))
sns.boxplot(data=df)
plt.title('Multiple Boxplots of Random Data')
plt.xlabel('Variables')
plt.ylabel('Values')
plt.show()

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 11/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

In [87]: df

Out[87]: Variable_1 Variable_2 Variable_3 Variable_4 Variable_5 Variable_6 Variable_7 Variable_8 Variab

0 0.496714 -0.138264 0.647689 1.523030 -0.234153 -0.234137 1.579213 0.767435 -0.46

1 -0.463418 -0.465730 0.241962 -1.913280 -1.724918 -0.562288 -1.012831 0.314247 -0.90

2 1.465649 -0.225776 0.067528 -1.424748 -0.544383 0.110923 -1.150994 0.375698 -0.60

3 -0.601707 1.852278 -0.013497 -1.057711 0.822545 -1.220844 0.208864 -1.959670 -1.32

4 0.738467 0.171368 -0.115648 -0.301104 -1.478522 -0.719844 -0.460639 1.057122 0.34

... ... ... ... ... ... ... ... ...

95 -0.241236 0.352055 -1.251539 1.443765 -0.082151 1.117296 0.342725 0.456753 0.56

96 0.642723 1.329153 0.196521 0.709004 -0.089736 1.440117 -0.676392 1.800940 -0.04

97 0.128104 -0.681052 0.840644 -0.652624 -0.446183 -1.889541 -0.452306 -2.423879 -1.58

98 0.785800 0.425458 -0.966976 -0.047711 -0.003603 -1.158365 1.503398 0.877362 -0.22

99 0.208383 -2.041735 -0.247177 -0.681984 -1.001620 -0.281100 1.797687 0.640843 -0.57

100 rows × 10 columns

In [88]: # Bonus 2. Vẽ biểu đồ Line Chart trong một biểu đồ

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 12/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

# Tạo một DataFrame ngẫu nhiên với 10 cột và 100 dòng

np.random.seed(42)
data = np.random.randn(100, 10)
df = pd.DataFrame(data, columns=[f'Variable_{i}' for i in range(1, 11)])

# Vẽ Line Chart cho từng cột

plt.figure(figsize=(12, 8))
sns.lineplot(data=df, dashes=False)
plt.title('Multiple Line Charts of Random Data')
plt.xlabel('Index')
plt.ylabel('Values')
plt.show()

Bài tập. So sánh về tốc độ tăng trưởng GDP giữa 11

nước Đông Nam Á (2000 - 2022) 💯
Yêu cầu 1. Bạn hãy lấy dữ liệu từ nguồn world data từ năm 2000
- 2020 của 11 quốc gia Đông Nam Á
In [ ]:

Yêu cầu 2. Bạn hãy thống kê mô tả của 5 Quốc Gia bất kì trong 11
Quốc Gia
In [ ]:

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 13/14

12/8/23, 11:54 AM DAIT002_Statistic_Descriptive_08122023

Yêu cầu 3. Vẽ biểu đồ Boxplot và Line Chart của 11 Quốc Gia trên
một biểu đồ và nhận xét nó
In [ ]:

Yêu cầu 4. Tỉ lệ tăng trưởng của một quốc gia

Tỉ lệ tăng trưởng của một quốc gia X vào năm Yi được tính như sau

$\ \text{Growth Rate}i = \left( \frac{\text{GDP}_i}{\text{GDP}\text{i-1}} \right) - 1 $

Bạn hãy thêm cột Growth_Rate vào mỗi quốc gia. Sau vẽ biểu đồ Line Chart về chỉ số này
của 11 quốc gia

Nhận xét tốc độ tăng trưởng bằng hình vẽ và bằng số liệu của thống kê mô tả

In [ ]:

localhost:8888/nbconvert/html/DAIT002 - Thống kê Python/DAIT002_Statistic_Descriptive_08122023.ipynb?download=false 14/14