Python Cơ Bản - Phần 1 | MinAI Learning

Lý thuyết

1/15•3 giờ

Đang tải...

Python Cơ Bản - Phần 1

Giới thiệu Python, cài đặt môi trường, Variables, Data Types, Operators và Strings

🎯 Mục tiêu bài học

TB5 min

Sau bài học này, bạn sẽ:

✅ Hiểu Python là gì và tại sao Python là lựa chọn #1 cho Data Science

✅ Cài đặt thành công môi trường Python (Anaconda, Jupyter, VS Code)

✅ Nắm vững cú pháp cơ bản: Variables, Data Types, Operators

✅ Thành thạo String operations và formatting

Thời gian: 3 giờ | Độ khó: Beginner | Yêu cầu: Không cần kiến thức lập trình trước

Task 0

📖 Bảng Thuật Ngữ Quan Trọng

TB5 min

Thuật ngữ	Tiếng Việt	Giải thích đơn giản
Variable	Biến	Vùng nhớ lưu trữ dữ liệu, đặt tên để sử dụng lại

Task 1

Tiếp: Python Cơ Bản - Phần 2

🐍 Python là gì và tại sao cho Data Science?

TB5 min

Python là ngôn ngữ lập trình bậc cao, được tạo bởi Guido van Rossum năm 1991. Python nổi tiếng với cú pháp đơn giản, dễ đọc và dễ học.

Đặc điểm nổi bật

Đặc điểm	Mô tả
Cú pháp rõ ràng	Code Python đọc gần như tiếng Anh
Đa mục đích	Web, Data Science, AI, Automation
Thông dịch	Không cần compile, chạy trực tiếp
Động (Dynamic)	Không cần khai báo kiểu dữ liệu
Cộng đồng lớn	Hàng triệu developers, tài liệu phong phú

Python

1# Python Hello World - Đơn giản nhất!
2print("Hello, Data Science!")
3
4# So sánh với Java (cần nhiều code hơn)
5# public class HelloWorld {
6#     public static void main(String[] args) {
7#         System.out.println("Hello, Data Science!");
8#     }
9# }

Hệ sinh thái thư viện Python

Hệ sinh thái Python Data Science

Python

Xử lý Dữ liệu

Pandas

Polars

NumPy

Trực quan hóa

Matplotlib

Seaborn

Plotly

Machine Learning

Scikit-learn

TensorFlow

PyTorch

Ứng dụng Web

Streamlit

Dash

Flask

Thư viện	Mục đích	Ví dụ sử dụng
Pandas	Xử lý dữ liệu bảng	Đọc CSV, filter, groupby
NumPy	Tính toán số học	Arrays, matrix operations
Matplotlib	Vẽ biểu đồ cơ bản	Line, bar, scatter plots
Seaborn	Statistical visualization	Heatmap, distribution plots
Plotly	Interactive charts	Dashboard, web charts
Scikit-learn	Machine Learning	Classification, regression

So sánh Python với các ngôn ngữ khác

Tiêu chí	Python	R	SQL	Excel
Học dễ	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐
Xử lý dữ liệu	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
Trực quan hóa	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐	⭐⭐⭐
Machine Learning	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐

Các công ty sử dụng Python

Google (YouTube, Search), Netflix (Recommendation), Spotify (Music AI), Instagram (Backend), Uber (Analytics), NASA (Scientific computing)

Lộ trình Nghề nghiệp với Python

Data Analyst

Data Scientist

ML Engineer

AI Researcher

Checkpoint

Python có 5 đặc điểm nổi bật nào? Bạn có thể kể tên 3 thư viện Python phổ biến cho Data Science không?

Task 2

🛠️ Cài đặt môi trường Python

TB5 min

Các cách cài đặt

Phương pháp	Ưu điểm	Nhược điểm	Phù hợp với
Python.org	Nhẹ, cơ bản	Phải cài thư viện thủ công	Beginners
Anaconda	Đầy đủ thư viện	Dung lượng lớn (~3GB)	Data Scientists
Miniconda	Nhẹ, linh hoạt	Cần cài thêm packages	Experienced users
Google Colab	Không cần cài	Cần internet	Quick experiments

Khuyến nghị: Cài Anaconda nếu bạn có máy tính cá nhân, hoặc dùng Google Colab nếu muốn bắt đầu ngay không cần cài đặt.

Cài đặt Anaconda

Bước 1: Tải từ anaconda.com/download — chọn đúng OS (Windows/macOS/Linux)

Bước 2: Cài đặt theo hướng dẫn

Bash

1# macOS/Linux
2chmod +x Anaconda3-xxx.sh
3./Anaconda3-xxx.sh

Bước 3: Kiểm tra

Bash

1conda --version    # conda 23.x.x
2python --version   # Python 3.11.x

Quản lý môi trường với Conda

Bash

1# Tạo môi trường mới
2conda create -n datascience python=3.11
3 
4# Kích hoạt
5conda activate datascience
6 
7# Cài thư viện Data Science
8conda install pandas numpy matplotlib seaborn scikit-learn jupyter
9 
10# Export môi trường
11conda env export > environment.yml
12 
13# Các lệnh hay dùng
14conda env list          # Danh sách môi trường
15conda list              # Packages đã cài
16conda update pandas     # Cập nhật package
17conda env remove -n datascience  # Xóa môi trường

Jupyter Notebook

Jupyter Notebook là công cụ không thể thiếu cho Data Science — cho phép viết code, xem kết quả, và ghi chú trong cùng một file.

Bash

1# Chạy Jupyter
2jupyter notebook
3 
4# Hoặc JupyterLab (giao diện mới hơn)
5jupyter lab

Shortcuts quan trọng:

Shortcut	Chức năng
`Shift + Enter`	Chạy cell và di chuyển xuống
`Ctrl + Enter`	Chạy cell tại chỗ
`A` / `B`	Thêm cell phía trên / dưới
`DD`	Xóa cell
`M` / `Y`	Chuyển Markdown / Code

Magic Commands:

Python

1%time df = pd.read_csv('large_file.csv')   # Đo thời gian
2%timeit df['col'].sum()                     # Đo thời gian trung bình
3%matplotlib inline                          # Hiển thị chart inline
4%whos                                       # Xem tất cả variables

VS Code cho Python

Tải từ code.visualstudio.com
Cài Extensions: Python + Pylance + Jupyter (Microsoft)
Chọn Python Interpreter: Ctrl+Shift+P → "Python: Select Interpreter"

Google Colab (Không cần cài đặt)

Vào colab.research.google.com — đã cài sẵn Pandas, NumPy, Matplotlib, TensorFlow, PyTorch.

Python

1# Mount Google Drive
2from google.colab import drive
3drive.mount('/content/drive')
4
5# Đọc file từ Drive
6import pandas as pd
7df = pd.read_csv('/content/drive/MyDrive/data.csv')
8
9# Cài thêm thư viện
10!pip install polars plotly

Kiểm tra môi trường

Python

1import sys
2print(f"Python version: {sys.version}")
3
4libraries = ['pandas', 'numpy', 'matplotlib', 'seaborn', 'sklearn']
5for lib in libraries:
6    try:
7        module = __import__(lib)
8        version = getattr(module, '__version__', 'unknown')
9        print(f"✅ {lib}: {version}")
10    except ImportError:
11        print(f"❌ {lib}: NOT INSTALLED")

Checkpoint

Bạn đã cài đặt Python thành công chưa? Hãy chạy python --version và script kiểm tra phía trên để xác nhận!

Task 3

📦 Variables và Data Types

TB5 min

Biến (Variable) là gì? Hãy tưởng tượng biến như một chiếc hộp có dán nhãn — bạn bỏ dữ liệu vào hộp và dán tên để dễ tìm lại sau.

Tại sao cần biến? Khi phân tích dữ liệu, bạn cần lưu trữ kết quả: tổng doanh thu, số khách hàng, tỷ lệ chuyển đổi... Biến giúp bạn đặt tên có ý nghĩa và sử dụng lại dữ liệu nhiều lần mà không cần tính lại.

Ví dụ thực tế: Thay vì nhớ con số 1500000, bạn viết doanh_thu_thang_1 = 1_500_000 — code dễ đọc và dễ bảo trì hơn rất nhiều!

Khai báo biến

Python không cần khai báo kiểu dữ liệu — tự động suy luận (Dynamic Typing)!

Python

1# Khai báo biến đơn giản
2name = "MinAI"           # String
3age = 25                 # Integer
4price = 19.99            # Float
5is_active = True         # Boolean
6
7# Multiple assignment
8x, y, z = 1, 2, 3
9a = b = c = 0
10
11# Swap values (Pythonic way!)
12x, y = y, x

Quy tắc đặt tên biến

Python

1# ✅ Hợp lệ
2my_variable = 1
3_private = 5
4
5# ❌ Không hợp lệ
62variable = 1       # Bắt đầu bằng số
7my-variable = 2     # Có dấu gạch ngang
8my variable = 3     # Có khoảng trắng

Convention trong Python (PEP 8)

Loại	Convention	Ví dụ
Variable	snake_case	`user_name`
Constant	UPPER_SNAKE	`MAX_SIZE`
Function	snake_case	`calculate_total()`
Class	PascalCase	`DataProcessor`
Private	_prefix	`_internal_var`

Quan trọng: Luôn tuân theo PEP 8 convention. Code Python chuẩn dùng snake_case cho biến và function, PascalCase cho class.

Kiểu dữ liệu cơ bản (Primitive Types)

Python

1# Integer - Số nguyên
2count = 42
3big_num = 1_000_000  # Underscore cho dễ đọc
4
5# Float - Số thực
6pi = 3.14159
7scientific = 1.5e-10  # 1.5 × 10⁻¹⁰
8
9# String - Chuỗi
10name = "Python"
11multiline = """
12This is a
13multiline string
14"""
15
16# Boolean
17is_valid = True
18is_empty = False
19
20# None - Giá trị null
21result = None

Khi nào dùng kiểu nào?

Kiểu	Dùng khi	Ví dụ trong Data Science
int	Đếm số lượng, chỉ số	Số khách hàng, số đơn hàng, tuổi
float	Giá trị đo lường, tỷ lệ	Doanh thu, chiều cao, tỷ lệ chuyển đổi
str	Tên, mô tả, nhãn	Tên sản phẩm, địa chỉ, email
bool	Trạng thái có/không	Đã thanh toán?, VIP?, còn hàng?
None	Giá trị chưa có / thiếu	Dữ liệu missing, kết quả chưa tính

Kiểm tra và chuyển đổi kiểu dữ liệu

Tại sao cần chuyển đổi kiểu? Dữ liệu thực tế thường "lộn xộn" — cột tuổi có thể là "25" (string) thay vì 25 (int), cột giá có ký tự "$". Bạn cần convert về đúng kiểu để tính toán được.

Python

1# Kiểm tra kiểu
2x = 42
3print(type(x))              # <class 'int'>
4print(isinstance(x, int))   # True
5print(isinstance(x, (int, float)))  # True
6
7# Type Conversion
8num_str = "42"
9num_int = int(num_str)      # 42
10num_float = float(num_str)  # 42.0
11s = str(100)                # "100"
12
13# Boolean conversion
14bool(0)       # False    | bool(1)       # True
15bool("")      # False    | bool("text")  # True
16bool([])      # False    | bool([1,2])   # True

Mẹo: Trong Python, các giá trị "rỗng" (0, "", [], None) được coi là False. Các giá trị khác là True. Rất hữu ích khi kiểm tra dữ liệu!

Checkpoint

Hãy thử tạo 4 biến với 4 kiểu dữ liệu khác nhau (int, float, str, bool) và dùng type() kiểm tra từng biến.

Task 4

➕ Operators (Toán tử)

TB5 min

Toán tử (Operator) là gì? Toán tử là ký hiệu đặc biệt dùng để thực hiện phép tính trên dữ liệu — giống +, -, ×, ÷ bạn đã biết, nhưng Python có thêm nhiều toán tử mạnh mẽ hơn.

Tại sao cần học toán tử? Mọi phân tích dữ liệu đều cần tính toán: tính tổng doanh thu (+), so sánh hiệu suất (>), lọc khách hàng theo nhiều điều kiện (and, or), kiểm tra số chẵn/lẻ (%). Toán tử là nền tảng của MỌI thao tác trong Data Science.

Arithmetic Operators (Toán tử số học)

Các phép tính cơ bản — chú ý //, %, ** là những toán tử đặc biệt rất hữu ích:

Python

1a, b = 10, 3
2
3print(a + b)   # 13  - Cộng
4print(a - b)   # 7   - Trừ
5print(a * b)   # 30  - Nhân
6print(a / b)   # 3.333... - Chia (float)
7print(a // b)  # 3   - Chia lấy phần nguyên
8print(a % b)   # 1   - Chia lấy dư (modulo)
9print(a ** b)  # 1000 - Lũy thừa (10³)

Ứng dụng thực tế toán tử số học:

// (chia lấy nguyên): Phân trang — total_rows // page_size = số trang
% (chia lấy dư): Kiểm tra chẵn/lẻ — n % 2 == 0 → số chẵn; năm nhuận year % 4 == 0
** (lũy thừa): Tính lãi kép — goc * (1 + lai_suat) ** so_nam

So sánh Operators (Toán tử so sánh)

So sánh là nền tảng của việc lọc dữ liệu. Khi viết df[df['age'] > 30] trong Pandas, Python dùng toán tử > để so sánh từng giá trị trong cột.

Python

1x, y = 5, 10
2
3print(x == y)  # False - Bằng
4print(x != y)  # True  - Khác
5print(x < y)   # True  - Nhỏ hơn
6print(x <= y)  # True  - Nhỏ hơn hoặc bằng
7print(x > y)   # False - Lớn hơn
8
9# Chained comparison (Pythonic!)
10age = 25
11print(18 <= age < 65)  # True

Logical Operators (Toán tử logic)

Toán tử logic giúp kết hợp nhiều điều kiện. Ví dụ thực tế: lọc khách hàng trên 30 tuổi VÀ chi tiêu trên 1 triệu → Trong Pandas: df[(df['age'] > 30) & (df['spending'] > 1_000_000)].

Python

1a, b = True, False
2
3print(a and b)  # False
4print(a or b)   # True
5print(not a)    # False
6
7# Short-circuit: giá trị "falsy" → lấy default
8name = ""
9display = name or "Anonymous"  # "Anonymous"

Assignment Operators (Toán tử gán)

Toán tử gán giúp cập nhật giá trị nhanh — ví dụ: mỗi đơn hàng mới, total += order_value tự động cộng dồn doanh thu.

Python

1x = 10
2x += 5   # x = x + 5  → 15
3x -= 3   # x = x - 3  → 12
4x *= 2   # x = x * 2  → 24
5x /= 4   # x = x / 4  → 6.0
6x //= 2  # x = x // 2 → 3.0
7x **= 2  # x = x ** 2 → 9.0

Lưu ý: // (floor division) luôn làm tròn xuống: 7 // 2 = 3, -7 // 2 = -4. Còn % (modulo) rất hay dùng để kiểm tra chẵn/lẻ: x % 2 == 0 → chẵn.

Checkpoint

Tính giá trị: (10 + 5) * 2 // 3 ** 2 = ? Thử chạy Python kiểm tra đáp án!

Task 5

🔤 Strings (Chuỗi ký tự)

TB5 min

String (chuỗi) là gì? String là dữ liệu dạng văn bản — tên khách hàng, địa chỉ email, mô tả sản phẩm, bình luận... Trong Data Science, phần lớn dữ liệu thực tế chứa text, nên thao tác với string là kỹ năng không thể thiếu.

Ứng dụng thực tế: Khi làm Data Cleaning, bạn thường phải: xóa khoảng trắng thừa (strip()), chuẩn hóa chữ hoa/thường (lower()), tách họ tên (split()), tìm pattern (find()), thay thế giá trị (replace()). Tất cả đều là string operations!

Thao Tác Chuỗi

Python

1s = "Python Data Science"
2
3# Indexing (0-based)
4print(s[0])      # 'P'
5print(s[-1])     # 'e' (từ cuối)
6
7# Slicing [start:end:step]
8print(s[0:6])    # 'Python'
9print(s[7:])     # 'Data Science'
10print(s[::-1])   # Đảo ngược chuỗi
11
12# Length
13print(len(s))    # 19

Phương Thức Chuỗi

Python

1text = "  Hello World  "
2
3# Case methods
4text.lower()      # "  hello world  "
5text.upper()      # "  HELLO WORLD  "
6text.title()      # "  Hello World  "
7
8# Whitespace
9text.strip()      # "Hello World"
10text.lstrip()     # "Hello World  "
11text.rstrip()     # "  Hello World"
12
13# Find & Replace
14text.find("World")                # 8 (index)
15text.replace("World", "Python")   # "  Hello Python  "
16
17# Split & Join
18"a,b,c".split(",")      # ['a', 'b', 'c']
19"-".join(['a','b','c'])  # "a-b-c"
20
21# Check methods
22"123".isdigit()    # True
23"abc".isalpha()    # True
24"abc123".isalnum() # True

Định Dạng Chuỗi

f-string (Python 3.6+) là cách formatting được khuyến nghị nhất — ngắn gọn, dễ đọc, nhanh nhất.

Python

1name = "MinAI"
2price = 19.99
3quantity = 3
4
5# f-string — Khuyến nghị!
6print(f"Hello, {name}!")
7print(f"Total: ${price * quantity:.2f}")
8
9# Format specifiers
10num = 1234.5678
11print(f"{num:.2f}")     # 1234.57 (2 decimals)
12print(f"{num:,.2f}")    # 1,234.57 (with comma separator)
13print(f"{num:>10.2f}")  # '   1234.57' (right align, width 10)
14print(f"{num:<10.2f}")  # '1234.57   ' (left align)
15
16# Percentage
17ratio = 0.756
18print(f"{ratio:.1%}")   # 75.6%
19
20# .format() method (cách cũ hơn)
21print("Hello, {}!".format(name))
22print("{0} costs ${1:.2f}".format("Item", 9.99))

Checkpoint

Cho s = "Python Data Science", hãy viết code: (1) lấy từ "Data", (2) đổi thành chữ hoa, (3) thay "Data" bằng "Machine Learning".

Task 6

💡 Ví dụ thực tế: Phân tích dữ liệu bán hàng

TB5 min

Kết hợp tất cả kiến thức đã học trong một ví dụ thực tế:

Python

1import pandas as pd
2import matplotlib.pyplot as plt
3
4# 1. Đọc dữ liệu
5df = pd.read_csv('sales.csv')
6
7# 2. Xem tổng quan (dùng f-string formatting)
8print(f"Số dòng: {len(df)}")
9print(f"Tổng doanh thu: ${df['revenue'].sum():,.2f}")
10
11# 3. Phân tích theo tháng
12monthly_sales = df.groupby('month')['revenue'].sum()
13
14# 4. Vẽ biểu đồ
15plt.figure(figsize=(10, 6))
16monthly_sales.plot(kind='bar', color='steelblue')
17plt.title('Doanh thu theo tháng')
18plt.xlabel('Tháng')
19plt.ylabel('Doanh thu ($)')
20plt.tight_layout()
21plt.show()

Đừng lo nếu chưa hiểu hết code Pandas và Matplotlib — bạn sẽ học chi tiết ở các bài sau! Mục đích ở đây là thấy được sức mạnh của Python trong phân tích dữ liệu.

Checkpoint

Bạn có nhận ra các khái niệm đã học trong ví dụ này không? (variables, f-string formatting, method calls)

Task 7

📝 Tổng Kết

TB5 min

🧮 Tính Toán Thủ Công — Operators & Variables

Bài toán 1: Tính diện tích & chu vi hình chữ nhật

Ví dụ

1Input: width = 5 cm, height = 3 cm
2 
3Bước 1: Khai báo biến
4  width = 5
5  height = 3
6 
7Bước 2: Tính toán (thủ công trước, code sau)
8  area = width × height = 5 × 3 = 15 cm²
9  perimeter = 2 × (width + height) = 2 × (5 + 3) = 2 × 8 = 16 cm

Python

1width = 5
2height = 3
3area = width * height                # 15
4perimeter = 2 * (width + height)     # 16
5print(f"Diện tích: {area} cm², Chu vi: {perimeter} cm")
6# Output: Diện tích: 15 cm², Chu vi: 16 cm

Bài toán 2: Tính lãi kép ngân hàng

Ví dụ

1Input: gốc = 100_000_000 VND, lãi suất = 7%/năm, kỳ hạn = 5 năm
2 
3Công thức: FV = PV × (1 + r)^n
4 
5Tính thủ công:
6  Năm 1: 100M × 1.07 = 107,000,000
7  Năm 2: 107M × 1.07 = 114,490,000
8  Năm 3: 114.49M × 1.07 = 122,504,300
9  Năm 4: 122.5M × 1.07 = 131,079,601
10  Năm 5: 131.08M × 1.07 = 140,255,173

Python

1pv = 100_000_000
2rate = 0.07
3years = 5
4fv = pv * (1 + rate) ** years
5print(f"Sau {years} năm: {fv:,.0f} VND")
6# Output: Sau 5 năm: 140,255,173 VND

Bài toán 3: Thứ tự ưu tiên toán tử

Ví dụ

1Biểu thức: (10 + 5) * 2 // 3 ** 2
2 
3Bước 1: Ngoặc trước  → (10 + 5) = 15
4Bước 2: Lũy thừa     → 3 ** 2 = 9
5Bước 3: Nhân          → 15 * 2 = 30
6Bước 4: Chia lấy nguyên → 30 // 9 = 3
7 
8Kết quả: 3

Bảng Quyết Định: Chọn Toán Tử

Tình huống	Toán tử	Input → Output	Ứng dụng thực tế
Kiểm tra số chẵn/lẻ	`%`	`7 % 2 → 1` (lẻ)	Phân nhóm A/B test
Phân trang	`//`	`47 // 10 → 4` (trang 5)	Hiển thị danh sách sản phẩm
Lãi kép	`**`	`1.05 ** 10 → 1.629`	Dự báo tài chính
Lọc khách VIP	`and`	`age > 25 and spend > 5M`	Phân khúc khách hàng
Kiểm tra nhiều điều kiện	`or`	`city == 'HN' or city == 'HCM'`	Lọc vùng miền

⚠️ Lỗi Thường Gặp & Cách Sửa

Python

1# ❌ SAI 1: Nhầm = (gán) với == (so sánh)
2x = 5
3# if x = 5:     # SyntaxError! 
4if x == 5:      # ✅ So sánh
5    print("x là 5")
6
7# ❌ SAI 2: Quên ngoặc trong f-string
8name = "Alice"
9# print(f"{name.upper}")   # ❌ In ra method object
10print(f"{name.upper()}")   # ✅ Output: ALICE
11
12# ❌ SAI 3: String là immutable
13s = "hello"
14# s[0] = "H"  # TypeError: 'str' object does not support item assignment
15s = "H" + s[1:]  # ✅ Tạo string mới: "Hello"
16
17# ❌ SAI 4: Division cho kết quả float
18result = 10 / 5
19print(type(result))  # <class 'float'> → 2.0, KHÔNG phải 2
20result = 10 // 5     # ✅ 2 (integer)

📝 Bài Tập Có Đáp Án

Bài 1: BMI Calculator

Ví dụ

1Input: weight = 70 kg, height = 1.75 m
2Tính: BMI = weight / height² = 70 / (1.75)² = 70 / 3.0625 = 22.86
3Phân loại: 18.5 ≤ 22.86 < 25 → "Bình thường"
4 
5Expected Output:
6  BMI: 22.86
7  Phân loại: Bình thường

Bài 2: Temperature Converter

Ví dụ

1Input: celsius = 37.5
2Công thức: F = C × 9/5 + 32
3Tính: 37.5 × 9/5 + 32 = 37.5 × 1.8 + 32 = 67.5 + 32 = 99.5°F
4 
5Expected Output:
6  37.5°C = 99.5°F

Bài 3: String Processing

Ví dụ

1Input: email = "  User.Name@COMPANY.com  "
2 
3Bước 1: strip()  → "User.Name@COMPANY.com"
4Bước 2: lower()  → "user.name@company.com"
5Bước 3: split("@") → ["user.name", "company.com"]
6Bước 4: domain = parts[1] → "company.com"
7 
8Expected Output:
9  Email chuẩn hóa: user.name@company.com
10  Domain: company.com

Câu hỏi tự kiểm tra

Python thuộc loại ngôn ngữ biên dịch (compiled) hay thông dịch (interpreted)? Điều này ảnh hưởng gì đến cách chạy code?
Sự khác biệt giữa toán tử == và = trong Python là gì?
Cho biến x = "42", làm thế nào để chuyển nó thành số nguyên và cộng thêm 8?
f-string trong Python là gì? Viết một ví dụ sử dụng f-string để hiển thị giá trị biến với 2 chữ số thập phân.

✅ Những điều bạn đã học được

🐍 Python là gì — ngôn ngữ #1 cho Data Science với hệ sinh thái thư viện phong phú
🛠️ Cài đặt môi trường — Anaconda, Jupyter Notebook, VS Code, Google Colab
📦 Variables & Data Types — int, float, str, bool, None; khai báo và chuyển đổi kiểu
➕ Operators — Arithmetic, Comparison, Logical, Assignment
🔤 Strings — Indexing, slicing, methods, f-string formatting

Bài tập tự luyện

Tạo 5 biến với 5 kiểu dữ liệu khác nhau, in ra type() của mỗi biến
Viết biểu thức tính BMI: weight / (height ** 2) với weight = 70, height = 1.75
Cho chuỗi s = "data science is amazing", viết code: chuyển Title Case, thay "amazing" bằng "powerful", tách thành list
Sử dụng f-string in ra bảng giá: "Sản phẩm A: 1,234,567.89 VND"

Bài tiếp theo: Python Cơ Bản Phần 2 — Control Flow, Collections, Functions và Error Handling!

Task 8

🧠 Góc Nhìn Chuyên Gia: Kỷ Luật Học Python

TB5 min

Từ học syntax đến làm dự án thật

Giai đoạn	Trọng tâm	Sản phẩm đầu ra
Nền tảng	Cú pháp, kiểu dữ liệu, luồng điều khiển	Bài tập nhỏ chạy ổn định
Quy trình Dữ liệu	Pandas/NumPy + tư duy làm sạch dữ liệu	Notebook phân tích có cấu trúc
Tư duy Dự án	Kiểm thử, logging, code module hóa	Mini project có README

Thói quen nên có từ đầu

Viết code rõ ràng, đặt tên biến có nghĩa
Tạo môi trường riêng cho từng project
Tách logic thành hàm nhỏ dễ test
Ghi chú assumptions trước khi phân tích dữ liệu

Checkpoint

Bạn đã có routine học/ thực hành theo tuần để chuyển từ bài tập nhỏ sang mini project chưa?

Task 9

Nguồn	Nội dung	Link
Python.org	Tài liệu chính thức ngôn ngữ Python	Python Documentation
Real Python	Hướng dẫn Python thực tế, chất lượng cao	Real Python
Google Python Class	Khóa Python miễn phí từ Google	Google Python Class
W3Schools Python	Học Python cơ bản qua ví dụ	W3Schools Python
NumPy	Thư viện tính toán số học nền tảng	NumPy Documentation
pandas	Thư viện phân tích dữ liệu Python	pandas Documentation

🎯 Mục tiêu bài học

📖 Bảng Thuật Ngữ Quan Trọng

Checkpoint

🐍 Python là gì và tại sao cho Data Science?

Đặc điểm nổi bật

Hệ sinh thái thư viện Python

Hệ sinh thái Python Data Science

So sánh Python với các ngôn ngữ khác

Các công ty sử dụng Python

Lộ trình Nghề nghiệp với Python

Checkpoint

🛠️ Cài đặt môi trường Python

Các cách cài đặt

Cài đặt Anaconda

Quản lý môi trường với Conda

Jupyter Notebook

VS Code cho Python

Google Colab (Không cần cài đặt)

Kiểm tra môi trường

Checkpoint

📦 Variables và Data Types

Khai báo biến

Quy tắc đặt tên biến

Convention trong Python (PEP 8)

Kiểu dữ liệu cơ bản (Primitive Types)

Khi nào dùng kiểu nào?

Kiểm tra và chuyển đổi kiểu dữ liệu

Checkpoint

➕ Operators (Toán tử)

Arithmetic Operators (Toán tử số học)

So sánh Operators (Toán tử so sánh)

Logical Operators (Toán tử logic)

Assignment Operators (Toán tử gán)

Checkpoint

🔤 Strings (Chuỗi ký tự)

Thao Tác Chuỗi

Phương Thức Chuỗi

Định Dạng Chuỗi

Checkpoint

💡 Ví dụ thực tế: Phân tích dữ liệu bán hàng

Checkpoint

📝 Tổng Kết

🧮 Tính Toán Thủ Công — Operators & Variables

Bảng Quyết Định: Chọn Toán Tử

⚠️ Lỗi Thường Gặp & Cách Sửa

📝 Bài Tập Có Đáp Án

Câu hỏi tự kiểm tra

✅ Những điều bạn đã học được

Bài tập tự luyện

🧠 Góc Nhìn Chuyên Gia: Kỷ Luật Học Python

Từ học syntax đến làm dự án thật

Thói quen nên có từ đầu

Checkpoint

📚 Tài liệu tham khảo