Certified Data Science Practitioner (CDSP DSP-210) 7 Sections22 Lessons20 Weeks
10 biểu đồ Data Science giúp đọc dữ liệu nhanh và chính xác
10 biểu đồ Data Science giúp đọc dữ liệu nhanh và chính xác
Thời gian đọc: 6 phút
Chủ đề: Domain 3 – Exploratory Data Analysis (EDA)
Mức độ quan trọng trong DSP-210: ⭐⭐⭐⭐⭐
Một trong những nhiệm vụ quan trọng nhất của Exploratory Data Analysis (EDA) là trực quan hóa dữ liệu (Data Visualization). Chỉ trong vài giây, một biểu đồ tốt có thể giúp phát hiện phân bố dữ liệu, giá trị bất thường, xu hướng, mối tương quan hoặc sự mất cân bằng mà bảng số liệu rất khó thể hiện.
Trong CDSP DSP-210, người học không cần nhớ cách lập trình biểu đồ mà cần hiểu mỗi biểu đồ dùng để trả lời câu hỏi gì và nên sử dụng trong tình huống nào. Đây là nội dung được đề cập trong Domain 3 của Blueprint.
Vị trí trong quy trình Data Science
Data Collection
│
▼
Data Cleaning
│
▼
Exploratory Data Analysis (EDA)
│
├── Data Visualization
├── Distribution Analysis
├── Correlation Analysis
├── Outlier Detection
└── Pattern Discovery
│
▼
Feature Engineering
10 biểu đồ quan trọng nhất
| STT | Biểu đồ | Mục đích chính | Khi nào sử dụng |
|---|---|---|---|
| 1 | Histogram | Xem phân bố dữ liệu | Dữ liệu số |
| 2 | Box Plot | Phát hiện Outlier | Kiểm tra dữ liệu bất thường |
| 3 | Scatter Plot | Kiểm tra tương quan | Hai biến số |
| 4 | Line Chart | Quan sát xu hướng | Chuỗi thời gian |
| 5 | Bar Chart | So sánh giữa các nhóm | Dữ liệu phân loại |
| 6 | Pie Chart | Tỷ trọng thành phần | Ít nhóm dữ liệu |
| 7 | Heatmap | Ma trận tương quan | Nhiều biến |
| 8 | Violin Plot | Phân bố + mật độ | So sánh nhiều nhóm |
| 9 | Density Plot | Hình dạng phân bố | So sánh phân phối |
| 10 | Pair Plot | Quan hệ nhiều biến | Khám phá dữ liệu ban đầu |
1. Histogram
Dùng để làm gì?
Hiển thị phân bố dữ liệu số.
Ví dụ
Tuổi khách hàng
↓
18
20
22
24
26
↓
Histogram
Giúp trả lời:
- Dữ liệu có phân bố chuẩn không?
- Có lệch trái hoặc lệch phải không?
- Có nhiều đỉnh (multimodal) không?
✅ Thường dùng để đánh giá dữ liệu trước khi chuẩn hóa.
2. Box Plot
Dùng để làm gì?
Phát hiện Outlier.
Ví dụ
Điểm nằm ngoài hộp↓
Outlier
Giúp trả lời:
- Có dữ liệu bất thường?
- Có nên dùng Median thay Mean?
Đây là biểu đồ xuất hiện rất nhiều trong các câu hỏi EDA.
3. Scatter Plot
Dùng để làm gì?
Kiểm tra mối quan hệ giữa hai biến số.
Ví dụ
Thu nhập
↑
•
•
••
•••
────────────→
Chi tiêu
Nếu các điểm tạo thành xu hướng
↓
Có Correlation.
4. Line Chart
Dùng để làm gì?
Quan sát xu hướng theo thời gian.
Ví dụ
Doanh thu
↑
╱╲╱╲╱╲
────────────→
Tháng
Thường dùng cho
- Forecasting
- Time Series
- KPI Dashboard
5. Bar Chart
Dùng để làm gì?
So sánh giá trị giữa nhiều nhóm.
Ví dụ
Doanh thu
█
████
██████
A B C
Giúp trả lời
Nhóm nào lớn nhất?
Nhóm nào nhỏ nhất?
6. Pie Chart
Dùng để làm gì?
Hiển thị tỷ trọng.
Ví dụ
Khách hàng
60%
Nam
40%
Nữ
Chỉ nên dùng
- Ít nhóm
- Tổng = 100%
Không phù hợp khi có nhiều nhóm dữ liệu.
7. Heatmap
Dùng để làm gì?
Hiển thị Correlation Matrix.
Ví dụ
Age Income Salary
Age 1
Income 0.8 1
Salary 0.9 0.7 1
Màu càng đậm
↓
Correlation càng mạnh.
Giúp phát hiện:
- Feature dư thừa
- Multicollinearity
8. Violin Plot
Dùng để làm gì?
Kết hợp
Box Plot
Density Plot
Giúp quan sát:
- Outlier
- Median
- Hình dạng phân bố
- Mật độ dữ liệu
Đây là biểu đồ hiện đại hơn Box Plot.
9. Density Plot
Dùng để làm gì?
Quan sát hình dạng phân bố.
Thường dùng để so sánh
Nhóm A
và
Nhóm B
có phân bố khác nhau hay không.
10. Pair Plot
Dùng để làm gì?
Khám phá đồng thời nhiều biến.
Ví dụ
Age
Income
Salary
Purchase
↓
Sinh tự động
Scatter Plot
giữa tất cả các cặp biến.
Đây là bước EDA rất hữu ích khi mới tiếp cận tập dữ liệu.
Chọn biểu đồ nào?
| Muốn biết điều gì? | Biểu đồ phù hợp |
|---|---|
| Phân bố dữ liệu | Histogram |
| Giá trị bất thường | Box Plot |
| Hai biến có liên quan? | Scatter Plot |
| Xu hướng theo thời gian | Line Chart |
| So sánh các nhóm | Bar Chart |
| Thành phần chiếm bao nhiêu? | Pie Chart |
| Ma trận tương quan | Heatmap |
| So sánh phân bố | Violin Plot |
| Mật độ phân bố | Density Plot |
| Khám phá nhiều biến | Pair Plot |
Sai lầm thường gặp
❌ Dùng Pie Chart cho quá nhiều nhóm.
❌ Dùng Line Chart để so sánh dữ liệu không có thứ tự.
❌ Chỉ nhìn Histogram mà bỏ qua Outlier.
❌ Không kiểm tra Heatmap trước khi Feature Selection.
❌ Nhầm Scatter Plot với Line Chart.
Cheat Sheet ôn thi DSP-210
Ghi nhớ nhanh
Histogram → Phân bố
Box Plot → Outlier
Scatter Plot → Tương quan
Line Chart → Xu hướng
Bar Chart → So sánh
Pie Chart → Tỷ trọng
Heatmap → Ma trận tương quan
Violin Plot → Phân bố chi tiết
Density Plot → Mật độ dữ liệu
Pair Plot → Khám phá nhiều biến
Đây là 10 biểu đồ quan trọng nhất mà người học CDSP DSP-210 nên nhận diện được. Trong đề thi, trọng tâm thường không hỏi cách vẽ mà hỏi mục đích sử dụng biểu đồ phù hợp với từng tình huống phân tích dữ liệu.