Từ Excel sang Python: Chuyển đổi tư duy cho người làm tài chính

Giới thiệu

Tuy nhiên, rào cản lớn nhất khi chuyển đổi từ Excel sang Python mà không phải ai cũng nhận ra chính là chuyển đổi cách nghĩ: từ “địa chỉ vật lý” trong Excel sang “dữ liệu trừu tượng” trong Python. Mình cũng từng gặp phải: ban đầu cảm thấy thiếu trực quan, khó theo dõi các bước trung gian. Rồi dần mình tìm ra cách thích ứng với lối tư duy trực quan và thẳng thắn của Python—với Jupyter Notebook như một trợ thủ tuyệt vời—giúp mọi thứ trở nên đơn giản và tập trung vào kết quả cuối cùng.

Hai triết lý xử lý dữ liệu khác nhau

Excel: “Mọi dữ liệu đều cần ‘địa chỉ’ vật lý”

• Giá trị trung gian phải nằm trong ô, cột, sheet cụ thể.

• Quy trình phức tạp thường phân tán trên nhiều worksheet, dễ nhầm địa chỉ khi thao tác.

• Dễ lỗi khi thao tác sửa, xóa hàm khi mà dữ liệu gốc và phép toán logic được làm việc chung trong 1 giao diện.

Python: “Dữ liệu tồn tại dưới dạng trừu tượng trong bộ nhớ”

• Biến (variable) và DataFrame là “sheet ảo” lưu trữ mọi kết quả trung gian.

• Cho phép xử lý tập trung, không cần lưu kết quả ở ô nào, sheet nào.

Minh họa: Chuyển đổi bộ lọc cổ phiếu từ Excel sang Python

Giả sử bạn có danh sách 1.000 cổ phiếu và muốn áp dụng cùng lúc ba tiêu chí:

• P/E < 10

• ROE > 20%

• Tăng trưởng doanh thu 3 năm > 20%

Với Excel, bạn phải chuẩn bị file dữ liệu và hầu hết là quy trình thủ công, thường phải tạo nhiều sheet trung gian, sao chép–dán dữ liệu, dễ sót bước hoặc tham chiếu nhầm vùng.

Với Python, chỉ cần một đoạn code ngắn gọn để nạp dữ liệu trực tiếp từ API:

from vnstock import Vnstock
# Nạp dữ liệu bộ lọc cổ phiếu từ Vnstock, biến screener_df trả về là 1 Pandas DataFrame
stock = Vnstock().stock(symbol='ACB', source='TCBS')
screener_df = stock.screener.stock(params={"exchangeName": "HOSE,HNX,UPCOM"}, limit=1700)

# Thực hiện phép lọc
filtered = screener_df \
    .query('pe < 10') \
    .query('roe > 0.2') \
    .query('revenue_growth_5y > 0.2') \
    .reset_index()
filtered.head()

Toàn bộ quá trình “lọc” diễn ra ngay trong bộ nhớ, không phải lo nghĩ đến ô A1, B2 hay sheet2!

Thao tác theo chuỗi trong Python (Method Chaining)

Một ưu điểm nổi bật khác của Python và thư viện pandas là khả năng kết hợp các thao tác theo chuỗi. Thay vì phải xuất dữ liệu ra vùng đệm ở mỗi bước như Excel để tiện quan sát và sửa lỗi, bạn có thể:

1. Chuỗi các phép biến đổi ngay trên đối tượng DataFrame (Trong python mọi phần tử xuất hiện đều được gọi là 1 đối tượng để tham chiếu đến tên đối tượng giúp thực hiện thao tác kèm theo)

2. Duy trì luồng xử lý liên tục: kết quả trung gian không phải ghi ra sheet mà được chuyển trực tiếp sang bước kế tiếp

3. Giữ code gọn gàng, dễ đọc và dễ gỡ lỗi: mỗi bước có thể tách ô lệnh riêng trong Jupyter để kiểm tra.

Trong Excel, để có cùng tính năng, bạn buộc phải:

• Tạo “vùng đệm” (buffer) trên sheet để lưu kết quả từng bước

• Linh hoạt tham chiếu vùng đó khi cần quay lại gỡ lỗi

Thao tác chuỗi trong Python giúp dữ liệu trung gian luân chuyển mượt mà, giảm thiểu file phụ và sheet rối rắm, đồng thời vẫn giữ tính trực quan khi bạn chạy từng ô lệnh trong notebook.

Minh họa tính trung bình động

Tính trung bình động 20 ngày cho giá cổ phiếu:

• Excel: Tạo cột mới, viết công thức AVERAGE cho 20 ô đầu, rồi kéo công thức xuống—dễ sai khi thiếu-đủ ô tham chiếu.

• Python:

  df['MA_20'] = df['Price'].rolling(window=20).mean()

Mọi thứ đều tự động trong DataFrame, bạn chỉ cần tập trung vào kết quả.

Tính trực quan và tiện lợi của Jupyter Notebook

Python không chỉ mạnh về code; khi kết hợp với Jupyter (hoặc Google Colab), bạn có thể:

1. Chạy từng ô lệnh và xem kết quả ngay tức thì.

2. Hiển thị bảng, biểu đồ, hình ảnh minh họa mà không cần lưu file trung gian.

3. Ghi chú, markdown trong notebook giúp bạn vừa code vừa giải thích luồng xử lý—vừa trực quan, vừa khoa học.

Nhờ vậy, bạn không phải bận tâm về địa chỉ ô cột hay viết cả chuỗi lệnh VBA tham chiếu dòng/cột—vì chỉ cần chạy ô lệnh tiếp theo, mọi dữ liệu tính toán trung gian đã sẵn sàng để kiểm tra.

Chọn công cụ phù hợp

Không phải Excel hay Python tốt hơn; mà là chọn đúng công cụ cho từng ngữ cảnh.

• Excel như cuốn sổ phác thảo (sketchpad): tiện để bạn lên ý tưởng, nhập thử logic, kiểm tra hoặc đối chiếu kết quả với đồng nghiệp chỉ quen nhìn ô tính.

• Python như dây chuyền tự động hiện đại (production line): khi cần xử lý khối lượng dữ liệu lớn, tái lập quy trình nhiều lần, và khát khao hiệu suất cao mà Excel khó đáp ứng.

Hãy linh hoạt: dùng Excel để tạo bản thảo nhanh, minh họa bước ban đầu; rồi khi quy trình đã chặt chẽ, chuyển đổi quy trình từ Excel sang Python để tự động hóa, mở rộng và hạn chế lỗi thủ công.

Hướng chuyển đổi tư duy

1. Nhận diện tương đương từ Excel sang Python

   • DataFrame ≈ sheet/range trong Excel.

   • Biến là vùng lưu trữ tạm thời, linh hoạt hơn ô tính.

2. Sử dụng Jupyter/Colab

   • Chạy từng bước xử lý trong các ô lệnh riêng biệt.

   • Vừa giữ trực quan, vừa tập làm quen với code.

3. Tập trung vào ý nghĩa dữ liệu

   • Đặt tên biến rõ ràng (ví dụ: filtered_stocks).

   • Thay vì lo “ô A1 thay đổi thì hỏng cả sheet”, hãy nghĩ đến chuỗi logic của dữ liệu.

4. Làm chủ pandas trước khi mở rộng

   • Hãy dành thời gian tìm hiểu và thành thạo pandas để xử lý mọi dữ liệu bảng tính và các nguồn dữ liệu đa dạng, ngay trong cấu trúc DataFrame quen thuộc như Excel.

   • Tránh sa đà vào quá nhiều thư viện mới hoặc numpy khi logic xử lý còn khó nắm; pandas đủ mạnh để bạn tự động hóa và mở rộng quy mô dữ liệu mà vẫn trực quan, dễ tiếp cận với người mới.

5. Kinh nghiệm cá nhân

   • Ban đầu, hãy thử chuyển một quy trình nhỏ từ Excel sang Python.

   • Ghi chú từng bước xử lý bằng markdown trong notebook.

   • Dần dần bạn sẽ cảm nhận được sự linh hoạt, trực quan và khả năng mở rộng vượt trội.

Bắt đầu ngay hôm nay

Hãy bắt đầu ngay hôm nay với một bộ dữ liệu nhỏ và một notebook trên Jupyter hoặc Colab. Viết vài dòng code, quan sát kết quả từng ô lệnh, và cảm nhận sự chuyển mình trong cách bạn xử lý dữ liệu. Python không chỉ là công cụ — nó là bước tiến tư duy giúp bạn chinh phục mọi bài toán tài chính phức tạp một cách trực quan và hiệu quả hơn bao giờ hết!

Nếu bạn đang gặp những thách thức trên hành trình chuyển mình từ “chuyên gia Excel” sang thành thạo Python để nâng tầm bản thân và tối ưu hiệu quả công việc, hãy đăng ký khóa học Python chứng khoán tại Vnstock và cùng chúng tôi chinh phục đỉnh cao mới!