Xây Dựng Web App Phân Tích Dữ Liệu Trong 10 Phút Với Streamlit & Python: Hướng Dẫn Chi Tiết

pip install streamlit pandas numpy matplotlib

streamlit hello

import streamlit as st
import pandas as pd
import numpy as np

# Cấu hình giao diện và tiêu đề trang web
st.set_page_config(
    page_title="Dashboard Phân Tích Doanh Thu",
    layout="wide"
)

@st.cache_data
def generate_sales_data():
    """Hàm tạo dữ liệu doanh thu giả lập để phân tích"""
    np.random.seed(42)
    date_range = pd.date_range(start="2026-01-01", periods=100)
    
    data_frame = pd.DataFrame({
        "transaction_date": date_range,
        "sales_amount": np.random.randint(100, 1000, size=100),
        "region_code": np.random.choice(["Miền Bắc", "Miền Trung", "Miền Nam"], size=100)
    })
    return data_frame

def main():
    st.title("📊 Dashboard Phân Tích Dữ Liệu Doanh Thu")
    st.write("Ứng dụng hỗ trợ theo dõi chỉ số KPI và biểu đồ tăng trưởng doanh thu theo khu vực.")

    # Tải dữ liệu vào ứng dụng
    raw_data = generate_sales_data()

    # Bảng điều khiển bộ lọc ở thanh bên (Sidebar)
    st.sidebar.header("⚙️ Bộ Lọc Dữ Liệu")
    selected_region = st.sidebar.selectbox(
        "Chọn khu vực kinh doanh:",
        ["Tất cả"] + list(raw_data["region_code"].unique())
    )

    # Lọc dữ liệu dựa trên lựa chọn người dùng
    if selected_region != "Tất cả":
        filtered_data = raw_data[raw_data["region_code"] == selected_region]
    else:
        filtered_data = raw_data.copy()

    # Tính toán các chỉ số kinh doanh chính (KPIs)
    total_sales = filtered_data["sales_amount"].sum()
    avg_sales = filtered_data["sales_amount"].mean()
    total_orders = len(filtered_data)

    # Hiển thị KPI dạng cột
    column_left, column_middle, column_right = st.columns(3)
    column_left.metric(label="Tổng Doanh Thu", value=f"{total_sales:,} USD")
    column_middle.metric(label="Doanh Thu Trung Bình", value=f"{avg_sales:.2f} USD")
    column_right.metric(label="Tổng Số Đơn Hàng", value=f"{total_orders} Đơn")

    st.divider()

    # Trực quan hóa dữ liệu bằng biểu đồ
    st.subheader("📈 Xu Hướng Doanh Thu Theo Thời Gian")
    chart_data = filtered_data.set_index("transaction_date")["sales_amount"]
    st.line_chart(chart_data)

    # Tùy chọn hiển thị dữ liệu bảng chi tiết
    if st.checkbox("Hiển thị dữ liệu chi tiết (Raw Data)"):
        st.subheader("📋 Bảng Dữ Liệu Chi Tiết")
        st.dataframe(filtered_data, use_container_width=True)

if __name__ == "__main__":
    main()

streamlit run app.py

import streamlit as st
import pandas as pd
import numpy as np

# Cấu hình giao diện trang web
st.set_page_config(page_title="Bài Tập 1 - Dashboard Nâng Cao", layout="wide")

@st.cache_data
def generate_sales_data():
    """Hàm tạo dữ liệu doanh thu giả lập"""
    np.random.seed(42)
    date_range = pd.date_range(start="2026-01-01", periods=100)
    
    data_frame = pd.DataFrame({
        "transaction_date": date_range,
        "sales_amount": np.random.randint(100, 1000, size=100),
        "region_code": np.random.choice(["Miền Bắc", "Miền Trung", "Miền Nam"], size=100)
    })
    return data_frame

def main():
    st.title("📊 Bài Tập 1: Lọc Khoảng Giá & Biểu Đồ Cột Khu Vực")
    
    raw_data = generate_sales_data()

    # Thanh bên (Sidebar) chứa các bộ lọc nâng cao
    st.sidebar.header("⚙️ Bộ Lọc Tùy Chỉnh")
    
    # 1. Bộ lọc khu vực
    selected_region = st.sidebar.selectbox(
        "Chọn khu vực kinh doanh:",
        ["Tất cả"] + list(raw_data["region_code"].unique())
    )

    # 2. Bộ lọc khoảng giá (Slider)
    min_price = int(raw_data["sales_amount"].min())
    max_price = int(raw_data["sales_amount"].max())
    
    price_range = st.sidebar.slider(
        "Chọn khoảng doanh thu đơn hàng:",
        min_value=min_price,
        max_value=max_price,
        value=(min_price, max_price)
    )

    # Xử lý lọc dữ liệu theo khu vực và khoảng giá
    filtered_data = raw_data.copy()
    if selected_region != "Tất cả":
        filtered_data = filtered_data[filtered_data["region_code"] == selected_region]
        
    filtered_data = filtered_data[
        (filtered_data["sales_amount"] >= price_range[0]) & 
        (filtered_data["sales_amount"] <= price_range[1])
    ]

    # Hiển thị số liệu tổng quan
    total_revenue = filtered_data["sales_amount"].sum()
    st.metric(label="Tổng Doanh Thu Theo Bộ Lọc", value=f"{total_revenue:,} USD")

    st.divider()

    # Trực quan hóa: Biểu đồ cột tổng doanh thu theo khu vực
    st.subheader("📊 Tổng Doanh Thu Theo Từng Khu Vực")
    if not filtered_data.empty:
        revenue_by_region = filtered_data.groupby("region_code")["sales_amount"].sum()
        st.bar_chart(revenue_by_region)
    else:
        st.warning("Không có dữ liệu phù hợp với bộ lọc hiện tại.")

if __name__ == "__main__":
    main()

import streamlit as st
import pandas as pd

# Cấu hình giao diện ứng dụng
st.set_page_config(page_title="Bài Tập 2 - Ứng Dụng Upload CSV", layout="wide")

def main():
    st.title("📁 Bài Tập 2: Phân Tích Dữ Liệu Từ Tệp CSV Tùy Chỉnh")
    st.write("Tải lên tệp CSV của bạn để hệ thống tự động phân tích và hiển thị trực quan.")

    # Thành phần cho phép người dùng tải tệp lên
    uploaded_file = st.file_uploader("Chọn tệp CSV dữ liệu:", type=["csv"])

    if uploaded_file is not None:
        # Đọc tệp CSV bằng thư viện Pandas
        data_frame = pd.read_csv(uploaded_file)
        
        st.success("Tải tệp lên thành công!")
        
        # Hiển thị thông tin cơ bản về DataFrame
        st.subheader("🔍 Xem Trước Dữ Liệu (5 Dòng Đầu)")
        st.dataframe(data_frame.head(), use_container_width=True)

        # Thống kê nhanh dữ liệu dạng số
        st.subheader("📈 Thống Kê Tổng Quan")
        st.write(data_frame.describe())

        # Tính năng tải xuống dữ liệu đã xử lý
        st.subheader("📥 Tải Xuống Dữ Liệu")
        csv_data = data_frame.to_csv(index=False).encode('utf-8')
        
        st.download_button(
            label="Tải tệp CSV gốc",
            data=csv_data,
            file_name="processed_data.csv",
            mime="text/csv"
        )
    else:
        st.info("Vui lòng tải lên một tệp CSV để bắt đầu phân tích.")

if __name__ == "__main__":
    main()