#pandas

Python Plotting With Matplotlib (Guide) Quiz

Test your understanding of Python plotting with matplotlib, from Figure and Axes objects to subplots, pandas plotting, and styling.

Python 3.15 Ships and Other Python News for November 2026

Python 3.15 ships, 3.16 eyes None-aware operators, eight broken CA keys trigger security releases, and Anthropic drops temperature.

Got Milk (Data)? How I Uncovered a $100M+ UK Trade Story Using Pandas, SQL, and Seaborn

Got Milk (Data)? How I Uncovered a $100M+ UK Trade Story Using Pandas, SQL, and Seaborn My Week 8 deep dive at the DataraFlow Data Science Internship: mastering the Split-Apply-Combine paradigm …

OpenAlgo Technical Indicators for Beginners: 127 Indicators in One pip install

Bối cảnh: OpenAlgo cung cấp bộ chỉ báo kỹ thuật với 127 chỉ báo chỉ cần một pip install. Nguyên nhân kỹ thuật: Các chỉ báo được viết bằng Python và có thể kết hợp với yfinance để lấy dữ liệu miễn phí. Hệ quả: Nhà đầu tư và lập trình viên có quyền truy cập vào các công cụ phân tích kỹ thuật mạnh mẽ như SMA, EMA, Supertrend, RSI, MACD, ATR, Bollinger Bands, OBV và MFI. Điều đáng học: Mã code đã được kiểm thử, giúp giảm thời gian phát triển và tối ưu hóa chiến lược trading.

Bài này cung cấp hướng dẫn thực hành với 127 chỉ báo kỹ thuật quan trọng cho lập trình viên mới bắt đầu với phân tích tài chính.

BigQuery AI Functions in Pandas

Scale machine learning directly in Pandas and boost productivity using enterprise-grade BigQuery AI functions without leaving your DataFrame.

Mastering Advanced Pandas & SQL

Mastering Advanced Pandas & SQL Reflections on Week 8 of My DataraFlow Journey Every data practitioner knows that turning raw, messy transaction records into clear business insights is equal parts …

Splitting, Applying and Combining: What I Learned from UK Milk Trade Data

Splitting, Applying and Combining: What I Learned from UK Milk Trade Data This week I worked through grouping and aggregating data in pandas, then moved the same ideas into SQL and finished by …

Nigeria Bought 73 Times More Milk Than It Sold. I Almost Missed It.

Nigeria Bought 73 Times More Milk Than It Sold. I Almost Missed It. Week 8 at DataraFlow: grouping data, plotting it, and asking SQL the same questions twice. The UK sells far more milk and cream …

Dubai off-plan vs ready prices per sqm by area: what 11,027 registered DLD sales in October 2026 show

Dubai off-plan vs ready prices per sqm by area: what 11,027 registered DLD sales in October 2026 show Dubai publishes every registered property transaction as open data: sales, off-plan sales …

Crying Over Spilled Milk? Only If Your .groupby() Fails: Unpacking Global Dairy Trade in Week 8 at DataraFlow

Crying Over Spilled Milk? Only If Your .groupby() Fails: Unpacking Global Dairy Trade in Week 8 at DataraFlow If you asked me eight weeks ago what the United Kingdom’s dairy industry had in common …

How to See Every Google Ad Your Competitors Run, with the Ad Copy as Text

How to See Every Google Ad Your Competitors Run, with the Ad Copy as Text Google shows every ad of every advertiser in its Ads Transparency Center, but only one ad at a time, often as a picture, and …

Python Training in Hyderabad

“” is published by Sampath Rajesh.

Polars 2.0 vs pandas vs DuckDB: 2 GB CSV, 4 GB Memory Limit

Polars 2.0 vs pandas vs DuckDB: 2 GB CSV, 4 GB Memory Limit Nine ways to read one file, three runs each, and which ones finished before the watchdog killed them. Written with AI assistance. Every …

My First Full Data Analysis

My First Full Data Analysis I am genuinely so excited about this week!! 🥰 This week was the first time data analysis really clicked for me. If you have been following my weekly articles, you will …

What If You Bought Every Stock That Fell 5% in One Day?

What If You Bought Every Stock That Fell 5% in One Day? I built a Python framework to investigate thousands of sharp stock-market drops, measure what happened next, and test whether buying the dip is …

DuckDB vs pandas on a 1 GB CSV with a 4 GB Memory Cap

Bài viết so sánh hiệu năng giữa DuckDB và pandas khi xử lý file CSV 1 GB trong giới hạn bộ nhớ 4 GB. DuckDB chỉ sử dụng 82 MB RAM trong khi pandas cần 1.2 GB để xử lý cùng bộ dữ liệu này. DuckDB hoàn thành truy vấn nhanh hơn đáng kể, đặc biệt với các phép join phức tạp, nhờ vào kiến trúc columnar storage và query optimization. Các lập trình viên làm việc với dữ liệu lớn nên cân nhắc DuckDB như một lựa chọn thay thế hiệu quả cho pandas khi bộ nhớ hạn chế.

Bài viết này giúp lập trình viên hiểu hiệu suất giữa DuckDB và pandas khi xử lý dữ liệu lớn với giới hạn bộ nhớ.

Pandas offset aliases for resample: ME, MS, and other codes

Pandas sử dụng offset aliases để xác định đơn vị thời gian trong hàm resample. Một số mã không trực quan như 'ME' cho tháng kết thúc và 'MS' cho tháng bắt đầu. Nếu bạn đang làm việc với time series và cần hiểu rõ các mã này, bài viết cung cấp danh sách đầy đủ trong pandas documentation timeseries user guide. Việc nắm vững các alias này giúp xử lý dữ liệu thời gian chính xác hơn, tránh sai sót khi resample theo tháng hay quý. Bạn sẽ tiết kiệm thời gian gỡ lỗi nếu ghi nhớ các mã như 'QE' cho quý kết thúc thay vì dùng cách đặt tên tự nhiên.

Tìm hiểu các alias offset trong Pandas giúp bạn hiểu cách làm việc với chuỗi thời gian hiệu quả hơn.

Python Plotting With Matplotlib (Guide)

This article is a beginner-to-intermediate-level walkthrough on Python and matplotlib that mixes theory with example.

Fetch and Process Live Market Quotes Using Financial APIs in Python

Fetch and Process Live Market Quotes Using Financial APIs in Python Build a reliable market data pipeline using Python, financial APIs, and Pandas Imagine building a stock market dashboard that …

Python Histogram Plotting: NumPy, Matplotlib, pandas & Seaborn – Real Python

Bối cảnh tạo biểu đồ histogram trong Python rất quan trọng cho việc trực quan hóa dữ liệu. Nguyên nhân kỹ thuật là do các thư viện như NumPy xử lý dữ liệu hiệu quả, Matplotlib và Seaborn cung cấp nhiều tùy chỉnh, còn pandas giúp thao tác dữ liệu linh hoạt. Hệ quả là bạn có thể tạo ra các biểu đồ histogram chất lượng cao với các tùy chọn như bins, density, và alpha. Điểm đáng học là cách tích hợp liền mạch giữa các thư viện này để tối ưu hóa hiệu suất và tính thẩm mỹ của biểu đồ.

Bài này cung cấp hướng dẫn toàn diện để tạo biểu đồ histogram chất lượng cao với Python từ các thư viện phổ biến.

Pandas Grouper: Group datetime columns by custom time periods

Pandas cung cấp Grouper object để nhóm dữ liệu theo các khoảng thời gian tùy chỉnh trong DataFrame. Bạn có thể sử dụng pd.Grouper với key là tên cột datetime và freq là chuỗi tần suất như '14D' để tạo các nhóm 14 ngày. Ví dụ, tính trip_distance trung bình theo chu kỳ 14 ngày bằng cách kết hợp Grouper với phương thức groupby. Tính năng này hữu ích khi bạn cần phân tích dữ liệu theo các khoảng thời gian không chuẩn như 7 ngày, 14 ngày thay vì các chu kỳ cố định như ngày/tháng/năm.

Pandas Grouper giúp lập trình viên linh hoạt phân tích dữ liệu thời gian theo chu kỳ tùy chỉnh.

Python's len() Function Quiz – Real Python

Test your understanding of Python's len() function, from built-in containers to NumPy arrays, DataFrames, and your own classes.

Washington’s Frost-Free Season Is Getting Longer — Faster in the Suburbs

Thời kỳ không sương giá tại sân bay Reagan National đã kéo dài 2.9 ngày mỗi thập kỷ kể từ những năm 1940, và tại Dulles lên tới 5.5 ngày. Nguyên nhân chính là do biến đổi khí hậu làm cho các đợt lạnh muộn và sớm xuất hiện sương giá trở nên hiếm hơn hơn. Hệ quả là các vùng ngoại ô đang ấm lên nhanh hơn các khu vực trung tâm, tạo ra sự khác biệt nhiệt độ đáng kể giữa đô thị và ngoại ô. Điều đáng học hỏi là dữ liệu từ NOAA cho thấy biến đổi khí hậu tác động không đồng đều ngay cả trong cùng một khu vực đô thị, với các vùng ngoại ô chịu ảnh hưởng nặng nề hơn.

Bài viết này giúp lập trình viên hiểu cách áp dụng phân tích dữ liệu khí hậu để phát hiện các xu hướng thời tiết quan trọng.

Exploring the the US Options Data API by EODHD APIs with Python

Bài viết giới thiệu về US Options Data API của EODHD APIs với Python, trình bày quy mô và hạn chế của API. API này cung cấp dữ liệu option Mỹ với tốc độ 100 request/giây và 100,000 request/ngày nhưng giới hạn ở 5 ngày dữ liệu lịch sử. Người dùng sẽ học cách tích hợp API này để truy cập dữ liệu option như price, volume, open interest và các chỉ số kỹ thuật khác. Bài viết hữu ích cho lập trình viên muốn sử dụng dữ liệu option Mỹ cho các chiến lược trading hoặc phân tích.

Bài viết hướng dẫn chi tiết cách sử dụng US Options Data API của EODHD APIs qua Python giúp lập trình viên nắm bắt được quy mô, giới hạn và cách ứng dụng API vào phát triển.

Crunching data? Put that laptop hardware to use

Khi xử lý dữ liệu lớn trên laptop, các công cụ như Polars, Parquet, DuckDB, Arrow và Ibis giúp tăng tốc độ và tiết kiệm bộ nhớ đáng kể. Các thư viện này tận dụng tối đa sức mạnh phần cứng nhờ cách triển khai thuật toán hiệu quả hơn với DataFrame columnar storage. Polars hoạt động nhanh hơn Pandas tới 5-10 lần nhờ query optimization và parallel execution. DuckDB cho phép truy vấn Parquet file trực tiếp mà không cần đọc toàn bộ dữ liệu vào RAM. Việc kết hợp Arrow columnar format với các công cụ này giúp giảm thiểu bản sao dữ liệu trong bộ nhớ, tiết kiệm tới 70% so với cách truyền thống.

Các công cụ như Polars, Parquet, DuckDB, Arrow và Ibis giúp phân tích dữ liệu lớn trên laptop nhanh hơn và tiết kiệm bộ nhớ hơn.

Using pandas and Python to Explore Your Dataset Quiz – Real Python

Bài viết hướng dẫn sử dụng pandas và Python để khám phá dataset, tập trung vào các thao tác thực tế như tải file CSV, lựa chọn hàng và cột, truy vấn và nhóm dữ liệu, xử lý giá trị thiếu và trực quan hóa hóa. Giải pháp sử dụng các hàm như read_csv(), .loc[], .query(), .groupby() và plot() giúp xử lý dữ liệu hiệu quả. Ví dụ thực tế cho thấy cách biến đổi dữ liệu thô thành thông tin có giá trị chỉ trong vài dòng code. Đây là tài liệu hữu ích cho bất kỳ lập trình viên nào muốn nhanh chóng nắm bắt kỹ thuật analysis data với pandas.

Bài viết này giúp bạn khám phá dataset với pandas thông qua các kỹ năng từ tải file CSV đến trực quan hóa dữ liệu.

Introduction to pandas Quiz – Real Python

Bài quiz này giúp bạn kiểm tra kiến thức cơ bản về pandas, bao gồm kỹ năng đọc dữ liệu từ web và lưu vào file CSV. Bạn sẽ thực hành thao tác với DataFrame, khám phá dữ liệu và tính toán giá trị trung bình thông qua các bài tập tương tác. Đặc biệt, bài quiz tập trung vào các hàm read_html, to_csv, describe() và mean() trong thư viện pandas. Đây là cơ hội tốt để củng cố những kiến thức thiết yếu khi làm việc với dữ liệu trong thực tế.

Bài quiz này giúp bạn kiểm tra và củng cố kiến thức cơ bản về pandas như đọc bảng từ web, lưu dữ liệu CSV, khám phá DataFrame và tính toán giá trị trung bình.