Task 3
Diep Mai Gia Dam
2025-05-19
Xem trước dữ liệu
Dưới đây là 6 dòng đầu tiên của bộ dữ liệu Supermarket Transactions, giúp ta có cái nhìn tổng quan về cấu trúc và các biến trong bộ dữ liệu.| X | PurchaseDate | CustomerID | Gender | MaritalStatus | Homeowner | Children | AnnualIncome | City | StateorProvince | Country | ProductFamily | ProductDepartment | ProductCategory | UnitsSold | Revenue |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2007-12-18 | 7223 | F | S | Y | 2 | $30K - $50K | Los Angeles | CA | USA | Food | Snack Foods | Snack Foods | 5 | 27.38 |
| 2 | 2007-12-20 | 7841 | M | M | Y | 5 | $70K - $90K | Los Angeles | CA | USA | Food | Produce | Vegetables | 5 | 14.90 |
| 3 | 2007-12-21 | 8374 | F | M | N | 2 | $50K - $70K | Bremerton | WA | USA | Food | Snack Foods | Snack Foods | 3 | 5.52 |
| 4 | 2007-12-21 | 9619 | M | M | Y | 3 | $30K - $50K | Portland | OR | USA | Food | Snacks | Candy | 4 | 4.44 |
| 5 | 2007-12-22 | 1900 | F | S | Y | 3 | $130K - $150K | Beverly Hills | CA | USA | Drink | Beverages | Carbonated Beverages | 4 | 14.00 |
| 6 | 2007-12-22 | 6696 | F | M | Y | 3 | $10K - $30K | Beverly Hills | CA | USA | Food | Deli | Side Dishes | 3 | 4.37 |
Bộ dữ liệu gồm nhiều biến khác nhau, trong đó có biến Gender dùng để phân tích tiếp theo.
Tạo bảng tần số cho dữ liệu GENDER
Bảng tần số dưới đây thể hiện số lượng quan sát ở mỗi nhóm giới tính trong bộ dữ liệu. Đây là bước đầu để hiểu phân phối giới tính của người mua hàng.
| Giới tính | Tần số |
|---|---|
| F | 7170 |
| M | 6889 |
Ta có thể thấy số lượng người mua hàng theo từng giới tính khác nhau,tuy không chênh lệch nhiều nhưng giúp nhận diện đặc điểm khách hàng chính.
Tạo bảng tần suất cho dữ liệu GENDER
| Giới tính | Tỷ lệ (%) |
|---|---|
| F | 51 |
| M | 49 |
Vẽ biểu đồ tròn cho dữ liệu
Biểu đồ tròn giúp trực quan hóa tỷ lệ mỗi nhóm giới tính trong bộ dữ
liệu. Đồng thời dễ dàng thể hiện sự phân bổ theo tỷ lệ theo từng giới
tính, giúp người xem nhanh nắm bắt thông tin.
Vẽ biểu đồ cột cho dữ liệu
Biểu đồ cột cho thấy số lượng quan sát từng nhóm giới tính, thuận
tiện so sánh trực quan. Thêm vào đó sẽ dễ dàng so sánh hơn số lượng giữa
các nhóm giới tính và công cụ phổ biến trong báo cáo dữ liệu.
Kết luận
Vậy bộ dữ liệu này có 51% là “F”, và 49% là “M”. Có thể thấy lúc này sự phân bổ giới tính trong dữ liệu khá cân bằng, cung cấp thông tin quan trọng cho các phân tích sâu hơn về hành vi của khách hàng.