Datasets:

NgTMDuc

/

TestSampleData

like 0

two_col_3468

h_bar

<title> Doanh thu trọn đời của các bộ phim (triệu đô la Mỹ) </title> <x_label>Tên phim </x_label> <y_label> Doanh thu trọn đời (triệu đô la Mỹ) </y_label> <table> Phim <col> Doanh thu trọn đời (triệu đô la Mỹ) <row> Star Wars: Thần lực thức tỉnh <col> 936,66 <row> Avengers: Endgame <col> 842,76 <row> Avatar <col> 760,51 <row> Black Panther <col> 700,06 <row> Avengers: Cuộc chiến vô cực <col> 678,82 <row> Jurassic World <col> 652,27 <row> Marvel's The Avengers <col> 623,36 <row> Star Wars: Jedi cuối cùng <col> 620,18 <row> Gia đình siêu nhân 2 <col> 608,59 <row> Rogue One: Star Wars ngoại truyện <col> 532,18 <row> Người đẹp và quái vật (2017) <col> 504,01 <row> Đi tìm Dory <col> 486,3 <row> Avengers: Đế chế Ultron <col> 459,01 <row> Captain Marvel <col> 426,82 <row> Jurassic World: Vương quốc sụp đổ <col> 416,77 <row> Toy Story 3 <col> 415 <row> Wonder Woman <col> 412,56 <row> Iron Man 3 <col> 409,01 <row> Captain America: Nội chiến siêu anh hùng <col> 408,08 <row> Jumanji: Trò chơi kỳ thú <col> 404,52 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('doanh_thu_phim.csv') # Chuẩn bị dữ liệu df['Doanh thu trọn đời (triệu đô la Mỹ)'] = df['Doanh thu trọn đời (triệu đô la Mỹ)'].astype(float) # Tạo biểu đồ df.plot(x='Phim', y='Doanh thu trọn đời (triệu đô la Mỹ)', kind='barh', figsize=(15, 10)) plt.title('Doanh thu trọn đời của các bộ phim (triệu đô la Mỹ)') plt.xlabel('Tên phim') plt.ylabel('Doanh thu trọn đời (triệu đô la Mỹ)') # Hiển thị biểu đồ plt.show() </Python>

multi_col_60009

v_bar

<title> Người theo dõi trên Facebook và Twitter </title> <x_label> Thời gian </x_label> <y_label> Số lượng người theo dõi (triệu) </y_label> <table> Tháng <col> Người theo dõi trên Facebook (triệu) <col> Người theo dõi trên Twitter (triệu) <row> Tháng 2 năm 2021 <col> 2,25 <col> 3,0 <row> Tháng 8 năm 2020 <col> 2,28 <col> 3,0 <row> Tháng 2 năm 2020 <col> 2,31 <col> 3,05 <row> Tháng 8 năm 2019 <col> 2,39 <col> 2,95 <row> Tháng 2 năm 2019 <col> 2,39 <col> 2,95 <row> Tháng 8 năm 2018 <col> 2,39 <col> 2,95 <row> Tháng 2 năm 2018 <col> 2,39 <col> 2,93 <row> Tháng 8 năm 2017 <col> 2,39 <col> 2,29 <row> Tháng 2 năm 2017 <col> 2,39 <col> 1,99 <row> Tháng 8 năm 2016 <col> 2,36 <col> 1,73 <row> Tháng 2 năm 2016 <col> 2,26 <col> 1,35 <row> Tháng 8 năm 2015 <col> 1,63 <col> 0,5 <row> Tháng 2 năm 2015 <col> 1,61 <col> 0,42 <row> Tháng 8 năm 2014 <col> 1,33 <col> 0,29 <row> Tháng 2 năm 2014 <col> 0,9 <col> 0,25 <row> Tháng 8 năm 2013 <col> 0,58 <col> 0,17 <row> Tháng 2 năm 2013 <col> 0,56 <col> 0,14 <row> Tháng 8 năm 2012 <col> 0,5 <col> 0,11 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng df = pd.read_csv('data.csv') # Thiết lập nhãn cho trục x và trục y plt.xlabel('Thời gian') plt.ylabel('Số lượng người theo dõi (triệu)') # Vẽ biểu đồ plt.bar(df['Tháng'], df['Người theo dõi trên Facebook (triệu)'], label='Facebook') plt.bar(df['Tháng'], df['Người theo dõi trên Twitter (triệu)'], bottom=df['Người theo dõi trên Facebook (triệu)'], label='Twitter') # Hiển thị chú giải plt.legend() # Hiển thị biểu đồ plt.show() </Python>

52800510008771

h_bar

<title>Sự thay đổi hàng năm tuyệt đối trong tiêu thụ năng lượng sơ cấp, 2002</title> <x_label>Quốc gia</x_label> <y_label>Terawatt giờ (TWh)</y_label> <table> Quốc gia <col> Sự thay đổi hàng năm tuyệt đối trong tiêu thụ năng lượng sơ cấp, 2002 (TWh) <row> Pakistan <col> 18,56 <row> Tanzania <col> 2,11 <row> Bhutan <col> 0,81 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Quốc gia'] = df['Country'] df['Sự thay đổi hàng năm tuyệt đối trong tiêu thụ năng lượng sơ cấp, 2002 (TWh)'] = df['Absolute annual change in primary energy consumption, 2002'] # Vẽ biểu đồ df.plot(x='Quốc gia', y='Sự thay đổi hàng năm tuyệt đối trong tiêu thụ năng lượng sơ cấp, 2002 (TWh)', kind='bar') plt.xlabel("Quốc gia") plt.ylabel("Terawatt giờ (TWh)") plt.title("Sự thay đổi hàng năm tuyệt đối trong tiêu thụ năng lượng sơ cấp, 2002") plt.show() </Python>

multi_col_693

v_bar

<title>Phân bổ chi tiêu của các hộ gia đình theo phần trăm</title> <x_label>5 phần trăm gia đình có mức chi tiêu thấp nhất đến cao nhất</x_label> <y_label>Tỷ lệ phần trăm</y_label> <table>Đặc điểm chi tiêu <col> Nhà ở <col> Giao thông <col> Thực phẩm <col> Bảo hiểm và lương hưu cá nhân <col> Chăm sóc sức khỏe <col> Giải trí <col> Đóng góp tiền mặt <col> Quần áo và dịch vụ <row> Tổng <col> 32,8% <col> 17% <col> 13% <col> 11,4% <col> 8,2% <col> 4,9% <col> 3,2% <col> 3% <row> 20 phần trăm thấp nhất <col> 40,2% <col> 16% <col> 15,3% <col> 2,2% <col> 10% <col> 3,9% <col> 2,3% <col> 2,9% <row> 20 phần trăm thứ hai <col> 36,6% <col> 17,7% <col> 14,5% <col> 5% <col> 9,8% <col> 4,6% <col> 2,9% <col> 3,1% <row> 20 phần trăm thứ ba <col> 34,1% <col> 18,6% <col> 14,1% <col> 8,7% <col> 8,8% <col> 4,3% <col> 2,5% <col> 2,9% <row> 20 phần trăm thứ tư <col> 31,8% <col> 18,1% <col> 12,8% <col> 12,1% <col> 8,5% <col> 4,8% <col> 3,1% <col> 3,2% <row> 20 phần trăm cao nhất <col> 29,9% <col> 15,8% <col> 11,5% <col> 16,3% <col> 6,9% <col> 5,6% <col> 3,8% <col> 2,9%</table> <Python>import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Total', 'Lowest 20 percent', 'Second 20 percent', 'Third 20 percent', 'Fourth 20 percent', 'Highest 20 percent'] y = [32.8, 40.2, 36.6, 34.1, 31.8, 29.9] # Create the figure and axes fig, ax = plt.subplots() # Create the bar chart ax.bar(x, y) # Set the title and labels ax.set_title('Phân bổ chi tiêu của các hộ gia đình theo phần trăm') ax.set_xlabel('5 phần trăm gia đình có mức chi tiêu thấp nhất đến cao nhất') ax.set_ylabel('Tỷ lệ phần trăm') # Show the plot plt.show()</Python>

two_col_61428

h_bar

<title>Giá trị thị trường của các cầu thủ bóng đá Bồ Đào Nha (triệu euro)</title> <x_label>Giá trị thị trường (triệu euro)</x_label> <y_label>Cầu thủ</y_label> <table>Cầu thủ <col> Giá trị thị trường (triệu euro) <row> Cristiano Ronaldo <col> 100 <row> Bernardo Silva <col> 50 <row> Gonçalo Guedes <col> 40 <row> Gelson Martins <col> 35 <row> Bruno Fernandes <col> 30 <row> William Carvalho <col> 25 <row> João Mário <col> 25 <row> André Silva <col> 22 <row> Rúben Dias <col> 22 <row> Adrien Silva <col> 20 <row> Anthony Lopes <col> 20 <row> Ricardo Pereira <col> 20 <row> Raphaël Guerreiro <col> 18 <row> Rui Patrício <col> 16 <row> Cédric Soares <col> 15 <row> Mário Rui <col> 14 <row> João Moutinho <col> 10 <row> Manuel Fernandes <col> 5,4</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Cầu thủ', y='Giá trị thị trường (triệu euro)', figsize=(15, 10)) # Thêm nhãn cho các trục plt.xlabel('Giá trị thị trường (triệu euro)') plt.ylabel('Cầu thủ') # Hiển thị biểu đồ plt.show() </Python>

multi_col_100807

v_bar

<title> Tỷ lệ hộ gia đình có trẻ em dưới 18 tuổi theo trình độ học vấn của người đứng đầu hộ gia đình </title> <x_label> Trình độ học vấn của người đứng đầu hộ gia đình </x_label> <y_label> Tỷ lệ hộ gia đình </y_label> <table> Người đứng đầu hộ gia đình <col> Dưới trình độ phổ thông <col> Bằng phổ thông <col> Một số trình độ cao đẳng, không có bằng cấp <col> Bằng cao đẳng <col> Bằng cử nhân hoặc cao hơn <row> Người đứng đầu hộ là nữ, có con dưới 18 tuổi <col> 47% <col> 35% <col> 29% <col> 20% <col> 11% <row> Vợ chồng kết hôn, có con dưới 18 tuổi <col> 20% <col> 9% <col> 4% <col> 4% <col> 2% <row> Tất cả các hộ gia đình <col> 26% <col> 13% <col> 9% <col> 7% <col> 4%</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data less_than_high_school = [47, 20, 26] high_school_diploma = [35, 9, 13] some_college = [29, 4, 9] associate_degree = [20, 4, 7] bachelors_degree_or_higher = [11, 2, 4] # Create the labels labels = ['Female householders with related children under 18', 'Married couples with related children under 18', 'All households'] # Create the plot fig, ax = plt.subplots() ax.bar(labels, less_than_high_school, color='blue') ax.bar(labels, high_school_diploma, bottom=less_than_high_school, color='black') ax.bar(labels, some_college, bottom=[sum(x) for x in zip(less_than_high_school, high_school_diploma)], color='green') ax.bar(labels, associate_degree, bottom=[sum(x) for x in zip(less_than_high_school, high_school_diploma, some_college)], color='red') ax.bar(labels, bachelors_degree_or_higher, bottom=[sum(x) for x in zip(less_than_high_school, high_school_diploma, some_college, associate_degree)], color='orange') # Set the title and labels ax.set_title('Tỷ lệ hộ gia đình có trẻ em dưới 18 tuổi theo trình độ học vấn của người đứng đầu hộ gia đình') ax.set_xlabel('Trình độ học vấn của người đứng đầu hộ gia đình') ax.set_ylabel('Tỷ lệ hộ gia đình') # Show the plot plt.show() </Python>

two_col_5070

v_bar

<title>Số lượng người dùng hoạt động kiếm tiền được tính bằng triệu</title> <x_label>Quý</x_label> <y_label>Số lượng người dùng (triệu)</y_label> <table>Quý <col> Số lượng người dùng (triệu) <row> Q1 '21 <col> 199 <row> Q4 '20 <col> 192 <row> Q3 '20 <col> 187 <row> Q2 '20 <col> 186 <row> Q1 '20 <col> 166 <row> Q4 '19 <col> 152 <row> Q3 '19 <col> 145 <row> Q2 '19 <col> 139 <row> Q1 '19 <col> 134 <row> Q4 '18 <col> 126 <row> Q3 '18 <col> 124 <row> Q2 '18 <col> 122 <row> Q1 '18 <col> 120 <row> Q4 '17 <col> 115 <row> Q3 '17 <col> 114 <row> Q2 '17 <col> 110 <row> Q1 '17 <col> 109</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data quarters = np.array(['Q1 \'17', 'Q2 \'17', 'Q3 \'17', 'Q4 \'17', 'Q1 \'18', 'Q2 \'18', 'Q3 \'18', 'Q4 \'18', 'Q1 \'19', 'Q2 \'19', 'Q3 \'19', 'Q4 \'19', 'Q1 \'20', 'Q2 \'20', 'Q3 \'20', 'Q4 \'20', 'Q1 \'21']) users = np.array([109, 114, 115, 120, 122, 124, 126, 134, 139, 145, 152, 166, 186, 187, 192, 199]) # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.plot(quarters, users) # Set the x-axis label ax.set_xlabel('Quý') # Set the y-axis label ax.set_ylabel('Số lượng người dùng (triệu)') # Set the title ax.set_title('Số lượng người dùng hoạt động kiếm tiền được tính bằng triệu') # Show the plot plt.show() </Python>

two_col_82589

h_bar

<title> Giá trị xuất khẩu thủy sản Canada năm 2021 (triệu đô la Canada) </title> <x_label> Loại thủy sản </x_label> <y_label> Giá trị (triệu đô la Canada) </y_label> <table> Loại thủy sản <col> Giá trị (triệu đô la Canada) <row> Cua đông lạnh <col> 925,73 <row> Tôm hùm đông lạnh <col> 867,73 <row> Tôm hùm tươi <col> 839,35 <row> Cá hồi đông lạnh <col> 838,94 <row> Tôm hùm chế biến <col> 441,02 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng data = pd.read_csv('data.csv') # Chuẩn bị dữ liệu x = data['Loại thủy sản'] y = data['Giá trị (triệu đô la Canada)'] # Tạo biểu đồ plt.barh(x, y) plt.xlabel('Loại thủy sản') plt.ylabel('Giá trị (triệu đô la Canada)') plt.title('Giá trị xuất khẩu thủy sản Canada năm 2021 (triệu đô la Canada)') plt.show() </Python>

two_col_61032

v_bar

<title>Lợi nhuận ròng qua các năm</title> <x_label>Năm</x_label> <y_label>Lợi nhuận ròng (triệu euro)</y_label> <table> Năm <col> Lợi nhuận ròng (triệu euro) <row> 2020 <col> 576 <row> 2019 <col> 841 <row> 2018 <col> 919 <row> 2017 <col> 862 <row> 2016 <col> -527 <row> 2015 <col> 901 <row> 2014 <col> 720 <row> 2013 <col> 792 <row> 2012 <col> 732 <row> 2011 <col> 600 <row> 2010 <col> 526 <row> 2009 <col> 403 <row> 2008 <col> 447 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('bang_tieng_viet.csv', sep=',') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Lợi nhuận ròng (triệu euro)'] = df['Lợi nhuận ròng (triệu euro)'].astype(int) # Vẽ biểu đồ plt.bar(df['Năm'], df['Lợi nhuận ròng (triệu euro)']) plt.xlabel('Năm') plt.ylabel('Lợi nhuận ròng (triệu euro)') plt.title('Lợi nhuận ròng qua các năm') plt.show() </Python>

two_col_101280

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Tổng phí bảo hiểm gộp (tỷ euro) </y_label> <table> Năm <col> Tổng phí bảo hiểm gộp (tỷ euro) <row> 2010 <col> 318,96 <row> 2011 <col> 324,82 <row> 2012 <col> 332,08 <row> 2013 <col> 331,84 <row> 2014 <col> 329,33 <row> 2015 <col> 349,33 <row> 2016 <col> 382,83 <row> 2017 <col> 383,97 <row> 2018 <col> 398,81 <row> 2019 <col> 409,25 </table> <Python> kết quả code </Python>

two_col_22401

v_bar

<title> Lợi nhuận trên doanh số </title> <x_label> Năm </x_label> <y_label> Tỷ suất lợi nhuận (%) </y_label> <table> Năm <col> Tỷ suất lợi nhuận (%) <row> 2006 <col> 7.4 <row> 2007 <col> 7.8 <row> 2008 <col> 5.9 <row> 2009 <col> 4.6 <row> 2010 <col> 5.9 <row> 2011 <col> 6.7 <row> 2012 <col> 6.4 <row> 2013 <col> 7.9 <row> 2014 <col> 8.5 <row> 2015 <col> 9.2 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data year = [2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015] return_on_sales = [7.4, 7.8, 5.9, 4.6, 5.9, 6.7, 6.4, 7.9, 8.5, 9.2] # Create the bar chart plt.bar(year, return_on_sales) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Tỷ suất lợi nhuận (%)") # Set the title plt.title("Lợi nhuận trên doanh số") # Show the plot plt.show() </Python>

two_col_1732

v_bar

<title> Không có </title> <x_label> Chi phí (đô la Mỹ) </x_label> <y_label> Không có </y_label> <table> Đặc điểm <col> Chi phí (đô la Mỹ) <row> Sinh thường không biến chứng <col> 32.093 <row> Mổ lấy thai tiêu chuẩn <col> 51.125</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data characteristics = ['Sinh thường không biến chứng', 'Mổ lấy thai tiêu chuẩn'] costs = [32093, 51125] # Create the bar chart plt.bar(characteristics, costs, color ='blue', width = 0.4) # Set the title and labels plt.title('Chi phí sinh nở tại Hoa Kỳ') plt.xlabel('Đặc điểm') plt.ylabel('Chi phí (đô la Mỹ)') # Show the plot plt.show() </Python>

two_col_63408

v_bar

<title> Không có </title> <x_label> Quý </x_label> <y_label> Tài sản của Eurozone (tỷ euro) </y_label> <table> Quý <col> Tài sản của Eurozone (tỷ euro) <row> Q2 '20 <col> 8.721 <row> Q1 '20 <col> 8.442 <row> Q4 '19 <col> 8.697 <row> Q3 '19 <col> 8.772 <row> Q2 '19 <col> 8.490 <row> Q1 '19 <col> 8.265 <row> Q4 '18 <col> 7.876 <row> Q3 '18 <col> 7.976 <row> Q2 '18 <col> 7.968 <row> Q1 '18 <col> 7.949 <row> Q4 '17 <col> 7.896 <row> Q3 '17 <col> 7.848 <row> Q2 '17 <col> 7.804 <row> Q1 '17 <col> 7.792 <row> Q4 '16 <col> 7.747 <row> Q3 '16 <col> 7.879 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Q2 \'20', 'Q1 \'20', 'Q4 \'19', 'Q3 \'19', 'Q2 \'19', 'Q1 \'19', 'Q4 \'18', 'Q3 \'18', 'Q2 \'18', 'Q1 \'18', 'Q4 \'17', 'Q3 \'17', 'Q2 \'17', 'Q1 \'17', 'Q4 \'16', 'Q3 \'16'] y = [8721, 8442, 8697, 8772, 8490, 8265, 7876, 7976, 7968, 7949, 7896, 7848, 7804, 7792, 7747, 7879] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Quý") # Set the y-axis label plt.ylabel("Tài sản của Eurozone (tỷ euro)") # Set the title plt.title("Không có") # Show the plot plt.show() </Python>

two_col_43484

v_bar

<title>Số vụ tấn công khủng bố</title> <x_label>Khu vực</x_label> <y_label>Số vụ tấn công</y_label> <table> Khu vực <col> Số vụ tấn công <row> Cận Đông và Nam Á <col> 7721 <row> Châu Phi <col> 978 <row> Châu Âu và Á-Âu <col> 561 <row> Đông Á và Thái Bình Dương <col> 543 <row> Tây bán cầu <col> 480</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng df = pd.read_csv('data.csv') # Trích xuất các giá trị x và y x = df['Khu vực'] y = df['Số vụ tấn công'] # Tạo biểu đồ plt.bar(x, y) # Đặt nhãn cho các trục plt.xlabel('Khu vực') plt.ylabel('Số vụ tấn công') # Hiển thị biểu đồ plt.show() </Python>

two_col_80940

v_bar

<title> Nhập khẩu (tỷ đô la Mỹ) </title> <x_label> Năm </x_label> <y_label> Tỷ đô la Mỹ </y_label> <table> Năm <col> Nhập khẩu (tỷ đô la Mỹ) <row> 2019 <col> 101,8 <row> 2018 <col> 109,0 <row> 2017 <col> 97,1 <row> 2016 <col> 93,1 <row> 2015 <col> 95,2 <row> 2014 <col> 102,9 <row> 2013 <col> 100,1 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2013', '2014', '2015', '2016', '2017', '2018', '2019'] y = [100.1, 102.9, 95.2, 93.1, 97.1, 109.0, 101.8] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Tỷ đô la Mỹ") # Set the title plt.title("Nhập khẩu (tỷ đô la Mỹ)") # Show the plot plt.show() </Python>

two_col_100209

v_bar

<title> Không có </title> <x_label> Tháng </x_label> <y_label> Tỷ lệ đơn thuốc tiêm epinephrine tự động không phải Epipen </y_label> <table> Tháng <col> Tỷ lệ đơn thuốc tiêm epinephrine tự động không phải Epipen <row> Tháng 2 năm 2017 <col> 28,9% <row> Tháng 1 năm 2017 <col> 14,8% <row> Tháng 12 năm 2016 <col> 5,3% <row> Tháng 11 năm 2016 <col> 6,1% <row> Tháng 10 năm 2016 <col> 7% <row> Tháng 9 năm 2016 <col> 7,8% <row> Tháng 8 năm 2016 <col> 4,9% <row> Tháng 7 năm 2016 <col> 3,5% <row> Tháng 6 năm 2016 <col> 4,6% <row> Tháng 5 năm 2016 <col> 4,6% <row> Tháng 4 năm 2016 <col> 4,2% <row> Tháng 3 năm 2016 <col> 4,2% <row> Tháng 2 năm 2016 <col> 5,1% <row> Tháng 1 năm 2016 <col> 4,8%</table> <Python> kết quả code </Python>

two_col_104316

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Tấn doanh thu lên máy bay (triệu tấn) </y_label> <table> Năm <col> Tấn doanh thu lên máy bay (triệu tấn) <row> 2019 <col> 15,19 <row> 2018 <col> 14,95 <row> 2017 <col> 14,22 <row> 2016 <col> 13,3 <row> 2015 <col> 12,83 <row> 2014 <col> 12,57 <row> 2013 <col> 12,24 <row> 2012 <col> 12,19 <row> 2011 <col> 12,29 <row> 2010 <col> 12,44 <row> 2009 <col> 11,67 <row> 2008 <col> 12,7 <row> 2007 <col> 14,15 <row> 2006 <col> 14,32 <row> 2005 <col> 14,48 <row> 2000 <col> 15,1 <row> 1995 <col> 9,37 <row> 1990 <col> 6,3 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Tấn doanh thu lên máy bay (triệu tấn)'] = df['Tấn doanh thu lên máy bay (triệu tấn)'].astype(float) # Vẽ biểu đồ plt.figure(figsize=(15, 8)) plt.plot(df['Năm'], df['Tấn doanh thu lên máy bay (triệu tấn)']) plt.xlabel('Năm') plt.ylabel('Tấn doanh thu lên máy bay (triệu tấn)') plt.title('Biểu đồ thể hiện số tấn doanh thu lên máy bay qua các năm') plt.show() </Python>

9148

pie

<title> Bối cảnh tôn giáo đa dạng của Israel </title> <x_label> % người Israel trưởng thành tự nhận là... </x_label> <y_label> Không có </y_label> <table> Cộng đồng <col> Giá trị <row> Hiloni (Thế tục) <col> 40 <row> Masorti (Truyền thống) <col> 23 <row> Dati (Sùng đạo) <col> 10 <row> Hồi giáo <col> 14 <row> Cơ đốc giáo <col> 2 <row> Khác/ không tôn giáo <col> 1 <row> Haredi (Siêu Chính thống giáo) (Sùng đạo) <col> 810 <row> Druze <col> 2 <row> Không phải người Do Thái <col> -19 <row> Người Do Thái: <col> 81 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng data = pd.read_csv('data.csv') # Tạo biểu đồ tròn plt.pie(data['Value'], labels=data['Entity'], autopct='%1.1f%%') # Hiển thị biểu đồ plt.title('Bối cảnh tôn giáo đa dạng của Israel') plt.xlabel('% người Israel trưởng thành tự nhận là...') plt.ylabel('Không có') plt.show() </Python>

two_col_83251

v_bar

<title> Số con trung bình của một phụ nữ </title> <x_label> Năm </x_label> <y_label> Số con trung bình </y_label> <table> Năm <col> Số con trung bình <row> 2019 <col> 4,65 <row> 2018 <col> 4,72 <row> 2017 <col> 4,8 <row> 2016 <col> 4,87 <row> 2015 <col> 4,94 <row> 2014 <col> 5,01 <row> 2013 <col> 5,07 <row> 2012 <col> 5,12 <row> 2011 <col> 5,17 <row> 2010 <col> 5,22 <row> 2009 <col> 5,25 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ file csv df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu x = df['Year'] y = df['Number of children born per woman'] # Tạo biểu đồ plt.bar(x, y) # Thiết lập nhãn cho các trục plt.xlabel('Năm') plt.ylabel('Số con trung bình') # Hiển thị biểu đồ plt.show() </Python>

two_col_487

Characteristic<|>Average player salary in million U.S. dollars<&>FC Barcelona<|>12.28<&>Real Madrid<|>11.15<&>Atletico de Madrid<|>7.04<&>Valencia<|>3.12<&>Sevilla<|>2.5<&>Athletic Bilbao<|>2.1<&>Villarreal<|>1.73<&>Celta Vigo<|>1.61<&>Real Sociedad<|>1.6<&>Real Betis<|>1.5

h_bar

<title>Mức lương trung bình của cầu thủ (triệu đô la Mỹ)</title> <x_label>Câu lạc bộ</x_label> <y_label>Mức lương trung bình của cầu thủ (triệu đô la Mỹ)</y_label> <table> Câu lạc bộ <col> Mức lương trung bình của cầu thủ (triệu đô la Mỹ) <row> FC Barcelona <col> 12,28 <row> Real Madrid <col> 11,15 <row> Atletico de Madrid <col> 7,04 <row> Valencia <col> 3,12 <row> Sevilla <col> 2,5 <row> Athletic Bilbao <col> 2,1 <row> Villarreal <col> 1,73 <row> Celta Vigo <col> 1,61 <row> Real Sociedad <col> 1,6 <row> Real Betis <col> 1,5 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('bang_tieng_anh.csv') # Chuẩn bị dữ liệu df['Câu lạc bộ'] = df['Characteristic'] df['Mức lương trung bình của cầu thủ (triệu đô la Mỹ)'] = df['Average player salary in million U.S. dollars'] # Vẽ biểu đồ df.plot(x='Câu lạc bộ', y='Mức lương trung bình của cầu thủ (triệu đô la Mỹ)', kind='barh') plt.xlabel('Câu lạc bộ') plt.ylabel('Mức lương trung bình của cầu thủ (triệu đô la Mỹ)') plt.title('Mức lương trung bình của cầu thủ (triệu đô la Mỹ)') plt.show() </Python>

multi_col_20620

Characteristic<|>2009<|>2010<&>Packaged cold beverages*<|>54.2%<|>56.1%<&>Snacks, confections, pastry**<|>22.5%<|>23%<&>Hot drinks<|>8.4%<|>6.8%<&>Vended food***<|>6.7%<|>6.5%<&>Ice cream<|>2%<|>2.1%<&>Milk<|>1.9%<|>1.8%<&>Bulk vending<|>1%<|>1%<&>Cold drinks (cup)<|>1%<|>0.6%<&>Cigarettes & Cigars<|>0.7%<|>0.6%<&>All other<|>1.6%<|>1.5%

h_bar

<title> Thị phần đồ ăn nhẹ đóng gói theo kênh năm 2009 và 2010 </title> <x_label> Kênh </x_label> <y_label> Thị phần </y_label> <table> Đồ ăn nhẹ đóng gói <col> 2009 <col> 2010 <row> Đồ uống lạnh đóng gói* <col> 54.2% <col> 56.1% <row> Đồ ăn nhẹ, bánh kẹo, bánh ngọt** <col> 22.5% <col> 23% <row> Đồ uống nóng <col> 8.4% <col> 6.8% <row> Thức ăn bán sẵn*** <col> 6.7% <col> 6.5% <row> Kem <col> 2% <col> 2.1% <row> Sữa <col> 1.9% <col> 1.8% <row> Bán buôn <col> 1% <col> 1% <row> Đồ uống lạnh (cốc) <col> 1% <col> 0.6% <row> Thuốc lá & Xì gà <col> 0.7% <col> 0.6% <row> Tất cả các mặt hàng khác <col> 1.6% <col> 1.5% </table> <Python> import matplotlib.pyplot as plt import numpy as np # Đặt tên các nhãn x = ['Đồ uống lạnh đóng gói', 'Đồ ăn nhẹ, bánh kẹo, bánh ngọt', 'Đồ uống nóng', 'Thức ăn bán sẵn', 'Kem', 'Sữa', 'Bán buôn', 'Đồ uống lạnh (cốc)', 'Thuốc lá & Xì gà', 'Tất cả các mặt hàng khác'] y_2009 = [54.2, 22.5, 8.4, 6.7, 2, 1.9, 1, 1, 0.7, 1.6] y_2010 = [56.1, 23, 6.8, 6.5, 2.1, 1.8, 1, 0.6, 0.6, 1.5] # Tạo thanh ngang plt.barh(x, y_2009, label='2009') plt.barh(x, y_2010, label='2010') # Đặt nhãn plt.xlabel('Kênh') plt.ylabel('Thị phần') plt.title('Thị phần đồ ăn nhẹ đóng gói theo kênh năm 2009 và 2010') # Hiển thị biểu đồ plt.legend() plt.show() </Python>

two_col_4458

Characteristic<|>Revenue in million U.S. dollars<&>Mercedes<|>451<&>Ferrari<|>426<&>Red Bull Racing<|>327<&>Renault<|>195<&>Williams<|>176<&>Toro Rosso<|>172<&>McLaren<|>165<&>Racing Point<|>104<&>Haas F1<|>95<&>Alfa Romeo<|>84

h_bar

<title> Doanh thu của các đội đua Công thức 1 năm 2021 (triệu đô la Mỹ) </title> <x_label> Không có </x_label> <y_label> Đội đua </y_label> <table> Đội đua <col> Doanh thu (triệu đô la Mỹ) <row> Mercedes <col> 451 <row> Ferrari <col> 426 <row> Red Bull Racing <col> 327 <row> Renault <col> 195 <row> Williams <col> 176 <row> Toro Rosso <col> 172 <row> McLaren <col> 165 <row> Racing Point <col> 104 <row> Haas F1 <col> 95 <row> Alfa Romeo <col> 84 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('f1_revenue.csv') # Vẽ biểu đồ df.plot(x='Team', y='Revenue', kind='barh', figsize=(15, 10)) # Thêm nhãn cho các trục plt.xlabel('Doanh thu (triệu đô la Mỹ)') plt.ylabel('Đội đua') # Thêm tiêu đề cho biểu đồ plt.title('Doanh thu của các đội đua Công thức 1 năm 2021 (triệu đô la Mỹ)') # Hiển thị biểu đồ plt.show() </Python>

two_col_43637

Characteristic<|>Share of respondents<&>Company website<|>53%<&>LinkedIn<|>38%<&>Search engines<|>35%<&>Contacts at company<|>32%<&>Other contacts<|>19%<&>HR department<|>14%<&>Glassdoor<|>12%<&>Facebook<|>12%<&>Headhunter<|>12%

h_bar

<title> Nguồn tìm kiếm việc làm </title> <x_label> Tỷ lệ người được hỏi (%) </x_label> <y_label> Nguồn </y_label> <table> Nguồn <col> Tỷ lệ người được hỏi (%) <row> Trang web công ty <col> 53 <row> LinkedIn <col> 38 <row> Công cụ tìm kiếm <col> 35 <row> Người quen giới thiệu <col> 32 <row> Các nguồn khác <col> 19 <row> Phòng nhân sự <col> 14 <row> Glassdoor <col> 12 <row> Facebook <col> 12 <row> Headhunter <col> 12 </table> <Python> import matplotlib.pyplot as plt import seaborn as sns import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ sns.barplot(x="Nguồn", y="Tỷ lệ người được hỏi (%)", data=df) plt.title('Nguồn tìm kiếm việc làm') plt.xlabel('Tỷ lệ người được hỏi (%)') plt.ylabel('Nguồn') plt.show() </Python>

two_col_23450

Characteristic<|>Market share<&>May 2020<|>99.29%<&>April 2020<|>99.22%<&>March 2020<|>99.35%<&>February 2020<|>99.3%<&>January 2020<|>99.2%<&>December 2019<|>99.25%<&>November 2019<|>99.27%<&>October 2019<|>97.95%<&>September 2019<|>98.98%<&>August 2019<|>98.84%<&>July 2019<|>98.9%<&>June 2019<|>98.62%<&>May 2019<|>98.38%<&>April 2019<|>98.2%

line

<title> Thị phần </title> <x_label> Thời gian </x_label> <y_label> Thị phần </y_label> <table> Tháng <col> Thị phần <row> Tháng 5 năm 2020 <col> 99,29% <row> Tháng 4 năm 2020 <col> 99,22% <row> Tháng 3 năm 2020 <col> 99,35% <row> Tháng 2 năm 2020 <col> 99,3% <row> Tháng 1 năm 2020 <col> 99,2% <row> Tháng 12 năm 2019 <col> 99,25% <row> Tháng 11 năm 2019 <col> 99,27% <row> Tháng 10 năm 2019 <col> 97,95% <row> Tháng 9 năm 2019 <col> 98,98% <row> Tháng 8 năm 2019 <col> 98,84% <row> Tháng 7 năm 2019 <col> 98,9% <row> Tháng 6 năm 2019 <col> 98,62% <row> Tháng 5 năm 2019 <col> 98,38% <row> Tháng 4 năm 2019 <col> 98,2% </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Thiết lập nhãn cho các trục plt.xlabel('Thời gian') plt.ylabel('Thị phần') # Vẽ biểu đồ plt.plot(df['Tháng'], df['Thị phần']) plt.show() </Python>

two_col_704

Characteristic<|>Revenue in billion U.S. dollars<&>AT&T<|>171.76<&>Verizon<|>128.29<&>T-Mobile US<|>68.4<&>US Cellular<|>4.04

h_bar

<title> Không có </title> <x_label> Doanh thu (tỷ đô la Mỹ) </x_label> <y_label> Không có </y_label> <table> Nhà mạng <col> Doanh thu (tỷ đô la Mỹ) <row> AT&T <col> 171,76 <row> Verizon <col> 128,29 <row> T-Mobile US <col> 68,4 <row> US Cellular <col> 4,04</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Characteristic', y='Revenue in billion U.S. dollars') plt.xlabel('Doanh thu (tỷ đô la Mỹ)') plt.ylabel('Nhà mạng') plt.title('Doanh thu của các nhà mạng di động tại Hoa Kỳ năm 2021') plt.show() </Python>

two_col_22656

Characteristic<|>Million metric tons of oil equivalent<&>2035<|>129.7<&>2030<|>117.2<&>2025<|>101.8<&>2020<|>87.1<&>2015<|>74.2<&>2010<|>59.7<&>2005<|>19.6<&>2000<|>9.2<&>1995<|>9.2<&>1990<|>7.3

v_bar

<title> Triệu tấn dầu quy đổi </title> <x_label> Năm </x_label> <y_label> Triệu tấn dầu quy đổi </y_label> <table> Năm <col> Triệu tấn dầu quy đổi <row> 2035 <col> 129,7 <row> 2030 <col> 117,2 <row> 2025 <col> 101,8 <row> 2020 <col> 87,1 <row> 2015 <col> 74,2 <row> 2010 <col> 59,7 <row> 2005 <col> 19,6 <row> 2000 <col> 9,2 <row> 1995 <col> 9,2 <row> 1990 <col> 7,3 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ plt.plot(df['Năm'], df['Triệu tấn dầu quy đổi']) plt.xlabel('Năm') plt.ylabel('Triệu tấn dầu quy đổi') plt.title('Triệu tấn dầu quy đổi') plt.show() </Python>

multi_col_80503

Characteristic<|>2012<|>2013<&>Universal banks<|>1.8%<|>2%<&>SFS specialists<|>3.1%<|>3.2%<&>International retail banks<|>2.5%<|>2.6%<&>Domestic retail banks<|>2.4%<|>2.5%

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Tỷ lệ tài sản </y_label> <table> Loại ngân hàng <col> 2012 <col> 2013 <row> Ngân hàng bán lẻ trong nước <col> 2,4% <col> 2,5% <row> Ngân hàng bán lẻ quốc tế <col> 2,5% <col> 2,6% <row> Ngân hàng chuyên doanh SFS <col> 3,1% <col> 3,2% <row> Ngân hàng phổ thông <col> 1,8% <col> 2%</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Ngân hàng bán lẻ trong nước', 'Ngân hàng bán lẻ quốc tế', 'Ngân hàng chuyên doanh SFS', 'Ngân hàng phổ thông'] y1 = [2.4, 2.5, 3.1, 1.8] y2 = [2.5, 2.6, 3.2, 2.0] # Create the figure and axes fig, ax = plt.subplots() # Create the bar chart ax.bar(x, y1, color='blue') ax.bar(x, y2, bottom=y1, color='black') # Set the title and labels ax.set_title('Biểu đồ thể hiện sự thay đổi tỷ lệ tài sản của các loại ngân hàng trong 2 năm 2012 và 2013') ax.set_xlabel('Năm') ax.set_ylabel('Tỷ lệ tài sản') # Show the plot plt.show() </Python>

multi_col_100988

Characteristic<|>Handheld consoles<|>Home consoles<&>2017<|>15%<|>85%<&>2016<|>33%<|>67%<&>2015<|>17%<|>83%<&>2014<|>19%<|>81%

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Không có </y_label> <table> Thiết bị cầm tay <col> Thiết bị gia đình <row> 2017 <col> 15% <col> 85% <row> 2016 <col> 33% <col> 67% <row> 2015 <col> 17% <col> 83% <row> 2014 <col> 19% <col> 81%</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2014', '2015', '2016', '2017'] y1 = [19, 17, 33, 15] y2 = [81, 83, 67, 85] # Create the figure and axes fig, ax = plt.subplots() # Create the bar chart ax.bar(x, y1, color='blue') ax.bar(x, y2, bottom=y1, color='black') # Set the title and labels ax.set_title('Không có') ax.set_xlabel('Năm') ax.set_ylabel('Không có') # Show the plot plt.show() </Python>

OECD_HOSPITAL_BEDS_AUT_CRI_ITA_LVA_NZL_000018

Country<|>Hospital beds<&>Costa Rica<|>1.6<&>Italy<|>4.6<&>Austria<|>7.8<&>Latvia<|>8.3

v_bar

<title> Tổng số giường bệnh viện trên 1.000 người dân, năm 2001 </title> <x_label> Quốc gia </x_label> <y_label> Giường bệnh viện trên 1.000 người </y_label> <table> Quốc gia <col> Giường bệnh viện trên 1.000 người <row> Costa Rica <col> 1,6 <row> Ý <col> 4,6 <row> Áo <col> 7,8 <row> Latvia <col> 8,3 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu để vẽ biểu đồ x = df['Country'] y = df['Hospital beds'] # Vẽ biểu đồ plt.bar(x, y) plt.xlabel('Quốc gia') plt.ylabel('Giường bệnh viện trên 1.000 người') plt.title('Tổng số giường bệnh viện trên 1.000 người dân, năm 2001') plt.show() </Python>

multi_col_20925

Characteristic<|>Anywhere<|>On school property<&>White<|>20.8%<|>6.5%<&>Black<|>33.2%<|>15.3%<&>Hispanic*<|>25.7%<|>9.4%<&>Asian<|>11%<|>3.7%<&>American Indian/Alaska Native<|>34.7%<|>8.6%<&>Pacific Islander/Native Hawaiian<|>22.6%<|>14.2%<&>Two or more races<|>25.5%<|>9.2%<&>Total<|>23.6%<|>8.5%

v_bar

two_col_21689

Characteristic<|>Number of born children per woman<&>2018<|>3.51<&>2017<|>3.56<&>2016<|>3.61<&>2015<|>3.66<&>2014<|>3.71<&>2013<|>3.76<&>2012<|>3.82<&>2011<|>3.88<&>2010<|>3.95<&>2009<|>4.03<&>2008<|>4.12

v_bar

<title> Số lượng trẻ em trung bình mỗi phụ nữ </title> <x_label> Năm </x_label> <y_label> Số lượng trẻ em trung bình mỗi phụ nữ </y_label> <table> Năm <col> Số lượng trẻ em trung bình mỗi phụ nữ <row> 2018 <col> 3,51 <row> 2017 <col> 3,56 <row> 2016 <col> 3,61 <row> 2015 <col> 3,66 <row> 2014 <col> 3,71 <row> 2013 <col> 3,76 <row> 2012 <col> 3,82 <row> 2011 <col> 3,88 <row> 2010 <col> 3,95 <row> 2009 <col> 4,03 <row> 2008 <col> 4,12 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Số lượng trẻ em trung bình mỗi phụ nữ'] = df['Số lượng trẻ em trung bình mỗi phụ nữ'].astype(float) # Vẽ biểu đồ plt.figure(figsize=(10, 6)) plt.plot(df['Năm'], df['Số lượng trẻ em trung bình mỗi phụ nữ']) plt.xlabel('Năm') plt.ylabel('Số lượng trẻ em trung bình mỗi phụ nữ') plt.title('Số lượng trẻ em trung bình mỗi phụ nữ') plt.show() </Python>

two_col_81679

Characteristic<|>Player expenses in million U.S. dollars<&>2019<|>245<&>2018<|>210<&>2017<|>200<&>2016<|>205<&>2015<|>191<&>2014<|>162<&>2013<|>148<&>2012<|>182<&>2011<|>147<&>2010<|>160<&>2009<|>150<&>2008<|>149<&>2007<|>139<&>2006<|>118<&>2005<|>114<&>2004<|>89<&>2003<|>109<&>2002<|>65<&>2001<|>72

v_bar

<title> Chi phí cầu thủ (triệu đô la Mỹ) </title> <x_label> Năm </x_label> <y_label> Chi phí cầu thủ (triệu đô la Mỹ) </y_label> <table> Năm <col> Chi phí cầu thủ (triệu đô la Mỹ) <row> 2002 <col> 72 <row> 2003 <col> 109 <row> 2004 <col> 89 <row> 2005 <col> 114 <row> 2006 <col> 118 <row> 2007 <col> 139 <row> 2008 <col> 149 <row> 2009 <col> 150 <row> 2010 <col> 160 <row> 2011 <col> 147 <row> 2012 <col> 182 <row> 2013 <col> 148 <row> 2014 <col> 162 <row> 2015 <col> 191 <row> 2016 <col> 205 <row> 2017 <col> 210 <row> 2018 <col> 245 <row> 2019 <col> 245</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('player_expenses.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Chi phí cầu thủ (triệu đô la Mỹ)'] = df['Chi phí cầu thủ (triệu đô la Mỹ)'].astype(int) # Vẽ biểu đồ plt.figure(figsize=(15, 10)) plt.bar(df['Năm'], df['Chi phí cầu thủ (triệu đô la Mỹ)']) plt.xlabel('Năm') plt.ylabel('Chi phí cầu thủ (triệu đô la Mỹ)') plt.title('Chi phí cầu thủ (triệu đô la Mỹ)') plt.show() </Python>

two_col_80523

Characteristic<|>Number of registered crimes<&>2019*<|>426927<&>2018<|>884572<&>2017<|>881332<&>2016<|>893787<&>2015<|>921828<&>2014<|>977507<&>2013<|>997802<&>2012<|>1040232<&>2011<|>1063271<&>2010<|>1026312<&>2009<|>1023984

v_bar

<title>Số lượng tội phạm đã đăng ký</title> <x_label>Năm</x_label> <y_label>Số lượng tội phạm đã đăng ký</y_label> <table> Năm <col> Số lượng tội phạm đã đăng ký <row> 2019* <col> 426 927 <row> 2018 <col> 884 572 <row> 2017 <col> 881 332 <row> 2016 <col> 893 787 <row> 2015 <col> 921 828 <row> 2014 <col> 977 507 <row> 2013 <col> 997 802 <row> 2012 <col> 1 040 232 <row> 2011 <col> 1 063 271 <row> 2010 <col> 1 026 312 <row> 2009 <col> 1 023 984</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019] crimes = [1023984, 1026312, 1063271, 1040232, 997802, 977507, 921828, 893787, 881332, 884572, 426927] # Create the plot plt.figure(figsize=(10,6)) plt.plot(years, crimes) plt.xlabel("Năm") plt.ylabel("Số lượng tội phạm đã đăng ký") plt.title("Số lượng tội phạm đã đăng ký") plt.show() </Python>

two_col_104044

Characteristic<|>Revenue in billion euros<&>Amazon.de<|>7.9<&>Media Markt and Saturn<|>6.5<&>Euronics*<|>3.0<&>Expert<|>2.0<&>Conrad*<|>0.5<&>Cyberport.de<|>0.5<&>Notebooks-billiger.de<|>0.5<&>ProMarkt**<|>36.2

h_bar

<title> Doanh thu theo tỷ euro </title> <x_label> Doanh thu (tỷ euro) </x_label> <y_label> Nhà bán lẻ </y_label> <table> Nhà bán lẻ <col> Doanh thu (tỷ euro) <row> Amazon.de <col> 7,9 <row> Media Markt và Saturn <col> 6,5 <row> Euronics* <col> 3,0 <row> Expert <col> 2,0 <row> Conrad* <col> 0,5 <row> Cyberport.de <col> 0,5 <row> Notebooks-billiger.de <col> 0,5 <row> ProMarkt** <col> 36,2</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Amazon.de', 'Media Markt và Saturn', 'Euronics*', 'Expert', 'Conrad*', 'Cyberport.de', 'Notebooks-billiger.de', 'ProMarkt**'] y = [7.9, 6.5, 3.0, 2.0, 0.5, 0.5, 0.5, 36.2] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel('Doanh thu (tỷ euro)') # Set the y-axis label plt.ylabel('Nhà bán lẻ') # Set the title plt.title('Doanh thu theo tỷ euro') # Show the plot plt.show() </Python>

two_col_62906

Characteristic<|>Share of recovered paper and paperboard<&>Newsprint and other*<|>5.8%<&>Tissue<|>8.4%<&>Boxboard<|>12.2%<&>Net exports<|>35.7%<&>Containerboard<|>37.8%

pie

<title> Tỷ lệ giấy và các tông các loại thu hồi được </title> <x_label> Không có </x_label> <y_label> Không có </y_label> <table> Đặc điểm <col> Tỷ lệ thu hồi <row> Báo và các loại khác <col> 5,8% <row> Giấy lụa <col> 8,4% <row> Bìa hộp <col> 12,2% <row> Xuất khẩu ròng <col> 35,7% <row> Bìa cứng <col> 37,8%</table> <Python> kết quả code </Python>

two_col_42460

Characteristic<|>Share of installed electricity generating capacity<&>Thermal<|>66.56%<&>Gas<|>20.35%<&>Nuclear<|>11.97%<&>Solar<|>0.7%<&>Wind<|>0.42%

h_bar

<title> Tỷ lệ công suất phát điện đã lắp đặt </title> <x_label> Không có </x_label> <y_label> Đặc điểm </y_label> <table> Đặc điểm <col> Tỷ lệ công suất phát điện đã lắp đặt <row> Nhiệt điện <col> 66,56% <row> Khí đốt <col> 20,35% <row> Hạt nhân <col> 11,97% <row> Năng lượng mặt trời <col> 0,7% <row> Gió <col> 0,42% </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data characteristics = ['Nhiệt điện', 'Khí đốt', 'Hạt nhân', 'Năng lượng mặt trời', 'Gió'] capacity_share = [66.56, 20.35, 11.97, 0.7, 0.42] # Create the bar chart plt.barh(characteristics, capacity_share) plt.xlabel('Tỷ lệ công suất phát điện đã lắp đặt') plt.ylabel('Đặc điểm') plt.title('Tỷ lệ công suất phát điện đã lắp đặt') # Show the plot plt.show() </Python>

multi_col_80243

Characteristic<|>Q1<|>Q2<|>Q3<|>Q4<&>2020<|>8.33<|>5.39<|>6.29<|>7.43<&>2019<|>7.6<|>6.01<|>5.82<|>7.45<&>2018<|>8.62<|>6.02<|>5.37<|>6.6<&>2017<|>8.94<|>6.04<|>5.37<|>6.49<&>2016<|>8.72<|>5.98<|>5.04<|>6.67<&>2015<|>9.6<|>5.81<|>5.39<|>7.79<&>2014<|>7.94<|>5.87<|>5.23<|>8.39<&>2013<|>8.41<|>6.21<|>5.21<|>6.6<&>2012<|>8.1<|>7.15<|>6.2<|>6.83

v_bar

<title>Phân phối điện năng và tổn thất theo giờ</title> <x_label>Quý</x_label> <y_label>Teraoatt giờ</y_label> <table>Quý <col> Q1 <col> Q2 <col> Q3 <col> Q4 <row> 2020 <col> 8,33 <col> 5,39 <col> 6,29 <col> 7,43 <row> 2019 <col> 7,6 <col> 6,01 <col> 5,82 <col> 7,45 <row> 2018 <col> 8,62 <col> 6,02 <col> 5,37 <col> 6,6 <row> 2017 <col> 8,94 <col> 6,04 <col> 5,37 <col> 6,49 <row> 2016 <col> 8,72 <col> 5,98 <col> 5,04 <col> 6,67 <row> 2015 <col> 9,6 <col> 5,81 <col> 5,39 <col> 7,79 <row> 2014 <col> 7,94 <col> 5,87 <col> 5,23 <col> 8,39 <row> 2013 <col> 8,41 <col> 6,21 <col> 5,21 <col> 6,6 <row> 2012 <col> 8,1 <col> 7,15 <col> 6,2 <col> 6,83</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data q1 = [8.33, 7.6, 8.62, 8.94, 8.72, 9.6, 7.94, 8.41, 8.1] q2 = [5.39, 6.01, 6.02, 6.04, 5.98, 5.81, 5.87, 6.21, 7.15] q3 = [6.29, 5.82, 5.37, 5.37, 5.04, 5.39, 5.23, 5.21, 6.2] q4 = [7.43, 7.45, 6.6, 6.49, 6.67, 7.79, 8.39, 6.6, 6.83] # Create the figure and axes fig, ax = plt.subplots() # Create the boxplot ax.boxplot([q1, q2, q3, q4], labels=['Q1', 'Q2', 'Q3', 'Q4']) # Set the title and labels ax.set_title('Phân phối điện năng và tổn thất theo giờ') ax.set_xlabel('Quý') ax.set_ylabel('Teraoatt giờ') # Show the plot plt.show() </Python>

two_col_102063

Characteristic<|>Import value in million U.S. dollars<&>India<|>224.98<&>Germany<|>80.78<&>United Kingdom<|>77.18<&>USA<|>66.25<&>Netherlands<|>65.81<&>Canada<|>59.58<&>Spain<|>38.59<&>Italy<|>35.84<&>Belgium<|>19.38<&>Switzerland<|>16.23

h_bar

<title> Giá trị nhập khẩu (triệu đô la Mỹ) </title> <x_label> Quốc gia </x_label> <y_label> Giá trị nhập khẩu (triệu đô la Mỹ) </y_label> <table> Quốc gia <col> Giá trị nhập khẩu (triệu đô la Mỹ) <row> Ấn Độ <col> 224,98 <row> Đức <col> 80,78 <row> Vương quốc Anh <col> 77,18 <row> Hoa Kỳ <col> 66,25 <row> Hà Lan <col> 65,81 <row> Canada <col> 59,58 <row> Tây Ban Nha <col> 38,59 <row> Ý <col> 35,84 <row> Bỉ <col> 19,38 <row> Thụy Sĩ <col> 16,23 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh data = pd.read_csv('data.csv') # Chuẩn bị dữ liệu x = data['Quốc gia'] y = data['Giá trị nhập khẩu (triệu đô la Mỹ)'] # Tạo biểu đồ plt.bar(x, y) plt.xlabel('Quốc gia') plt.ylabel('Giá trị nhập khẩu (triệu đô la Mỹ)') plt.title('Giá trị nhập khẩu (triệu đô la Mỹ)') plt.show() </Python>

two_col_81116

Year<|>Sales in billion U.S. dollars<&>2019<|>24.05<&>2018<|>23.91<&>2017<|>22.5<&>2016<|>20.91<&>2015<|>19.49<&>2014<|>18.0<&>2013<|>16.88<&>2012<|>15.48<&>2011<|>14.76<&>2010<|>14.57<&>2009<|>15.3<&>2008<|>18.76<&>2007<|>22.07<&>2006<|>23.15<&>2005<|>22.13<&>2004<|>20.91<&>2003<|>19.54<&>2002<|>19.03<&>2001<|>19.21<&>2000<|>19.52<&>1999<|>18.41<&>1998<|>16.96<&>1997<|>16.05<&>1996<|>14.64<&>1995<|>13.7<&>1994<|>12.77<&>1993<|>11.46<&>1992<|>10.6

v_bar

<title> Doanh số bán hàng qua các năm </title> <x_label> Năm </x_label> <y_label> Doanh số (tỷ đô la Mỹ) </y_label> <table> Năm <col> Doanh số (tỷ đô la Mỹ) <row> 2019 <col> 24,05 <row> 2018 <col> 23,91 <row> 2017 <col> 22,5 <row> 2016 <col> 20,91 <row> 2015 <col> 19,49 <row> 2014 <col> 18,0 <row> 2013 <col> 16,88 <row> 2012 <col> 15,48 <row> 2011 <col> 14,76 <row> 2010 <col> 14,57 <row> 2009 <col> 15,3 <row> 2008 <col> 18,76 <row> 2007 <col> 22,07 <row> 2006 <col> 23,15 <row> 2005 <col> 22,13 <row> 2004 <col> 20,91 <row> 2003 <col> 19,54 <row> 2002 <col> 19,03 <row> 2001 <col> 19,21 <row> 2000 <col> 19,52 <row> 1999 <col> 18,41 <row> 1998 <col> 16,96 <row> 1997 <col> 16,05 <row> 1996 <col> 14,64 <row> 1995 <col> 13,7 <row> 1994 <col> 12,77 <row> 1993 <col> 11,46 <row> 1992 <col> 10,6 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ file csv df = pd.read_csv('data.csv') # Thiết lập trục x và trục y plt.xlabel('Năm') plt.ylabel('Doanh số (tỷ đô la Mỹ)') # Vẽ biểu đồ plt.bar(df['Năm'], df['Doanh số (tỷ đô la Mỹ)']) # Hiển thị biểu đồ plt.show() </Python>

two_col_43952

Characteristic<|>Player expenses in million U.S. dollars<&>2020<|>100<&>2019<|>228<&>2018<|>195<&>2017<|>186<&>2016<|>189<&>2015<|>154<&>2014<|>111<&>2013<|>129<&>2012<|>137<&>2011<|>162<&>2010<|>157<&>2009<|>151<&>2008<|>140<&>2007<|>130<&>2006<|>115<&>2005<|>117<&>2004<|>106<&>2003<|>95<&>2002<|>88<&>2001<|>81

v_bar

<title>Chi phí của cầu thủ (triệu đô la Mỹ)</title> <x_label>Năm</x_label> <y_label>Chi phí của cầu thủ (triệu đô la Mỹ)</y_label> <table>Năm <col> Chi phí của cầu thủ (triệu đô la Mỹ) <row> 2020 <col> 100 <row> 2019 <col> 228 <row> 2018 <col> 195 <row> 2017 <col> 186 <row> 2016 <col> 189 <row> 2015 <col> 154 <row> 2014 <col> 111 <row> 2013 <col> 129 <row> 2012 <col> 137 <row> 2011 <col> 162 <row> 2010 <col> 157 <row> 2009 <col> 151 <row> 2008 <col> 140 <row> 2007 <col> 130 <row> 2006 <col> 115 <row> 2005 <col> 117 <row> 2004 <col> 106 <row> 2003 <col> 95 <row> 2002 <col> 88 <row> 2001 <col> 81</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('bang_tieng_viet.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Chi phí của cầu thủ (triệu đô la Mỹ)'] = df['Chi phí của cầu thủ (triệu đô la Mỹ)'].astype(int) # Vẽ biểu đồ plt.figure(figsize=(15, 8)) plt.bar(df['Năm'], df['Chi phí của cầu thủ (triệu đô la Mỹ)']) plt.xlabel('Năm') plt.ylabel('Chi phí của cầu thủ (triệu đô la Mỹ)') plt.title('Chi phí của cầu thủ (triệu đô la Mỹ)') plt.show() </Python>

multi_col_24

Age in years<|>Male<|>Female<&>Under 5<|>10.01<|>9.57<&>5 to 9<|>10.32<|>9.87<&>10 to 14<|>10.62<|>10.18<&>15 to 19<|>10.75<|>10.31<&>20 to 24<|>11.06<|>10.57<&>25 to 29<|>12.0<|>11.5<&>30 to 34<|>11.35<|>11.08<&>35 to 39<|>10.88<|>10.85<&>40 to 44<|>9.91<|>10.01<&>45 to 49<|>10.09<|>10.31<&>50 to 54<|>10.09<|>10.39<&>55 to 59<|>10.64<|>11.23<&>60 to 64<|>9.86<|>10.71<&>65 to 69<|>8.2<|>9.26<&>70 to 74<|>6.5<|>7.53<&>75 to 79<|>4.32<|>5.33<&>80 to 84<|>2.68<|>3.64<&>85 and over<|>2.38<|>4.23

h_bar

<title> Tuổi thọ trung bình của nam và nữ theo độ tuổi ở Hoa Kỳ </title> <x_label> Độ tuổi (tuổi) </x_label> <y_label> Tuổi thọ trung bình (năm) </y_label> <table> Độ tuổi <col> Nam <col> Nữ <row> Dưới 5 tuổi <col> 10,01 <col> 9,57 <row> 5 đến 9 tuổi <col> 10,32 <col> 9,87 <row> 10 đến 14 tuổi <col> 10,62 <col> 10,18 <row> 15 đến 19 tuổi <col> 10,75 <col> 10,31 <row> 20 đến 24 tuổi <col> 11,06 <col> 10,57 <row> 25 đến 29 tuổi <col> 12,0 <col> 11,5 <row> 30 đến 34 tuổi <col> 11,35 <col> 11,08 <row> 35 đến 39 tuổi <col> 10,88 <col> 10,85 <row> 40 đến 44 tuổi <col> 9,91 <col> 10,01 <row> 45 đến 49 tuổi <col> 10,09 <col> 10,31 <row> 50 đến 54 tuổi <col> 10,09 <col> 10,39 <row> 55 đến 59 tuổi <col> 10,64 <col> 11,23 <row> 60 đến 64 tuổi <col> 9,86 <col> 10,71 <row> 65 đến 69 tuổi <col> 8,2 <col> 9,26 <row> 70 đến 74 tuổi <col> 6,5 <col> 7,53 <row> 75 đến 79 tuổi <col> 4,32 <col> 5,33 <row> 80 đến 84 tuổi <col> 2,68 <col> 3,64 <row> 85 tuổi trở lên <col> 2,38 <col> 4,23 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Age in years'] = df['Age in years'].astype(int) df['Male'] = df['Male'].astype(float) df['Female'] = df['Female'].astype(float) # Tạo biểu đồ plt.bar(df['Age in years'], df['Male'], label='Male') plt.bar(df['Age in years'], df['Female'], bottom=df['Male'], label='Female') # Thiết lập nhãn cho trục hoành và trục tung plt.xlabel('Độ tuổi (tuổi)') plt.ylabel('Tuổi thọ trung bình (năm)') # Hiển thị biểu đồ plt.show() </Python>

two_col_82148

Characteristic<|>Average annual expenditure in U.S. dollars<&>2019<|>72.15<&>2018<|>77.56<&>2017<|>86.17<&>2016<|>78.71<&>2015<|>76.49<&>2014<|>69.35<&>2013<|>70.99<&>2012<|>75.07<&>2011<|>67.56<&>2010<|>73.27<&>2009<|>74.63<&>2008<|>81.82<&>2007<|>75.19

v_bar

<title>Chi tiêu trung bình hằng năm tính theo đô la Mỹ</title> <x_label>Năm</x_label> <y_label>Chi tiêu trung bình hằng năm (triệu đô la Mỹ)</y_label> <table> Năm <col> Chi tiêu trung bình hằng năm (triệu đô la Mỹ) <row> 2019 <col> 72,15 <row> 2018 <col> 77,56 <row> 2017 <col> 86,17 <row> 2016 <col> 78,71 <row> 2015 <col> 76,49 <row> 2014 <col> 69,35 <row> 2013 <col> 70,99 <row> 2012 <col> 75,07 <row> 2011 <col> 67,56 <row> 2010 <col> 73,27 <row> 2009 <col> 74,63 <row> 2008 <col> 81,82 <row> 2007 <col> 75,19 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Chi tiêu trung bình hằng năm (triệu đô la Mỹ)'] = df['Chi tiêu trung bình hằng năm (triệu đô la Mỹ)'].astype(float) # Vẽ biểu đồ plt.bar(df['Năm'], df['Chi tiêu trung bình hằng năm (triệu đô la Mỹ)']) plt.xlabel('Năm') plt.ylabel('Chi tiêu trung bình hằng năm (triệu đô la Mỹ)') plt.title('Chi tiêu trung bình hằng năm tính theo đô la Mỹ') plt.show() </Python>

two_col_20155

Characteristic<|>Projected economic change<&>2023<|>2.2%<&>2022<|>4.5%<&>2021<|>1.4%<&>2020<|>-3.3%

v_bar

<title> Biểu đồ kinh tế </title> <x_label> Năm </x_label> <y_label> Tăng trưởng kinh tế (%) </y_label> <table> Năm <col> Tăng trưởng kinh tế (%) <row> 2020 <col> -3,3% <row> 2021 <col> 1,4% <row> 2022 <col> 4,5% <row> 2023 <col> 2,2% </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2020', '2021', '2022', '2023'] y = [-3.3, 1.4, 4.5, 2.2] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Tăng trưởng kinh tế (%)") # Set the title plt.title("Biểu đồ kinh tế") # Show the plot plt.show() </Python>

two_col_42276

Characteristic<|>Contribution value in billion SEK*<&>2028***<|>603.0<&>2018**<|>452.3<&>2017<|>442.9<&>2016<|>422.2<&>2015<|>397.2<&>2014<|>370.7<&>2013<|>362.1<&>2012<|>359.7

v_bar

<title> Giá trị đóng góp, 2012-2023 (tỷ đô la SEK) </title> <x_label> Năm </x_label> <y_label> Giá trị đóng góp (tỷ đô la SEK) </y_label> <table> Năm <col> Giá trị đóng góp (tỷ đô la SEK) <row> 2012 <col> 359,7 <row> 2013 <col> 362,1 <row> 2014 <col> 370,7 <row> 2015 <col> 397,2 <row> 2016 <col> 422,2 <row> 2017 <col> 442,9 <row> 2018 <col> 452,3 <row> 2023 <col> 603,0</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2012', '2013', '2014', '2015', '2016', '2017', '2018', '2023'] y = [359.7, 362.1, 370.7, 397.2, 422.2, 442.9, 452.3, 603.0] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Giá trị đóng góp (tỷ đô la SEK)") # Set the title plt.title("Giá trị đóng góp, 2012-2023 (tỷ đô la SEK)") # Show the plot plt.show() </Python>

two_col_80424

Characteristic<|>Surplus of migration<&>2019<|>11075<&>2018<|>10659<&>2017<|>10548<&>2016<|>9446<&>2015<|>11159<&>2014<|>11049<&>2013<|>10348<&>2012<|>10036<&>2011<|>11004<&>2010<|>7849<&>2009<|>6583<&>2008<|>7700

v_bar

<title> Thặng dư di cư </title> <x_label> Năm </x_label> <y_label> Thặng dư di cư (người) </y_label> <table> Năm <col> Thặng dư di cư (người) <row> 2019 <col> 11.075 <row> 2018 <col> 10.659 <row> 2017 <col> 10.548 <row> 2016 <col> 9.446 <row> 2015 <col> 11.159 <row> 2014 <col> 11.049 <row> 2013 <col> 10.348 <row> 2012 <col> 10.036 <row> 2011 <col> 11.004 <row> 2010 <col> 7.849 <row> 2009 <col> 6.583 <row> 2008 <col> 7.700 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('surplus_of_migration.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Thặng dư di cư (người)'] = df['Thặng dư di cư (người)'].astype(int) # Vẽ biểu đồ plt.bar(df['Năm'], df['Thặng dư di cư (người)']) plt.xlabel('Năm') plt.ylabel('Thặng dư di cư (người)') plt.title('Thặng dư di cư') plt.show() </Python>

two_col_102159

Characteristic<|>Number of downloads in millions<&>Google LLC<|>60.89<&>Facebook, Inc.<|>17.05<&>Microsoft Corporation<|>14.8<&>WhatsApp Inc.<|>12.75<&>Instagram, Inc.<|>12.27<&>AMZN Mobile LLC<|>11.01<&>Zoom<|>10.47<&>Tencent Technology (Shenzhen) Company Limited<|>10.41<&>TikTok Pte. Ltd.<|>10.21<&>Shanghai Xunmeng Information Technology Co., Ltd.<|>7.81

h_bar

<title>Lượt tải xuống ứng dụng di động</title> <x_label>Số lượt tải xuống (triệu)</x_label> <y_label>Tên ứng dụng</y_label> <table>Ứng dụng <col> Số lượt tải xuống (triệu) <row> Google LLC <col> 60,89 <row> Facebook, Inc. <col> 17,05 <row> Microsoft Corporation <col> 14,8 <row> WhatsApp Inc. <col> 12,75 <row> Instagram, Inc. <col> 12,27 <row> AMZN Mobile LLC <col> 11,01 <row> Zoom <col> 10,47 <row> Tencent Technology (Shenzhen) Company Limited <col> 10,41 <row> TikTok Pte. Ltd. <col> 10,21 <row> Shanghai Xunmeng Information Technology Co., Ltd. <col> 7,81</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot(x='Ứng dụng', y='Số lượt tải xuống (triệu)', kind='barh') plt.xlabel('Số lượt tải xuống (triệu)') plt.ylabel('Tên ứng dụng') plt.title('Lượt tải xuống ứng dụng di động') plt.show() </Python>

two_col_22400

Characteristic<|>Quarterly growth rate<&>Q1 '21<|>6.1%<&>Q4 '20<|>6.95%<&>Q3 '20<|>7.53%<&>Q2 '20<|>-1.2%<&>Q1 '20<|>0.49%<&>Q4 '19<|>2.2%<&>Q3 '19<|>-4.48%<&>Q2 '19<|>2.71%<&>Q1 '19<|>-3.63%<&>Q4 '18<|>-3.09%<&>Q3 '18<|>-3.26%<&>Q2 '18<|>-0.09%<&>Q1 '18<|>-1.23%<&>Q4 '17<|>0.15%<&>Q3 '17<|>-2.88%<&>Q2 '17<|>-1.77%<&>Q1 '17<|>-0.93%<&>Q4 '16<|>-1.92%<&>Q3 '16<|>5.48%<&>Q2 '16<|>10.79%<&>Q1 '16<|>7.01%<&>Q4 '15<|>5.89%<&>Q3 '15<|>8.67%<&>Q2 '15<|>21.41%

line

<title> Tỷ lệ tăng trưởng hàng quý </title> <x_label> </x_label> <y_label> Tỷ lệ tăng trưởng hàng quý (%) </y_label> <table> Quý <col> Tỷ lệ tăng trưởng hàng quý (%) <row> Q1 '21 <col> 6,1 <row> Q4 '20 <col> 6,95 <row> Q3 '20 <col> 7,53 <row> Q2 '20 <col> -1,2 <row> Q1 '20 <col> 0,49 <row> Q4 '19 <col> 2,2 <row> Q3 '19 <col> -4,48 <row> Q2 '19 <col> 2,71 <row> Q1 '19 <col> -3,63 <row> Q4 '18 <col> -3,09 <row> Q3 '18 <col> -3,26 <row> Q2 '18 <col> -0,09 <row> Q1 '18 <col> -1,23 <row> Q4 '17 <col> 0,15 <row> Q3 '17 <col> -2,88 <row> Q2 '17 <col> -1,77 <row> Q1 '17 <col> -0,93 <row> Q4 '16 <col> -1,92 <row> Q3 '16 <col> 5,48 <row> Q2 '16 <col> 10,79 <row> Q1 '16 <col> 7,01 <row> Q4 '15 <col> 5,89 <row> Q3 '15 <col> 8,67 <row> Q2 '15 <col> 21,41 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng data = pd.read_csv('data.csv') # Chuẩn bị dữ liệu data['Quý'] = data['Quý'].astype('category') data['Tỷ lệ tăng trưởng hàng quý (%)'] = data['Tỷ lệ tăng trưởng hàng quý (%)'].astype('float') # Vẽ biểu đồ data.plot(x='Quý', y='Tỷ lệ tăng trưởng hàng quý (%)', kind='line') # Hiển thị biểu đồ plt.show() </Python>

two_col_3785

Characteristic<|>Total spending in million U.S. dollars<&>2012<|>24504.1<&>2013<|>23809.6<&>2014<|>25733.1<&>2015<|>25892.9<&>2016<|>26874.0<&>2017<|>28813.3<&>2018<|>33286.5<&>2019 (Final)<|>36808.3<&>2020 (Enacted)<|>35601.4<&>2021 (Request)<|>35695.9

v_bar

<title> Tổng chi tiêu (triệu đô la Mỹ) </title> <x_label> Năm </x_label> <y_label> Tổng chi tiêu (triệu đô la Mỹ) </y_label> <table> Năm <col> Tổng chi tiêu (triệu đô la Mỹ) <row> 2012 <col> 24.504,1 <row> 2013 <col> 23.809,6 <row> 2014 <col> 25.733,1 <row> 2015 <col> 25.892,9 <row> 2016 <col> 26.874,0 <row> 2017 <col> 28.813,3 <row> 2018 <col> 33.286,5 <row> 2019 (Cuối cùng) <col> 36.808,3 <row> 2020 (Được ban hành) <col> 35.601,4 <row> 2021 (Yêu cầu) <col> 35.695,9 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019 (Cuối cùng)', '2020 (Được ban hành)', '2021 (Yêu cầu)'] y = [24504.1, 23809.6, 25733.1, 25892.9, 26874.0, 28813.3, 33286.5, 36808.3, 35601.4, 35695.9] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel('Năm') # Set the y-axis label plt.ylabel('Tổng chi tiêu (triệu đô la Mỹ)') # Set the title plt.title('Tổng chi tiêu (triệu đô la Mỹ)') # Show the plot plt.show() </Python>

two_col_4050

Characteristic<|>Sales price in million U.S. dollars<&>.web (Jul '16)<|>135.0<&>.shop (Jan '16)<|>41.5<&>.app (Feb '15)<|>25.0<&>.tech (Sep '14)<|>6.76<&>.realty (Oct '14)<|>5.59<&>.salon (Oct '14)<|>5.1<&>.buy (Sep '14)<|>4.59<&>.mls (Dec '14)<|>3.36<&>.baby (Dec '14)<|>3.09<&>.vip (Sep '14)<|>3.0

h_bar

<title> Giá bán (triệu đô la Mỹ) </title> <x_label> Tên miền </x_label> <y_label> Giá bán (triệu đô la Mỹ) </y_label> <table> Tên miền <col> Giá bán (triệu đô la Mỹ) <row> .web (tháng 7 năm 16) <col> 135,0 <row> .shop (tháng 1 năm 16) <col> 41,5 <row> .app (tháng 2 năm 15) <col> 25,0 <row> .tech (tháng 9 năm 14) <col> 6,76 <row> .realty (tháng 10 năm 14) <col> 5,59 <row> .salon (tháng 10 năm 14) <col> 5,1 <row> .buy (tháng 9 năm 14) <col> 4,59 <row> .mls (tháng 12 năm 14) <col> 3,36 <row> .baby (tháng 12 năm 14) <col> 3,09 <row> .vip (tháng 9 năm 14) <col> 3,0</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data sales_price = [135.0, 41.5, 25.0, 6.76, 5.59, 5.1, 4.59, 3.36, 3.09, 3.0] domain_names = ['.web', '.shop', '.app', '.tech', '.realty', '.salon', '.buy', '.mls', '.baby', '.vip'] # Create the bar chart plt.barh(domain_names, sales_price) plt.xlabel('Tên miền') plt.ylabel('Giá bán (triệu đô la Mỹ)') plt.title('Giá bán (triệu đô la Mỹ)') # Show the plot plt.show() </Python>

two_col_81866

Characteristic<|>Number of hits<&>Tony Fernandez<|>1583<&>Vernon Wells<|>1529<&>Carlos Delgado<|>1413<&>Lloyd Moseby<|>1319<&>George Bell<|>1294<&>Jose Bautista<|>1103<&>Shannon Stewart<|>1082<&>Joe Carter<|>1051<&>Damaso Garcia<|>1028<&>Willie Upshaw<|>982

h_bar

<title> Số lần đánh bóng trúng đích </title> <x_label> Cầu thủ </x_label> <y_label> Số lần đánh bóng trúng đích </y_label> <table> Cầu thủ <col> Số lần đánh bóng trúng đích <row> Tony Fernandez <col> 1583 <row> Vernon Wells <col> 1529 <row> Carlos Delgado <col> 1413 <row> Lloyd Moseby <col> 1319 <row> George Bell <col> 1294 <row> Jose Bautista <col> 1103 <row> Shannon Stewart <col> 1082 <row> Joe Carter <col> 1051 <row> Damaso Garcia <col> 1028 <row> Willie Upshaw <col> 982 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Cầu thủ', y='Số lần đánh bóng trúng đích') # Hiển thị biểu đồ plt.show() </Python>

two_col_880

Characteristic<|>Child deaths in the first year of life per 1,000 live births<&>Afghanistan<|>106.75<&>Somalia<|>88.03<&>Central African Republic<|>84.22<&>Niger<|>68.12<&>Chad<|>67.02<&>Sierra Leone<|>65.34<&>Gambia<|>65.04<&>South Sudan<|>64.77<&>Equatorial Guinea<|>63.25<&>Mozambique<|>63.03<&>Democratic Republic of Congo<|>62.63<&>Mali<|>62.31<&>Angola<|>60.58<&>Nigeria<|>58.23<&>Comoros<|>58.21<&>Cote d'Ivoire<|>57.36<&>Benin<|>57.23<&>Pakistan<|>55.26<&>Mauritania<|>52.05<&>Guinea<|>50.99

h_bar

<title> Tỷ lệ tử vong của trẻ em dưới 1 tuổi trên 1.000 trẻ em sinh ra sống ở các nước Châu Phi tính theo số liệu năm 2021 </title> <x_label> Quốc gia </x_label> <y_label> Tỷ lệ tử vong (trên 1.000 trẻ em sinh ra sống) </y_label> <table> Quốc gia <col> Tỷ lệ tử vong (trên 1.000 trẻ em sinh ra sống) <row> Afghanistan <col> 106,75 <row> Somalia <col> 88,03 <row> Cộng hòa Trung Phi <col> 84,22 <row> Niger <col> 68,12 <row> Tchad <col> 67,02 <row> Sierra Leone <col> 65,34 <row> Gambia <col> 65,04 <row> Nam Sudan <col> 64,77 <row> Guinea Xích Đạo <col> 63,25 <row> Mozambique <col> 63,03 <row> Cộng hòa Dân chủ Congo <col> 62,63 <row> Mali <col> 62,31 <row> Angola <col> 60,58 <row> Nigeria <col> 58,23 <row> Comoros <col> 58,21 <row> Bờ Biển Ngà <col> 57,36 <row> Benin <col> 57,23 <row> Pakistan <col> 55,26 <row> Mauritania <col> 52,05 <row> Guinea <col> 50,99</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ file csv df = pd.read_csv('child_deaths.csv') # Trích xuất dữ liệu về tỷ lệ tử vong trẻ em theo từng quốc gia child_deaths = df['Child deaths in the first year of life per 1,000 live births'] # Chuẩn bị dữ liệu để vẽ biểu đồ x = df['Country'] y = child_deaths # Vẽ biểu đồ plt.bar(x, y) # Thiết lập nhãn cho các trục plt.xlabel('Quốc gia') plt.ylabel('Tỷ lệ tử vong (trên 1.000 trẻ em sinh ra sống)') # Hiển thị biểu đồ plt.show() </Python>

two_col_22444

Characteristic<|>Total assets in billion euros<&>2020<|>1508.3<&>2019<|>1522.7<&>2018<|>1459.3<&>2017<|>1444.3<&>2016<|>1339.1<&>2015<|>1340.3<&>2014<|>1266.3<&>2013<|>1134.1<&>2012<|>1269.6<&>2011<|>1251.5<&>2010<|>1217.5<&>2009<|>1110.5<&>2008<|>1049.6<&>2007<|>912.9<&>2006<|>833.9<&>2005<|>809.1<&>2004<|>664.5<&>2003<|>351.8<&>2002<|>324.2<&>2001<|>358.1

v_bar

<title>Tổng tài sản tính bằng tỷ euro</title> <x_label>Năm</x_label> <y_label>Tổng tài sản (tỷ euro)</y_label> <table> Năm <col> Tổng tài sản (tỷ euro) <row> 2020 <col> 1.508,3 <row> 2019 <col> 1.522,7 <row> 2018 <col> 1.459,3 <row> 2017 <col> 1.444,3 <row> 2016 <col> 1.339,1 <row> 2015 <col> 1.340,3 <row> 2014 <col> 1.266,3 <row> 2013 <col> 1.134,1 <row> 2012 <col> 1.269,6 <row> 2011 <col> 1.251,5 <row> 2010 <col> 1.217,5 <row> 2009 <col> 1.110,5 <row> 2008 <col> 1.049,6 <row> 2007 <col> 912,9 <row> 2006 <col> 833,9 <row> 2005 <col> 809,1 <row> 2004 <col> 664,5 <row> 2003 <col> 351,8 <row> 2002 <col> 324,2 <row> 2001 <col> 358,1 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = np.arange(2001, 2021, 1) y = [300, 350, 700, 800, 650, 675, 950, 1000, 1100, 1200, 1250, 1150, 1050, 950, 850, 825, 800, 675, 375, 350, 375] # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.plot(x, y) # Set the x-axis label ax.set_xlabel("Năm") # Set the y-axis label ax.set_ylabel("Tổng tài sản (tỷ euro)") # Set the title ax.set_title("Tổng tài sản tính bằng tỷ euro") # Show the plot plt.show() </Python>

two_col_4860

Characteristic<|>Reach<&>The New York Times<|>26%<&>CNN<|>25%<&>FOX News<|>22%<&>The Washington Post<|>21%<&>Business Insider<|>20%<&>USA Today<|>19%<&>The Huffington Post<|>19%<&>MSN News<|>18%<&>CBS News<|>16%<&>Forbes<|>14%

h_bar

<title> Tỷ lệ tiếp cận của các trang báo mạng tin tức </title> <x_label> Tỷ lệ tiếp cận </x_label> <y_label> Trang báo mạng tin tức </y_label> <table> Tờ báo <col> Tỷ lệ tiếp cận <row> The New York Times <col> 26% <row> CNN <col> 25% <row> FOX News <col> 22% <row> The Washington Post <col> 21% <row> Business Insider <col> 20% <row> USA Today <col> 19% <row> The Huffington Post <col> 19% <row> MSN News <col> 18% <row> CBS News <col> 16% <row> Forbes <col> 14% </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt data = pd.read_csv('data.csv') # Vẽ biểu đồ plt.barh(data['Tờ báo'], data['Tỷ lệ tiếp cận']) plt.xlabel('Tỷ lệ tiếp cận') plt.ylabel('Tờ báo') plt.title('Tỷ lệ tiếp cận của các trang báo mạng tin tức') plt.show() </Python>

two_col_62164

Characteristic<|>Average usual weekly hours<&>2019<|>39.5<&>2018<|>39.5<&>2017<|>39.5<&>2016<|>39.6<&>2015<|>39.6<&>2014<|>39.9<&>2013<|>39.6<&>2012<|>39.4<&>2011<|>39.4<&>2010<|>39.1<&>2009<|>39.0<&>2008<|>39.0<&>2007<|>39.0<&>2006<|>39.1<&>2005<|>39.1<&>2004<|>39.0<&>2003<|>39.1<&>2002<|>39.3<&>2001<|>39.3<&>2000<|>39.3

line

<title>Số giờ trung bình làm việc trong tuần</title> <x_label>Năm</x_label> <y_label>Số giờ trung bình làm việc trong tuần</y_label> <table>Đặc điểm <col> Số giờ trung bình làm việc trong tuần <row> 2019 <col> 39,5 <row> 2018 <col> 39,5 <row> 2017 <col> 39,5 <row> 2016 <col> 39,6 <row> 2015 <col> 39,6 <row> 2014 <col> 39,9 <row> 2013 <col> 39,6 <row> 2012 <col> 39,4 <row> 2011 <col> 39,4 <row> 2010 <col> 39,1 <row> 2009 <col> 39,0 <row> 2008 <col> 39,0 <row> 2007 <col> 39,0 <row> 2006 <col> 39,1 <row> 2005 <col> 39,1 <row> 2004 <col> 39,0 <row> 2003 <col> 39,1 <row> 2002 <col> 39,3 <row> 2001 <col> 39,3 <row> 2000 <col> 39,3</table> <Python>import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Đặc điểm'] df['Số giờ trung bình làm việc trong tuần'] = df['Số giờ trung bình làm việc trong tuần'].astype(float) # Vẽ biểu đồ plt.plot(df['Năm'], df['Số giờ trung bình làm việc trong tuần']) plt.xlabel('Năm') plt.ylabel('Số giờ trung bình làm việc trong tuần') plt.title('Số giờ trung bình làm việc trong tuần') plt.show()</Python>

OECD_IMPORT_CONTENT_OF_EXPORTS_CHL_HRV_PER_VNM_ZAF_000020

Country<|>2005<|>2006<|>2007<|>2008<&>Chile<|>17.69<|>15.15<|>16.11<|>19.41<&>Croatia<|>22.31<|>22.39<|>22.71<|>21.81<&>Peru<|>13.32<|>13.6<|>13.33<|>14.96<&>Viet Nam<|>36.08<|>38.07<|>40.83<|>41.51<&>South Africa<|>17.78<|>19.69<|>20.58<|>24.33

line

<title>Hàm lượng xuất khẩu theo quốc gia, 2005 - 2008</title> <x_label>Năm</x_label> <y_label>% tổng kim ngạch xuất khẩu</y_label> <table> Quốc gia <col> 2005 <col> 2006 <col> 2007 <col> 2008 <row> Chile <col> 17,69 <col> 15,15 <col> 16,11 <col> 19,41 <row> Croatia <col> 22,31 <col> 22,39 <col> 22,71 <col> 21,81 <row> Peru <col> 13,32 <col> 13,6 <col> 13,33 <col> 14,96 <row> Việt Nam <col> 36,08 <col> 38,07 <col> 40,83 <col> 41,51 <row> Nam Phi <col> 17,78 <col> 19,69 <col> 20,58 <col> 24,33</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df.set_index('Country', inplace=True) # Vẽ biểu đồ df.plot(kind='line') plt.title('Hàm lượng xuất khẩu theo quốc gia, 2005 - 2008') plt.xlabel('Năm') plt.ylabel('% tổng kim ngạch xuất khẩu') plt.show() </Python>

multi_col_20283

Characteristic<|>Year to April 2014<|>Year to April 2019<&>Superstores and hypermarkets<|>73.7<|>70.8<&>Convenience<|>37.4<|>49.0<&>Small supermarkets*<|>35.5<|>35.7<&>Discounters**<|>10.8<|>21.4<&>Online<|>7.7<|>16.9<&>Other retailers***<|>9.4<|>9.3

v_bar

<title> Thị phần siêu thị Anh quốc năm 2014 và 2019 tính theo tỷ lệ phần trăm </title> <x_label> Năm tính đến tháng 4 </x_label> <y_label> Thị phần (%) </y_label> <table> Loại hình siêu thị <col> Năm tính đến tháng 4 năm 2014 <col> Năm tính đến tháng 4 năm 2019 <row> Siêu thị và đại siêu thị <col> 73,7 <col> 70,8 <row> Cửa hàng tiện lợi <col> 37,4 <col> 49,0 <row> Siêu thị nhỏ* <col> 35,5 <col> 35,7 <row> Cửa hàng giảm giá** <col> 10,8 <col> 21,4 <row> Trực tuyến <col> 7,7 <col> 16,9 <row> Các nhà bán lẻ khác*** <col> 9,4 <col> 9,3 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Siêu thị và đại siêu thị', 'Cửa hàng tiện lợi', 'Siêu thị nhỏ', 'Cửa hàng giảm giá', 'Trực tuyến', 'Các nhà bán lẻ khác'] y1 = [73.7, 37.4, 35.5, 10.8, 7.7, 9.4] y2 = [70.8, 49.0, 35.7, 21.4, 16.9, 9.3] # Create the figure and axes fig, ax = plt.subplots() # Create the bar chart ax.bar(x, y1, color='blue') ax.bar(x, y2, bottom=y1, color='navy') # Set the title and labels ax.set_title('Thị phần siêu thị Anh quốc năm 2014 và 2019 tính theo tỷ lệ phần trăm') ax.set_xlabel('Năm tính đến tháng 4') ax.set_ylabel('Thị phần (%)') # Show the plot plt.show() </Python>

two_col_3164

Characteristic<|>Number of aircraft orders<&>Ryanair<|>75<&>Virgin Australia Airlines<|>25<&>Unidentified<|>25<&>All Nippon Airways<|>12<&>DHL Aviation Americas<|>8<&>BDS U.S. Navy (P-8A Poseidon)<|>8<&>Government of Korea<|>6<&>Oman Air<|>4<&>BDS New Zealand P-8<|>4<&>FedEx Express<|>4<&>Air Lease Corporation<|>3<&>EVA Air<|>3<&>Enter Air Sp. z o.o.<|>2<&>China Cargo<|>2<&>BDS Japan International Tanker<|>2<&>UPS<|>1

h_bar

<title>Số lượng đơn đặt hàng máy bay</title> <x_label>Số lượng đơn đặt hàng máy bay</x_label> <y_label>Hãng hàng không</y_label> <table> Hãng hàng không <col> Số lượng đơn đặt hàng máy bay <row> Ryanair <col> 75 <row> Virgin Australia Airlines <col> 25 <row> Chưa xác định <col> 25 <row> All Nippon Airways <col> 12 <row> DHL Aviation Americas <col> 8 <row> BDS U.S. Navy (P-8A Poseidon) <col> 8 <row> Chính phủ Hàn Quốc <col> 6 <row> Oman Air <col> 4 <row> BDS New Zealand P-8 <col> 4 <row> FedEx Express <col> 4 <row> Air Lease Corporation <col> 3 <row> EVA Air <col> 3 <row> Enter Air Sp. z o.o. <col> 2 <row> China Cargo <col> 2 <row> BDS Japan International Tanker <col> 2 <row> UPS <col> 1</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Hãng hàng không', y='Số lượng đơn đặt hàng máy bay') # Hiển thị biểu đồ plt.show() </Python>

two_col_41675

Characteristic<|>Net worth in million U.S. dollars<&>John F. Kennedy<|>1000<&>George Washington<|>525<&>Thomas Jefferson<|>212<&>Theodore Roosevelt<|>125<&>Andrew Jackson<|>119<&>James Madison<|>101<&>Lyndon Johnson<|>98<&>Herbert Hoover<|>75<&>Franklin Delano Roosevelt<|>60<&>Bill Clinton<|>38

h_bar

<title> Giá trị tài sản ròng của một số tổng thống Hoa Kỳ tính bằng triệu đô la Mỹ </title> <x_label> Tên Tổng thống </x_label> <y_label> Giá trị tài sản ròng (triệu đô la Mỹ) </y_label> <table> Tổng thống <col> Giá trị tài sản ròng (triệu đô la Mỹ) <row> John F. Kennedy <col> 1.000 <row> George Washington <col> 525 <row> Thomas Jefferson <col> 212 <row> Theodore Roosevelt <col> 125 <row> Andrew Jackson <col> 119 <row> James Madison <col> 101 <row> Lyndon Johnson <col> 98 <row> Herbert Hoover <col> 75 <row> Franklin Delano Roosevelt <col> 60 <row> Bill Clinton <col> 38 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Tổng thống', y='Giá trị tài sản ròng (triệu đô la Mỹ)', figsize=(10, 5)) # Hiển thị biểu đồ plt.show() </Python>

two_col_101852

Characteristic<|>Number of adoptions<&>Canada<|>24<&>Netherlands<|>17<&>Mexico<|>6<&>Ireland<|>5<&>United Kingdom<|>2<&>Switzerland<|>1<&>Belgium<|>1

v_bar

<title>Số lượng áp dụng</title> <x_label>Quốc gia</x_label> <y_label>Số lượng áp dụng</y_label> <table> Quốc gia <col> Số lượng áp dụng <row> Canada <col> 24 <row> Hà Lan <col> 17 <row> Mexico <col> 6 <row> Ireland <col> 5 <row> Vương quốc Anh <col> 2 <row> Thụy sĩ <col> 1 <row> Bỉ <col> 1</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng data = pd.read_csv('data.csv') # Trích xuất các giá trị x và y x = data['Quốc gia'] y = data['Số lượng áp dụng'] # Tạo biểu đồ plt.bar(x, y) # Đặt nhãn cho các trục plt.xlabel('Quốc gia') plt.ylabel('Số lượng áp dụng') # Hiển thị biểu đồ plt.show() </Python>

two_col_24624

Characteristic<|>Inflation rate compared to previous year<&>2026*<|>2.6%<&>2025*<|>2.6%<&>2024*<|>2.4%<&>2023*<|>2.1%<&>2022*<|>2.7%<&>2021*<|>-2.5%<&>2020<|>1.48%<&>2019<|>2.2%<&>2018<|>3.67%<&>2017<|>1.3%<&>2016<|>0.13%<&>2015<|>1.92%<&>2014<|>-1.24%<&>2013<|>-0.21%<&>2012<|>6.19%<&>2011<|>2.88%<&>2010<|>-0.2%<&>2009<|>14.64%<&>2008<|>6.27%<&>2007<|>4.48%<&>2006<|>3.23%<&>2005<|>7.82%<&>2004<|>7.85%<&>2003<|>4.37%<&>2002<|>7.43%<&>2001<|>1.89%<&>2000<|>-0.17%<&>1999<|>0.37%<&>1998<|>5.4%<&>1997<|>6.9%<&>1996<|>5.42%<&>1995<|>-2.93%<&>1994<|>12.09%<&>1993<|>1.71%<&>1992<|>9.03%<&>1991<|>-1.82%<&>1990<|>8.48%<&>1989<|>12.25%<&>1988<|>3.19%<&>1987<|>11.16%<&>1986<|>2.68%

line

<title>Lạm phát qua các năm</title> <x_label>Năm</x_label> <y_label>Tỷ lệ lạm phát so với năm trước (%)</y_label> <table> Năm <col> Tỷ lệ lạm phát so với năm trước (%) <row> 2026* <col> 2,6% <row> 2025* <col> 2,6% <row> 2024* <col> 2,4% <row> 2023* <col> 2,1% <row> 2022* <col> 2,7% <row> 2021* <col> -2,5% <row> 2020 <col> 1,48% <row> 2019 <col> 2,2% <row> 2018 <col> 3,67% <row> 2017 <col> 1,3% <row> 2016 <col> 0,13% <row> 2015 <col> 1,92% <row> 2014 <col> -1,24% <row> 2013 <col> -0,21% <row> 2012 <col> 6,19% <row> 2011 <col> 2,88% <row> 2010 <col> -0,2% <row> 2009 <col> 14,64% <row> 2008 <col> 6,27% <row> 2007 <col> 4,48% <row> 2006 <col> 3,23% <row> 2005 <col> 7,82% <row> 2004 <col> 7,85% <row> 2003 <col> 4,37% <row> 2002 <col> 7,43% <row> 2001 <col> 1,89% <row> 2000 <col> -0,17% <row> 1999 <col> 0,37% <row> 1998 <col> 5,4% <row> 1997 <col> 6,9% <row> 1996 <col> 5,42% <row> 1995 <col> -2,93% <row> 1994 <col> 12,09% <row> 1993 <col> 1,71% <row> 1992 <col> 9,03% <row> 1991 <col> -1,82% <row> 1990 <col> 8,48% <row> 1989 <col> 12,25% <row> 1988 <col> 3,19% <row> 1987 <col> 11,16% <row> 1986 <col> 2,68% </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Tỷ lệ lạm phát so với năm trước (%)'] = df['Tỷ lệ lạm phát so với năm trước (%)'].astype(float) # Vẽ biểu đồ plt.plot(df['Năm'], df['Tỷ lệ lạm phát so với năm trước (%)']) plt.xlabel('Năm') plt.ylabel('Tỷ lệ lạm phát so với năm trước (%)') plt.title('Lạm phát qua các năm') plt.show() </Python>

two_col_102691

Characteristic<|>Annual turnover in million euros<&>2014<|>3843.0<&>2013<|>4092.7<&>2012<|>4575.2<&>2011<|>4895.9<&>2010<|>5093.1<&>2009<|>5206.7<&>2008*<|>5798.7

v_bar

<title> Doanh thu hàng năm (triệu euro) </title> <x_label> Năm </x_label> <y_label> Doanh thu hàng năm (triệu euro) </y_label> <table> Năm <col> Doanh thu hàng năm (triệu euro) <row> 2014 <col> 3 843 <row> 2013 <col> 4 092,7 <row> 2012 <col> 4 575,2 <row> 2011 <col> 4 895,9 <row> 2010 <col> 5 093,1 <row> 2009 <col> 5 206,7 <row> 2008 <col> 5 798,7 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2008', '2009', '2010', '2011', '2012', '2013', '2014'] y = [5798.7, 5206.7, 5093.1, 4895.9, 4575.2, 4092.7, 3843] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Doanh thu hàng năm (triệu euro)") # Set the title plt.title("Doanh thu hàng năm (triệu euro)") # Show the plot plt.show() </Python>

two_col_24412

Characteristic<|>Number of sold Jaguar I-Pace cars<&>2021*<|>12<&>2020<|>466<&>2019<|>770<&>2018<|>3526

v_bar

<title>Số lượng xe Jaguar I-Pace đã bán</title> <x_label>Năm</x_label> <y_label>Số lượng xe đã bán</y_label> <table> Năm <col> Số lượng xe đã bán <row> 2018 <col> 3526 <row> 2019 <col> 770 <row> 2020 <col> 466 <row> 2021* <col> 12 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2018', '2019', '2020', '2021*'] y = [3526, 770, 466, 12] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel('Năm') # Set the y-axis label plt.ylabel('Số lượng xe đã bán') # Set the title plt.title('Số lượng xe Jaguar I-Pace đã bán') # Show the plot plt.show() </Python>

two_col_61972

Characteristic<|>Number of visits in millions<&>Q2 2020*<|>0.4<&>Q1 2020<|>6.99<&>Q4 2019<|>10.3<&>Q3 2019<|>11.86<&>Q2 2019<|>10.36<&>Q1 2019<|>8.33<&>Q4 2018<|>9.68<&>Q3 2018<|>11.54<&>Q2 2018<|>10.52<&>Q1 2018<|>8.55<&>Q4 2017<|>9.32<&>Q3 2017<|>11.9<&>Q2 2017<|>11.01<&>Q1 2017<|>8.85<&>Q4 2016<|>9.9<&>Q3 2016<|>10.89<&>Q2 2016<|>10.14<&>Q1 2016<|>8.2<&>Q4 2015<|>8.75<&>Q3 2015<|>10.51<&>Q2 2015<|>9.99<&>Q1 2015<|>7.54

v_bar

multi_col_60426

Characteristic<|>Imports<|>Exports<&>2019<|>35.9<|>41.2<&>2018<|>39.1<|>42.3<&>2017<|>38.3<|>41.7<&>2016<|>36.7<|>38.8<&>2015<|>37.6<|>42.6<&>2014<|>37.3<|>44.1<&>2013<|>39.8<|>48.6<&>2012<|>45.5<|>46.8<&>2011<|>48.5<|>42.6<&>2010<|>40.5<|>37.4<&>2009*<|>31.7<|>25.1<&>2008<|>48.3<|>33.4

v_bar

<title> Nhập khẩu và xuất khẩu (tỷ euro) </title> <x_label> Năm </x_label> <y_label> Giá trị (tỷ euro) </y_label> <table> Năm <col> Nhập khẩu <col> Xuất khẩu <row> 2019 <col> 48,3 <col> 42,2 <row> 2018 <col> 47,1 <col> 39,8 <row> 2017 <col> 46,6 <col> 41,7 <row> 2016 <col> 45,5 <col> 38,8 <row> 2015 <col> 44,9 <col> 42,6 <row> 2014 <col> 44,4 <col> 44,1 <row> 2013 <col> 48,6 <col> 48 <row> 2012 <col> 55,2 <col> 46,8 <row> 2011 <col> 51,6 <col> 42,6 <row> 2010 <col> 49,2 <col> 37,4 <row> 2009 <col> 36,9 <col> 25,1 <row> 2008 <col> 55,5 <col> 33,4 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data years = [2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019] imports = [48.3, 36.9, 40.5, 48.5, 55.2, 48.6, 44.4, 44.9, 45.5, 46.6, 47.1, 48.3] exports = [33.4, 25.1, 37.4, 42.6, 46.8, 48.0, 44.1, 42.6, 38.8, 41.7, 39.8, 42.2] # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.plot(years, imports, label="Imports") ax.plot(years, exports, label="Exports") # Set the labels ax.set_xlabel("Năm") ax.set_ylabel("Giá trị (tỷ euro)") ax.set_title("Nhập khẩu và xuất khẩu (tỷ euro)") # Show the legend ax.legend() # Show the plot plt.show() </Python>

two_col_41750

Characteristic<|>Share in total import<&>China<|>31%<&>India<|>15%<&>Singpore<|>5%

v_bar

<title> Không có </title> <x_label> Không có </x_label> <y_label> Tỷ lệ trong tổng nhập khẩu </y_label> <table> Quốc gia <col> Tỷ lệ trong tổng nhập khẩu <row> Trung Quốc <col> 31% <row> Ấn Độ <col> 15% <row> Singapore <col> 5% </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data countries = ['Trung Quốc', 'Ấn Độ', 'Singapore'] import_shares = [31, 15, 5] # Create the bar chart plt.bar(countries, import_shares) plt.ylabel('Tỷ lệ trong tổng nhập khẩu') plt.title('Biểu đồ thể hiện tỷ lệ trong tổng nhập khẩu của Trung Quốc, Ấn Độ và Singapore') plt.show() </Python>

2291

Entity<|>Confidence<|>No confidence<|>Don 't know<&>Xi Jinping<|>28<|>43<|>23<&>Donald Trump<|>29<|>64<|>0<&>Vladim ir Putin<|>33<|>57<|>8<&>Emmanue Macron<|>41<|>36<|>19<&>Angela Merkel<|>46<|>29<|>12

h_bar

<title> Trump nhận được nhiều đánh giá tiêu cực nhất trong số năm nhà lãnh đạo thế giới </title> <x_label> % những người tin rằng mỗi nhà lãnh đạo sẽ làm đúng trong vấn đề thế giới </x_label> <y_label> Không có </y_label> <table> Lãnh đạo <col> Tự tin <col> Không tự tin <col> Không biết <row> Angela Merkel <col> 46 <col> 29 <col> 12 <row> Emmanuel Macron <col> 41 <col> 36 <col> 19 <row> Vladimir Putin <col> 33 <col> 57 <col> 8 <row> Donald Trump <col> 29 <col> 64 <col> 7 <row> Tập Cận Bình <col> 28 <col> 43 <col> 23 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Tạo biểu đồ df.plot.barh(x='Lãnh đạo', y=['Tự tin', 'Không tự tin', 'Không biết'], stacked=True) plt.xlabel('% những người tin rằng mỗi nhà lãnh đạo sẽ làm đúng trong vấn đề thế giới') plt.ylabel('Lãnh đạo') plt.title('Trump nhận được nhiều đánh giá tiêu cực nhất trong số năm nhà lãnh đạo thế giới') # Hiển thị biểu đồ plt.show() </Python>

two_col_80797

Characteristic<|>Gross cost in million U.S. dollars<&>2021<|>751.38<&>2020<|>752.11<&>2019<|>748.3<&>2018<|>724.24<&>2017<|>708.69<&>2016<|>686.09<&>2015<|>686.15<&>2014<|>652.97<&>2013<|>637.65<&>2012<|>656.78<&>2011<|>634.16<&>2010<|>621.53<&>2009<|>604.18<&>2008<|>586.62<&>2007<|>556.83<&>2006<|>540.93<&>2005<|>512.97<&>2004<|>500.12<&>2003<|>512.97<&>2002<|>500.12<&>2001<|>498.77<&>2000<|>478.09

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Tổng chi phí (triệu đô la Mỹ) </y_label> <table> Năm <col> Tổng chi phí (triệu đô la Mỹ) <row> 2021 <col> 751,38 <row> 2020 <col> 752,11 <row> 2019 <col> 748,3 <row> 2018 <col> 724,24 <row> 2017 <col> 708,69 <row> 2016 <col> 686,09 <row> 2015 <col> 686,15 <row> 2014 <col> 652,97 <row> 2013 <col> 637,65 <row> 2012 <col> 656,78 <row> 2011 <col> 634,16 <row> 2010 <col> 621,53 <row> 2009 <col> 604,18 <row> 2008 <col> 586,62 <row> 2007 <col> 556,83 <row> 2006 <col> 540,93 <row> 2005 <col> 512,97 <row> 2004 <col> 500,12 <row> 2003 <col> 512,97 <row> 2002 <col> 500,12 <row> 2001 <col> 498,77 <row> 2000 <col> 478,09</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('bang_tieng_viet.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Tổng chi phí (triệu đô la Mỹ)'] = df['Tổng chi phí (triệu đô la Mỹ)'].astype(float) # Vẽ biểu đồ plt.figure(figsize=(15, 8)) plt.bar(df['Năm'], df['Tổng chi phí (triệu đô la Mỹ)']) plt.xlabel('Năm') plt.ylabel('Tổng chi phí (triệu đô la Mỹ)') plt.title('Tổng chi phí sản xuất phim qua các năm') plt.show() </Python>

two_col_23265

Characteristic<|>Child per woman<&>2010<|>1.39<&>2011<|>1.39<&>2012<|>1.41<&>2013<|>1.42<&>2014<|>1.47<&>2015<|>1.5<&>2016<|>1.6<&>2017<|>1.57<&>2018<|>1.57<&>2019<|>1.54<&>2020<|>1.61

h_bar

<title>Số con trung bình của một phụ nữ</title> <x_label>Năm</x_label> <y_label>Số con trung bình của một phụ nữ</y_label> <table> Năm <col> Số con trung bình của một phụ nữ <row> 2010 <col> 1,39 <row> 2011 <col> 1,39 <row> 2012 <col> 1,41 <row> 2013 <col> 1,42 <row> 2014 <col> 1,47 <row> 2015 <col> 1,5 <row> 2016 <col> 1,6 <row> 2017 <col> 1,57 <row> 2018 <col> 1,57 <row> 2019 <col> 1,54 <row> 2020 <col> 1,61 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Số con trung bình của một phụ nữ'] = df['Số con trung bình của một phụ nữ'].astype(float) # Vẽ biểu đồ plt.figure(figsize=(15, 10)) plt.bar(df['Năm'], df['Số con trung bình của một phụ nữ']) plt.xlabel('Năm') plt.ylabel('Số con trung bình của một phụ nữ') plt.title('Số con trung bình của một phụ nữ') plt.show() </Python>

two_col_83218

Characteristic<|>Growth in cruise passengers<&>Australia<|>20%<&>Germany<|>9%<&>France<|>9%<&>North America<|>3%<&>United Kingdom and Ireland<|>1%

h_bar

<title>Tăng trưởng lượng khách du ngoạn</title> <x_label>Quốc gia</x_label> <y_label>Tỷ lệ tăng trưởng (%)</y_label> <table> Quốc gia <col> Tỷ lệ tăng trưởng (%) <row> Úc <col> 20 <row> Đức <col> 9 <row> Pháp <col> 9 <row> Bắc Mỹ <col> 3 <row> Vương quốc Anh và Ireland <col> 1 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Quốc gia', y='Tỷ lệ tăng trưởng (%)') # Hiển thị biểu đồ plt.show() </Python>

two_col_20456

Characteristic<|>Percentage of GDP<&>2018/19<|>85.2%<&>2017/18<|>85.3%<&>2016/17<|>86.5%<&>2015/16<|>86.4%<&>2014/15<|>86.5%<&>2013/14<|>85.5%<&>2012/13<|>83.3%<&>2011/12<|>81.8%<&>2010/11<|>75.6%<&>2009/10<|>69.6%<&>2008/09<|>52.6%<&>2007/08<|>40.9%<&>2006/07<|>40%<&>2005/06<|>39.2%<&>2004/05<|>38%<&>2003/04<|>35.5%<&>2002/03<|>33.8%<&>2001/02<|>33.7%<&>2001/01<|>35.2%

line

<title> Tỷ lệ phần trăm GDP </title> <x_label> Năm </x_label> <y_label> Tỷ lệ phần trăm GDP </y_label> <table> Năm <col> Tỷ lệ phần trăm GDP <row> 2018/19 <col> 85,2% <row> 2017/18 <col> 85,3% <row> 2016/17 <col> 86,5% <row> 2015/16 <col> 86,4% <row> 2014/15 <col> 86,5% <row> 2013/14 <col> 85,5% <row> 2012/13 <col> 83,3% <row> 2011/12 <col> 81,8% <row> 2010/11 <col> 75,6% <row> 2009/10 <col> 69,6% <row> 2008/09 <col> 52,6% <row> 2007/08 <col> 40,9% <row> 2006/07 <col> 40% <row> 2005/06 <col> 39,2% <row> 2004/05 <col> 38% <row> 2003/04 <col> 35,5% <row> 2002/03 <col> 33,8% <row> 2001/02 <col> 33,7% <row> 2001/01 <col> 35,2% </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Thiết lập trục x và trục y plt.xlabel('Năm') plt.ylabel('Tỷ lệ phần trăm GDP') # Vẽ biểu đồ plt.plot(df['Năm'], df['Tỷ lệ phần trăm GDP']) # Hiển thị biểu đồ plt.show() </Python>

two_col_101727

Characteristic<|>Cost in million Russian rubles<&>2019<|>452<&>2018<|>615<&>2017<|>509

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Chi phí (triệu rúp Nga) </y_label> <table> Năm <col> Chi phí (triệu rúp Nga) <row> 2017 <col> 509 <row> 2018 <col> 615 <row> 2019 <col> 452 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data years = [2017, 2018, 2019] costs = [509, 615, 452] # Create the bar chart plt.bar(years, costs) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Chi phí (triệu rúp Nga)") # Set the title plt.title("Chi phí sản xuất phim tại Nga qua các năm") # Show the plot plt.show() </Python>

two_col_500

Characteristic<|>Average player salary in million U.S. dollars<&>Bayern Munich<|>8.12<&>Borussia Dortmund<|>4.97<&>Bayer Leverkusen<|>3.19<&>RB Leipzig<|>2.42<&>Wolfsburg<|>2.41<&>Schalke<|>2.19<&>Borussia Monchengladbach<|>1.92<&>Hoffenheim<|>1.7<&>Werder Bremen<|>1.57<&>Eintracht Frankfurt<|>1.54<&>Hertha Berlin<|>1.3<&>FC Koln<|>1.22<&>Augsburg<|>1.02<&>Mainz<|>0.85<&>Fortuna Dusseldorf<|>0.76<&>SC Freiburg<|>0.73<&>Union Berlin<|>0.68<&>Paderborn<|>0.42

h_bar

<title>Lương trung bình của cầu thủ (triệu đô la Mỹ)</title> <x_label>Câu lạc bộ</x_label> <y_label>Lương trung bình (triệu đô la Mỹ)</y_label> <table> Câu lạc bộ <col> Lương trung bình (triệu đô la Mỹ) <row> Bayern Munich <col> 8,12 <row> Borussia Dortmund <col> 4,97 <row> Bayer Leverkusen <col> 3,19 <row> RB Leipzig <col> 2,42 <row> Wolfsburg <col> 2,41 <row> Schalke <col> 2,19 <row> Borussia Monchengladbach <col> 1,92 <row> Hoffenheim <col> 1,7 <row> Werder Bremen <col> 1,57 <row> Eintracht Frankfurt <col> 1,54 <row> Hertha Berlin <col> 1,3 <row> FC Koln <col> 1,22 <row> Augsburg <col> 1,02 <row> Mainz <col> 0,85 <row> Fortuna Dusseldorf <col> 0,76 <row> SC Freiburg <col> 0,73 <row> Union Berlin <col> 0,68 <row> Paderborn <col> 0,42 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('bang_tieng_anh.csv') # Vẽ biểu đồ df.plot.barh(x='Câu lạc bộ', y='Lương trung bình (triệu đô la Mỹ)', figsize=(15, 10)) plt.title('Lương trung bình của cầu thủ (triệu đô la Mỹ)') plt.xlabel('Câu lạc bộ') plt.ylabel('Lương trung bình (triệu đô la Mỹ)') plt.show() </Python>

two_col_61706

Characteristic<|>Sales volume in thousand kilograms<&>2019<|>84183<&>2018<|>97481<&>2017<|>96012<&>2016<|>121953<&>2015<|>110093<&>2014<|>114360<&>2013<|>81160<&>2012<|>70693<&>2011<|>99173<&>2010<|>123628<&>2009<|>117226<&>2008<|>118467

v_bar

<title> Không có </title> <x_label> Năm </x_label> <y_label> Doanh số (tấn) </y_label> <table> Năm <col> Doanh số (tấn) <row> 2019 <col> 84.183 <row> 2018 <col> 97.481 <row> 2017 <col> 96.012 <row> 2016 <col> 121.953 <row> 2015 <col> 110.093 <row> 2014 <col> 114.360 <row> 2013 <col> 81.160 <row> 2012 <col> 70.693 <row> 2011 <col> 99.173 <row> 2010 <col> 123.628 <row> 2009 <col> 117.226 <row> 2008 <col> 118.467 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2008','2009','2010','2011','2012','2013','2014','2015','2016','2017','2018','2019'] y = [118467, 117226, 123628, 99173, 70693, 81160, 114360, 110093, 121953, 96012, 97481, 84183] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Doanh số (tấn)") # Set the title plt.title("Biểu đồ doanh số") # Show the plot plt.show() </Python>

two_col_4341

Characteristic<|>Number of runs scored<&>Steven Smith (Australia)<|>774<&>Ben Stokes (England)<|>441<&>Rory Burns (England)<|>390<&>Marnus Labuschagne (Australia)<|>353<&>Matthew Wade (Australia)<|>337<&>Joe Root (England)<|>325<&>Joe Denly (England)<|>312<&>Jos Buttler (England)<|>247<&>Jonny Bairstow (England)<|>214<&>Travis Head (Australia)<|>191

h_bar

<title>Số lần chạy ghi được</title> <x_label>Tên cầu thủ</x_label> <y_label>Số lần chạy ghi được</y_label> <table>Cầu thủ <col> Số lần chạy ghi được <row> Steven Smith (Úc) <col> 774 <row> Ben Stokes (Anh) <col> 441 <row> Rory Burns (Anh) <col> 390 <row> Marnus Labuschagne (Úc) <col> 353 <row> Matthew Wade (Úc) <col> 337 <row> Joe Root (Anh) <col> 325 <row> Joe Denly (Anh) <col> 312 <row> Jos Buttler (Anh) <col> 247 <row> Jonny Bairstow (Anh) <col> 214 <row> Travis Head (Úc) <col> 191</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Cầu thủ', y='Số lần chạy ghi được') # Hiển thị biểu đồ plt.show() </Python>

two_col_82355

Characteristic<|>Exchange rate in Indonesian rupiahs<&>2019<|>10321<&>2018<|>10603<&>2017<|>10134<&>2016<|>9299<&>2015<|>9751<&>2014<|>9422<&>2013<|>9628<&>2012<|>7907<&>2011<|>6974<&>2010<|>6981<&>2009<|>6699

line

<title> Tỷ giá hối đoái rupiah Indonesia </title> <x_label> Năm </x_label> <y_label> Tỷ giá hối đoái (rupiah Indonesia) </y_label> <table> Năm <col> Tỷ giá hối đoái (rupiah Indonesia) <row> 2019 <col> 10.321 <row> 2018 <col> 10.603 <row> 2017 <col> 10.134 <row> 2016 <col> 9.299 <row> 2015 <col> 9.751 <row> 2014 <col> 9.422 <row> 2013 <col> 9.628 <row> 2012 <col> 7.907 <row> 2011 <col> 6.974 <row> 2010 <col> 6.981 <row> 2009 <col> 6.699 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Thiết lập trục x và trục y plt.xlabel('Năm') plt.ylabel('Tỷ giá hối đoái (rupiah Indonesia)') # Vẽ biểu đồ plt.plot(df['Năm'], df['Tỷ giá hối đoái (rupiah Indonesia)']) # Hiển thị biểu đồ plt.show() </Python>

two_col_1772

Characteristic<|>Number of users in millions<&>2025*<|>5.09<&>2024*<|>5.04<&>2023*<|>4.99<&>2022*<|>4.94<&>2021*<|>4.88<&>2020*<|>4.82<&>2019<|>4.74<&>2018<|>4.66<&>2017<|>4.57

v_bar

<title>Số lượng người dùng (triệu)</title> <x_label>Năm</x_label> <y_label>Số lượng người dùng (triệu)</y_label> <table>Năm <col> Số lượng người dùng (triệu) <row> 2017 <col> 4,57 <row> 2018 <col> 4,66 <row> 2019 <col> 4,74 <row> 2020 <col> 4,82 <row> 2021 <col> 4,88 <row> 2022 <col> 4,94 <row> 2023 <col> 4,99 <row> 2024 <col> 5,04 <row> 2025 <col> 5,09</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = np.arange(2017, 2026) y = [4.57, 4.66, 4.74, 4.82, 4.88, 4.94, 4.99, 5.04, 5.09] # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.bar(x, y) # Set the axis labels ax.set_xlabel("Năm") ax.set_ylabel("Số lượng người dùng (triệu)") # Set the title ax.set_title("Số lượng người dùng (triệu)") # Show the plot plt.show() </Python>

two_col_104218

Characteristic<|>Annual production value in million euros<&>2018<|>67459.6<&>2017<|>66096.4<&>2016<|>66213.7<&>2015<|>68078.4<&>2014<|>60629.2<&>2013<|>59342.7<&>2012<|>57842.7<&>2011<|>54999.5<&>2010*<|>46325.8

v_bar

<title> Giá trị sản xuất hàng năm (triệu euro) </title> <x_label> Năm </x_label> <y_label> Không có </y_label> <table> Năm <col> Giá trị sản xuất hàng năm (triệu euro) <row> 2018 <col> 67.459,6 <row> 2017 <col> 66.096,4 <row> 2016 <col> 66.213,7 <row> 2015 <col> 68.078,4 <row> 2014 <col> 60.629,2 <row> 2013 <col> 59.342,7 <row> 2012 <col> 57.842,7 <row> 2011 <col> 54.999,5 <row> 2010* <col> 46.325,8 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2010*', '2011', '2012', '2013', '2014', '2015', '2016', '2017', '2018'] y = [46325.8, 54999.5, 57842.7, 59342.7, 60629.2, 68078.4, 66213.7, 66096.4, 67459.6] # Create the bar chart plt.bar(x, y) # Set the title and axis labels plt.title('Giá trị sản xuất hàng năm (triệu euro)') plt.xlabel('Năm') plt.ylabel('Giá trị sản xuất hàng năm (triệu euro)') # Show the plot plt.show() </Python>

two_col_740

Characteristic<|>Revenue in million U.S. dollars<&>Coin Master<|>61.02<&>Garena Free Fire- World Series<|>38.56<&>PUBG MOBILE - KARAKIN<|>37.76<&>Brawl Stars<|>24.57<&>State of Survival: The Walking Dead Collaboration<|>24.52<&>Clash of Clans<|>23.8<&>Lords Mobile: Kingdom Wars<|>23.7<&>Lineage 2M<|>23.11<&>Lineage M<|>22.62<&>Roblox<|>22.07

h_bar

<title> Không có </title> <x_label> Doanh thu (triệu đô la Mỹ) </x_label> <y_label> Không có </y_label> <table> Ứng dụng <col> Doanh thu (triệu đô la Mỹ) <row> Coin Master <col> 61,02 <row> Garena Free Fire- World Series <col> 38,56 <row> PUBG MOBILE - KARAKIN <col> 37,76 <row> Brawl Stars <col> 24,57 <row> State of Survival: The Walking Dead Collaboration <col> 24,52 <row> Clash of Clans <col> 23,8 <row> Lords Mobile: Kingdom Wars <col> 23,7 <row> Lineage 2M <col> 23,11 <row> Lineage M <col> 22,62 <row> Roblox <col> 22,07</table> <Python> Kết quả code </Python>

two_col_102985

Characteristic<|>Growth rate of HICP<&>Jan '19*<|>1.2%<&>Dec '18<|>1.3%<&>Nov '18<|>1.4%<&>Oct '18<|>1.7%<&>Sep '18<|>1.4%<&>Aug '18<|>1.4%<&>Jul '18<|>1.4%<&>Jun '18<|>1.2%<&>May '18<|>1%<&>Apr '18<|>0.8%<&>Mar '18<|>0.9%<&>Feb '18<|>0.6%

line

<title>Tỷ lệ tăng trưởng của HICP</title> <x_label>Thời gian (tháng)</x_label> <y_label>Tỷ lệ tăng trưởng (%)</y_label> <table> Tháng <col> Tỷ lệ tăng trưởng của HICP <row> Tháng 1 năm 2019* <col> 1,2% <row> Tháng 12 năm 2018 <col> 1,3% <row> Tháng 11 năm 2018 <col> 1,4% <row> Tháng 10 năm 2018 <col> 1,7% <row> Tháng 9 năm 2018 <col> 1,4% <row> Tháng 8 năm 2018 <col> 1,4% <row> Tháng 7 năm 2018 <col> 1,4% <row> Tháng 6 năm 2018 <col> 1,2% <row> Tháng 5 năm 2018 <col> 1% <row> Tháng 4 năm 2018 <col> 0,8% <row> Tháng 3 năm 2018 <col> 0,9% <row> Tháng 2 năm 2018 <col> 0,6%</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Tháng'] = df['Characteristic'] df['Tỷ lệ tăng trưởng của HICP'] = df['Growth rate of HICP'] # Vẽ biểu đồ df.plot(x='Tháng', y='Tỷ lệ tăng trưởng của HICP', kind='line') plt.title('Tỷ lệ tăng trưởng của HICP') plt.xlabel('Thời gian (tháng)') plt.ylabel('Tỷ lệ tăng trưởng (%)') plt.show() </Python>

two_col_1876

Characteristic<|>Million euros<&>2020<|>9855<&>2019<|>12293<&>2018<|>11363<&>2017<|>10703<&>2016<|>9100<&>2015<|>8168<&>2014<|>6924<&>2013<|>7001<&>2012<|>7103<&>2011<|>6329<&>2010<|>5730<&>2009<|>4712<&>2008<|>5256<&>2007<|>4882<&>2006<|>4495<&>2005<|>3197<&>2004<|>2813<&>2003<|>2814<&>2002<|>2819<&>2001<|>2601<&>2000<|>2528

v_bar

<title> Doanh thu phòng vé qua các năm (triệu euro) </title> <x_label> Năm </x_label> <y_label> Doanh thu (triệu euro) </y_label> <table> Năm <col> Doanh thu (triệu euro) <row> 2000 <col> 2.528 <row> 2001 <col> 2.602 <row> 2002 <col> 2.812 <row> 2003 <col> 2.813 <row> 2004 <col> 3.197 <row> 2005 <col> 4.495 <row> 2006 <col> 4.882 <row> 2007 <col> 5.256 <row> 2008 <col> 4.712 <row> 2009 <col> 5.370 <row> 2010 <col> 5.730 <row> 2011 <col> 6.329 <row> 2012 <col> 7.103 <row> 2013 <col> 7.096 <row> 2014 <col> 6.924 <row> 2015 <col> 8.168 <row> 2016 <col> 9.100 <row> 2017 <col> 10.703 <row> 2018 <col> 11.363 <row> 2019 <col> 12.293 <row> 2020 <col> 9.855 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('box_office.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Characteristic'] df['Doanh thu (triệu euro)'] = df['Million euros'] # Vẽ biểu đồ df.plot(x='Năm', y='Doanh thu (triệu euro)', kind='bar') plt.title('Doanh thu phòng vé qua các năm (triệu euro)') plt.xlabel('Năm') plt.ylabel('Doanh thu (triệu euro)') plt.show() </Python>

two_col_102391

Characteristic<|>Number of cars<&>2019<|>961<&>2018<|>1749<&>2017<|>1866<&>2016<|>3739<&>2015<|>2521<&>2014<|>2933<&>2013<|>2911<&>2012<|>3140<&>2011<|>3292<&>2010<|>3298

v_bar

<title>Số lượng xe ô tô</title> <x_label>Năm</x_label> <y_label>Số lượng xe</y_label> <table>Năm <col> Số lượng xe <row> 2019 <col> 961 <row> 2018 <col> 1749 <row> 2017 <col> 1866 <row> 2016 <col> 3739 <row> 2015 <col> 2521 <row> 2014 <col> 2933 <row> 2013 <col> 2911 <row> 2012 <col> 3140 <row> 2011 <col> 3292 <row> 2010 <col> 3298</table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2010', '2011', '2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019'] y = [3298, 3292, 3140, 2911, 2933, 2521, 3739, 1866, 1749, 961] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Số lượng xe") # Set the title plt.title("Số lượng xe ô tô") # Show the plot plt.show() </Python>

two_col_5422

Characteristic<|>Number of home runs<&>Mark McGwire<|>363<&>Jimmie Foxx<|>302<&>Reggie Jackson<|>269<&>Jose Canseco<|>254<&>Bob Johnson<|>252<&>Eric Chavez<|>230<&>Al Simmons<|>209<&>Jason Giambi<|>198<&>Sal Bando<|>192<&>Gus Zernial<|>191

h_bar

<title>Số lần về đến home run</title> <x_label>Số lần về đến home run</x_label> <y_label>Cầu thủ</y_label> <table>Cầu thủ <col> Số lần về đến home run <row> Mark McGwire <col> 363 <row> Jimmie Foxx <col> 302 <row> Reggie Jackson <col> 269 <row> Jose Canseco <col> 254 <row> Bob Johnson <col> 252 <row> Eric Chavez <col> 230 <row> Al Simmons <col> 209 <row> Jason Giambi <col> 198 <row> Sal Bando <col> 192 <row> Gus Zernial <col> 191</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ plt.barh(df['Cầu thủ'], df['Số lần về đến home run']) plt.xlabel('Số lần về đến home run') plt.ylabel('Cầu thủ') plt.title('Số lần về đến home run') plt.show() </Python>

two_col_5183

Characteristic<|>Number of new charters<&>2019<|>13<&>2018<|>7<&>2017<|>5<&>2016<|>0<&>2015<|>1<&>2014<|>0<&>2013<|>1<&>2012<|>0<&>2011<|>0<&>2010<|>5<&>2009<|>24<&>2008<|>90<&>2007<|>175<&>2006<|>178<&>2005<|>167<&>2004<|>120<&>2003<|>110<&>2002<|>90<&>2001<|>125<&>2000<|>188

v_bar

<title>Số lượng các nhân vật mới</title> <x_label>Năm</x_label> <y_label>Số lượng</y_label> <table> Năm <col> Số lượng <row> 2019 <col> 13 <row> 2018 <col> 7 <row> 2017 <col> 5 <row> 2016 <col> 0 <row> 2015 <col> 1 <row> 2014 <col> 0 <row> 2013 <col> 1 <row> 2012 <col> 0 <row> 2011 <col> 0 <row> 2010 <col> 5 <row> 2009 <col> 24 <row> 2008 <col> 90 <row> 2007 <col> 175 <row> 2006 <col> 178 <row> 2005 <col> 167 <row> 2004 <col> 120 <row> 2003 <col> 110 <row> 2002 <col> 90 <row> 2001 <col> 125 <row> 2000 <col> 188 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Năm'] = df['Năm'].astype(int) df['Số lượng'] = df['Số lượng'].astype(int) # Vẽ biểu đồ plt.bar(df['Năm'], df['Số lượng']) plt.xlabel('Năm') plt.ylabel('Số lượng') plt.title('Số lượng các nhân vật mới') plt.show() </Python>

two_col_104660

Characteristic<|>Number of suspected cases<&>Lombardy<|>23791<&>Campania<|>22143<&>Lazio<|>15153<&>Emilia-Romagna<|>10846<&>Sicily<|>8092<&>Piedmont<|>7718<&>Tuscany<|>7127<&>Veneto<|>6799<&>Apulia<|>5660<&>Calabria<|>3817<&>Liguria<|>3109<&>Marche<|>2508<&>Abruzzo<|>1939<&>Friuli-Venezia Giulia<|>1437<&>Umbria<|>1200<&>Trentino-South Tyrol<|>1029<&>Sardinia<|>867<&>Basilicata<|>708<&>Molise<|>585<&>Aosta Valley<|>124

h_bar

<title>Số ca nhiễm Covid-19 tại các vùng của Ý tính đến ngày 21 tháng 3 năm 2020</title> <x_label>Số ca nhiễm</x_label> <y_label>Vùng</y_label> <table> Vùng <col> Số ca nhiễm <row> Lombardy <col> 23.791 <row> Campania <col> 22.143 <row> Lazio <col> 15.153 <row> Emilia-Romagna <col> 10.846 <row> Sicilia <col> 8.092 <row> Piedmont <col> 7.718 <row> Tuscany <col> 6.797 <row> Veneto <col> 5.660 <row> Apulia <col> 5.660 <row> Calabria <col> 3.817 <row> Liguria <col> 3.109 <row> Marche <col> 2.508 <row> Abruzzo <col> 1.939 <row> Friuli-Venezia Giulia <col> 1.437 <row> Umbria <col> 1.200 <row> Trentino-South Tyrol <col> 1.029 <row> Sardinia <col> 867 <row> Basilicata <col> 708 <row> Molise <col> 585 <row> Aosta Valley <col> 124 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ file csv df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot(x='Vùng', y='Số ca nhiễm', kind='barh', figsize=(15, 10)) # Hiển thị biểu đồ plt.show() </Python>

10243

Year<|>Russia confidence in U.S. president<|>U.S. confidence in Putin<&>2003<|>0<|>0<&>2005<|>0<|>33<&>2007<|>18<|>30<&>2009<|>0<|>0<&>2011<|>0<|>0<&>2013<|>36<|>28<&>2015<|>0<|>21

line

<title>Sự tin tưởng của người Mỹ đối với Putin khá thấp</title> <x_label>Năm</x_label> <y_label>Sự tin tưởng (%)</y_label> <table> Năm <col> Sự tin tưởng của người Nga vào tổng thống Hoa Kỳ <col> Sự tin tưởng của người Mỹ vào Putin <row> 2003 <col> 8 <col> 41 <row> 2005 <col> 28 <col> 33 <row> 2007 <col> 30 <col> 18 <row> 2009 <col> 0 <col> 22 <row> 2011 <col> 0 <col> 41 <row> 2013 <col> 36 <col> 28 <row> 2015 <col> 16 <col> 21 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Vẽ biểu đồ plt.plot(df['Năm'], df['Sự tin tưởng của người Nga vào tổng thống Hoa Kỳ'], label='Sự tin tưởng của người Nga vào tổng thống Hoa Kỳ') plt.plot(df['Năm'], df['Sự tin tưởng của người Mỹ vào Putin'], label='Sự tin tưởng của người Mỹ vào Putin') # Thiết lập nhãn cho các trục plt.xlabel('Năm') plt.ylabel('Sự tin tưởng (%)') # Thêm tiêu đề cho biểu đồ plt.title('Sự tin tưởng của người Mỹ đối với Putin khá thấp') # Hiển thị biểu đồ plt.show() </Python>

two_col_22170

Characteristic<|>Total consumption in million kilograms<&>2019<|>162.2<&>2018<|>164.9<&>2017<|>162.4<&>2016<|>164.1<&>2015<|>165.5<&>2014<|>163.6<&>2013<|>165.3<&>2012<|>158.7<&>2011<|>151.5<&>2010<|>150.54<&>2009<|>147.44<&>2008<|>143.6

line

<title> Tổng lượng tiêu thụ (triệu kg) </title> <x_label> Năm </x_label> <y_label> Không có </y_label> <table> Năm <col> Tổng lượng tiêu thụ (triệu kg) <row> 2019 <col> 162,2 <row> 2018 <col> 164,9 <row> 2017 <col> 162,4 <row> 2016 <col> 164,1 <row> 2015 <col> 165,5 <row> 2014 <col> 163,6 <row> 2013 <col> 165,3 <row> 2012 <col> 158,7 <row> 2011 <col> 151,5 <row> 2010 <col> 150,54 <row> 2009 <col> 147,44 <row> 2008 <col> 143,6 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = np.arange(2008, 2020, 1) y = [143.6, 147.44, 150.54, 151.5, 158.7, 165.3, 163.6, 165.5, 164.1, 162.4, 164.9, 162.2] # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.plot(x, y) # Set the x-axis label ax.set_xlabel("Năm") # Set the y-axis label ax.set_ylabel("Tổng lượng tiêu thụ (triệu kg)") # Set the title ax.set_title("Tổng lượng tiêu thụ (triệu kg)") # Show the plot plt.show() </Python>

10096

Entity<|>Unfavorable<|>Favorable<&>50+ 64<|>nan<|>27.0<&>30-49<|>51.0<|>nan<&>18-29<|>39.0<|>55.0<&>Democrat<|>50.0<|>nan<&>Independent<|>51.0<|>42.0<&>Republican<|>63.0<|>27.0<&>TOTAL<|>54.0<|>38.0

h_bar

<title> Người Cộng hòa và người Mỹ lớn tuổi có cái nhìn tiêu cực hơn về Trung Quốc </title> <x_label> Không có </x_label> <y_label> Không có </y_label> <table> Nhóm <col> Không ủng hộ <col> Ủng hộ <row> Tổng thể <col> 54% <col> 38% <row> Cộng hòa <col> 63% <col> 27% <row> Dân chủ <col> 50% <col> 42% <row> Độc lập <col> 51% <col> 42% <row> 18 - 29 tuổi <col> 39% <col> 55% <row> 30 - 49 tuổi <col> 51% <col> 41% <row> 50 - 64 tuổi <col> 64% <col> 27%</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Tạo biểu đồ df.plot.barh(x='Entity', y=['Unfavorable', 'Favorable']) plt.xlabel("Không có") plt.ylabel("Không có") plt.title("Người Cộng hòa và người Mỹ lớn tuổi có cái nhìn tiêu cực hơn về Trung Quốc") plt.show() </Python>

12020

Year<|>Less important powerful and role than 10 years ago<|>More important and powerful role than 10 years ago<|>As important and powerful role as 10 years ago<&>1974<|>0<|>28<|>0<&>1984<|>25<|>0<|>0<&>1994<|>0<|>0<|>0<&>2004<|>20<|>0<|>31<&>2014<|>48<|>0<|>0

line

<title> Gần một nửa số người nói rằng Hoa Kỳ ít quan trọng hơn với tư cách là một nhà lãnh đạo thế giới so với một thập kỷ trước </title> <x_label> Năm </x_label> <y_label> % nói rằng vai trò của Hoa Kỳ là một nhà lãnh đạo thế giới là... </y_label> <table> Năm <col> Ít quan trọng và có ảnh hưởng hơn so với 10 năm trước <col> Quan trọng hơn và có ảnh hưởng hơn so với 10 năm trước <col> Vai trò quan trọng và có ảnh hưởng như 10 năm trước <row> 1974 <col> 28 <col> 39 <col> 27 <row> 1984 <col> 25 <col> 44 <col> 27 <row> 1994 <col> 33 <col> 28 <col> 31 <row> 2004 <col> 20 <col> 45 <col> 31 <row> 2014 <col> 48 <col> 15 <col> 34 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = [1974, 1984, 1994, 2004, 2014] y1 = [28, 25, 33, 20, 48] y2 = [39, 44, 28, 45, 15] y3 = [27, 27, 31, 31, 34] # Create the figure and axes fig, ax = plt.subplots() # Plot the data ax.plot(x, y1, color='blue') ax.plot(x, y2, color='red') ax.plot(x, y3, color='green') # Set the x-axis label ax.set_xlabel('Năm') # Set the y-axis label ax.set_ylabel('% nói rằng vai trò của Hoa Kỳ là một nhà lãnh đạo thế giới là...') # Set the title ax.set_title('Gần một nửa số người nói rằng Hoa Kỳ ít quan trọng hơn với tư cách là một nhà lãnh đạo thế giới so với một thập kỷ trước') # Show the plot plt.show() </Python>

OECD_EMPLOYMENT_RATE_PRT_USA_000093

Country<|>1978<|>1980<|>1982<|>1984<|>1986<|>1988<|>1990<|>1992<&>United States<|>67.09882<|>67.18594<|>65.76852<|>68.13399<|>69.68153<|>71.64634<|>72.19167<|>70.80585

line

<title>Tỷ lệ thất nghiệp, tổng số dân số trong độ tuổi lao động, 1978 - 1993</title> <x_label>Năm</x_label> <y_label>Tỷ lệ thất nghiệp (%)</y_label> <table> Quốc gia <col> 1978 <col> 1980 <col> 1982 <col> 1984 <col> 1986 <col> 1988 <col> 1990 <col> 1992 <row> Hoa Kỳ <col> 67,09882 <col> 67,18594 <col> 65,76852 <col> 68,13399 <col> 69,68153 <col> 71,64634 <col> 72,19167 <col> 70,80585</table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh data = pd.read_csv('unemployment.csv') # Chuẩn bị dữ liệu data['Year'] = data['Year'].astype(int) data = data.set_index('Year') # Vẽ biểu đồ data.plot() plt.title('Tỷ lệ thất nghiệp, tổng số dân số trong độ tuổi lao động, 1978 - 1993') plt.xlabel('Năm') plt.ylabel('Tỷ lệ thất nghiệp (%)') plt.show() </Python>

multi_col_1040

Characteristic<|>Biopharma<|>Upjohn<|>Consumer Healthcare<&>2017<|>35530<|>13447<|>3472<&>2018<|>37558<|>12484<|>3605<&>2019<|>39419<|>10233<|>2098

v_bar

<title> Doanh thu theo mảng kinh doanh (triệu đô la Mỹ) </title> <x_label> Năm </x_label> <y_label> Doanh thu (triệu đô la Mỹ) </y_label> <table> Năm <col> Biopharma <col> Upjohn <col> Consumer Healthcare <row> 2017 <col> 35.530 <col> 13.447 <col> 3.472 <row> 2018 <col> 37.558 <col> 12.484 <col> 3.605 <row> 2019 <col> 39.419 <col> 10.233 <col> 2.098 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2017', '2018', '2019'] y1 = [35530, 37558, 39419] y2 = [13447, 12484, 10233] y3 = [3472, 3605, 2098] # Create the figure and axes fig, ax = plt.subplots() # Create the bar chart ax.bar(x, y1, color='blue', label='Biopharma') ax.bar(x, y2, color='orange', label='Upjohn') ax.bar(x, y3, color='green', label='Consumer Healthcare') # Set the title and labels ax.set_title('Doanh thu theo mảng kinh doanh (triệu đô la Mỹ)') ax.set_xlabel('Năm') ax.set_ylabel('Doanh thu (triệu đô la Mỹ)') # Show the legend ax.legend() # Show the plot plt.show() </Python>

OECD_FOREST_RESOURCES_CHL_CZE_HUN_LUX_TUR_000015

Country<|>Forest resources<&>Hungary<|>7.1<&>Czech Republic<|>16.8

v_bar

<title> Không có </title> <x_label> Quốc gia </x_label> <y_label> Tài nguyên rừng (triệu m3) </y_label> <table> Quốc gia <col> Tài nguyên rừng (triệu m3) <row> Hungary <col> 7,1 <row> Cộng hòa Séc <col> 16,8 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data countries = ['Hungary', 'Czech Republic'] forest_resources = [7.1, 16.8] # Create the bar chart plt.bar(countries, forest_resources, color ='maroon', width = 0.4) # Set the title and labels plt.title('Forest Resources') plt.xlabel('Country') plt.ylabel('Forest Resources (million m3)') # Display the chart plt.show() </Python>

two_col_22580

Characteristic<|>Exports in billion U.S. dollars<&>Canada<|>21.7<&>Mexico<|>21.2<&>China<|>10.1<&>Brazil<|>7.4<&>Japan<|>6.1<&>South Korea<|>6.0<&>Netherlands<|>5.0<&>India<|>4.4<&>Singapore<|>3.2<&>Germany<|>3.1

h_bar

<title> Không có </title> <x_label> Không có </x_label> <y_label> Xuất khẩu (tỷ đô la Mỹ) </y_label> <table> Quốc gia <col> Xuất khẩu (tỷ đô la Mỹ) <row> Canada <col> 21,7 <row> Mexico <col> 21,2 <row> Trung Quốc <col> 10,1 <row> Brazil <col> 7,4 <row> Nhật Bản <col> 6,1 <row> Hàn Quốc <col> 6,0 <row> Hà Lan <col> 5,0 <row> Ấn Độ <col> 4,4 <row> Singapore <col> 3,2 <row> Đức <col> 3,1 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Việt df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot.barh(x='Quốc gia', y='Xuất khẩu (tỷ đô la Mỹ)', figsize=(15, 10)) # Hiển thị biểu đồ plt.show() </Python>

two_col_41074

Characteristic<|>Share of respondents<&>2019<|>15.7%<&>2017<|>14.9%<&>2015<|>15.5%<&>2013<|>14.8%<&>2011<|>16.2%

v_bar

<title> Tỷ lệ người được hỏi </title> <x_label> Năm </x_label> <y_label> Tỷ lệ người được hỏi (%) </y_label> <table> Năm <col> Tỷ lệ người được hỏi (%) <row> 2011 <col> 16,2 <row> 2013 <col> 14,8 <row> 2015 <col> 15,5 <row> 2017 <col> 14,9 <row> 2019 <col> 15,7 </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['2011', '2013', '2015', '2017', '2019'] y = [16.2, 14.8, 15.5, 14.9, 15.7] # Create the bar chart plt.bar(x, y) # Set the x-axis label plt.xlabel("Năm") # Set the y-axis label plt.ylabel("Tỷ lệ người được hỏi (%)") # Set the title plt.title("Tỷ lệ người được hỏi") # Show the plot plt.show() </Python>

two_col_43865

Characteristic<|>Simple average house price in GBP<&>2020<|>288000<&>2019<|>271000<&>2018<|>268000<&>2017<|>265000<&>2016<|>260000<&>2015<|>252000<&>2014<|>244000<&>2013<|>226000<&>2012<|>221000<&>2011<|>221000<&>2010<|>233000<&>2009<|>216000<&>2008<|>231000<&>2007<|>237000<&>2006<|>219000<&>2005<|>203000<&>2004<|>189000<&>2003<|>164000<&>2002<|>138000<&>2001<|>113000<&>2000<|>103000

v_bar

<title> Giá nhà trung bình theo năm </title> <x_label> Năm </x_label> <y_label> Giá nhà trung bình (bảng Anh) </y_label> <table> Năm <col> Giá nhà trung bình (bảng Anh) <row> 2020 <col> 288.000 <row> 2019 <col> 271.000 <row> 2018 <col> 268.000 <row> 2017 <col> 265.000 <row> 2016 <col> 260.000 <row> 2015 <col> 252.000 <row> 2014 <col> 244.000 <row> 2013 <col> 226.000 <row> 2012 <col> 221.000 <row> 2011 <col> 221.000 <row> 2010 <col> 233.000 <row> 2009 <col> 216.000 <row> 2008 <col> 231.000 <row> 2007 <col> 237.000 <row> 2006 <col> 219.000 <row> 2005 <col> 203.000 <row> 2004 <col> 189.000 <row> 2003 <col> 164.000 <row> 2002 <col> 138.000 <row> 2001 <col> 113.000 <row> 2000 <col> 103.000 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh data = pd.read_csv('data.csv') # Chuẩn bị dữ liệu data['Năm'] = data['Năm'].astype(int) data['Giá nhà trung bình (bảng Anh)'] = data['Giá nhà trung bình (bảng Anh)'].astype(int) # Vẽ biểu đồ plt.figure(figsize=(15, 8)) plt.bar(data['Năm'], data['Giá nhà trung bình (bảng Anh)']) plt.xlabel('Năm') plt.ylabel('Giá nhà trung bình (bảng Anh)') plt.title('Giá nhà trung bình theo năm') plt.show() </Python>

5566

Entity<|>Not atall confident<|>Not too confident<|>Somewhat confident<|>Very confident<&>Social media sites they use<|>24.0<|>27.0<|>38.0<|>0<&>The federal government<|>28.0<|>21.0<|>37.0<|>12<&>Companies/retatiers they do business with<|>15.0<|>21.0<|>46.0<|>14<&>Their email providers<|>nan<|>nan<|>46.0<|>20<&>Their cellphone service providers<|>1515.0<|>15.0<|>nan<|>21<&>Their credit card companies<|>1515.0<|>15.0<|>42.0<|>27<&>Their cellphone manufacturers<|>39.0<|>13.0<|>43.0<|>27

h_bar

<title> Gần một nửa người Mỹ không tin tưởng các trang mạng xã hội hoặc chính phủ liên bang có khả năng bảo vệ dữ liệu của họ. </title> <x_label> Không có </x_label> <y_label> % người dùng internet người Mỹ trưởng thành (xem chú thích bên dưới) ____ khả năng của các tổ chức sau trong việc bảo vệ dữ liệu của họ. </y_label> <table> Thực thể <col> Không tự tin lắm <col> Không quá tự tin <col> Có phần tự tin <col> Rất tự tin <row> Các trang mạng xã hội mà họ sử dụng <col> 24.0 <col> 27.0 <col> 38.0 <col> 0 <row> Chính phủ liên bang <col> 28.0 <col> 21.0 <col> 37.0 <col> 12 <row> Các công ty/nhà bán lẻ mà họ giao dịch <col> 15.0 <col> 21.0 <col> 46.0 <col> 14 <row> Nhà cung cấp dịch vụ email của họ <col> nan <col> nan <col> 46.0 <col> 20 <row> Nhà cung cấp dịch vụ điện thoại di động của họ <col> 1515.0 <col> 15.0 <col> nan <col> 21 <row> Công ty phát hành thẻ tín dụng của họ <col> 1515.0 <col> 15.0 <col> 42.0 <col> 27 <row> Nhà sản xuất điện thoại di động của họ <col> 39.0 <col> 13.0 <col> 43.0 <col> 27 </table> <Python> import pandas as pd import matplotlib.pyplot as plt # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Vẽ biểu đồ df.plot(x='Thực thể', y=['Không tự tin lắm', 'Không quá tự tin', 'Có phần tự tin', 'Rất tự tin'], kind='bar') plt.xlabel('Thực thể') plt.ylabel('% người dùng internet người Mỹ trưởng thành (xem chú thích bên dưới) ____ khả năng của các tổ chức sau trong việc bảo vệ dữ liệu của họ.') plt.title('Gần một nửa người Mỹ không tin tưởng các trang mạng xã hội hoặc chính phủ liên bang có khả năng bảo vệ dữ liệu của họ.') plt.show() </Python>

two_col_41875

Characteristic<|>Total trend (change)<&>Inflammatory conditions<|>17.1%<&>Oncology<|>10.8%<&>HIV<|>8.1%<&>Multiple sclerosis<|>-7.4%

v_bar

<title> Tổng xu hướng (thay đổi) </title> <x_label> Không có </x_label> <y_label> Xu hướng chung (thay đổi %) </y_label> <table> Bệnh <col> Tổng xu hướng (thay đổi %) <row> Tình trạng viêm <col> 17,1% <row> Ung thư <col> 10,8% <row> HIV <col> 8,1% <row> Xơ cứng rải rác <col> -7,4% </table> <Python> import matplotlib.pyplot as plt import numpy as np # Create the data x = ['Tình trạng viêm', 'Ung thư', 'HIV', 'Xơ cứng rải rác'] y = [17.1, 10.8, 8.1, -7.4] # Create the bar chart plt.bar(x, y) # Set the title and labels plt.title('Tổng xu hướng (thay đổi)') plt.xlabel('Bệnh') plt.ylabel('Xu hướng chung (thay đổi %)') # Show the plot plt.show() </Python>

OECD_TOTAL_OFFICIAL_AND_PRIVATE_FLOWS_CZE_ITA_LTU_NLD_USA_000058

Country<|>Total official and private flows<&>Netherlands<|>2.7<&>Italy<|>3.2<&>United States<|>30.4

v_bar

<title> Tổng dòng tiền chính thức và tư nhân, 1961 (triệu đô la Mỹ)</title> <x_label> Quốc gia</x_label> <y_label> Tổng dòng tiền chính thức và tư nhân (triệu đô la Mỹ)</y_label> <table> Quốc gia <col> Tổng dòng tiền chính thức và tư nhân (triệu đô la Mỹ) <row> Hà Lan <col> 2,7 <row> Ý <col> 3,2 <row> Hoa Kỳ <col> 30,4 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Quốc gia'] = df['Country'] df['Dòng tiền'] = df['Total official and private flows'] # Vẽ biểu đồ df.plot(x='Quốc gia', y='Dòng tiền', kind='bar') plt.title('Tổng dòng tiền chính thức và tư nhân, 1961 (triệu đô la Mỹ)') plt.xlabel('Quốc gia') plt.ylabel('Tổng dòng tiền chính thức và tư nhân (triệu đô la Mỹ)') plt.show() </Python>

two_col_1124

Characteristic<|>Average attendance<&>FC Bayern München<|>57353<&>Borussia Dortmund<|>57297<&>FC Schalke 04<|>46681<&>Hertha BSC<|>37689<&>Borussia Mönchengladbach<|>36087<&>Eintracht Frankfurt<|>35406<&>1. FC Köln<|>35094<&>Fortuna Düsseldorf<|>30581<&>RB Leipzig<|>28819<&>Werder Bremen<|>26413<&>Bayer 04 Leverkusen<|>21236<&>1. FSV Mainz 05<|>20697<&>TSG 1899 Hoffenheim<|>20449<&>FC Augsburg<|>20265<&>VfL Wolfsburg<|>18621<&>SC Freiburg<|>16888<&>1. FC Union Berlin<|>15440<&>SC Paderborn 07<|>11038

h_bar

<title>Số lượng khán giả trung bình của các câu lạc bộ bóng đá Đức</title> <x_label>Số lượng khán giả trung bình </x_label> <y_label>Câu lạc bộ</y_label> <table>Câu lạc bộ <col> Số lượng khán giả trung bình <row> Bayern Munich <col> 57.353 <row> Borussia Dortmund <col> 57.297 <row> Schalke 04 <col> 46.681 <row> Hertha BSC <col> 37.689 <row> Borussia Mönchengladbach <col> 36.087 <row> Eintracht Frankfurt <col> 35.406 <row> 1. FC Köln <col> 35.094 <row> Fortuna Düsseldorf <col> 30.581 <row> RB Leipzig <col> 28.819 <row> Werder Bremen <col> 26.413 <row> Bayer Leverkusen <col> 21.236 <row> 1. FSV Mainz 05 <col> 20.697 <row> TSG 1899 Hoffenheim <col> 20.449 <row> FC Augsburg <col> 20.265 <row> VfL Wolfsburg <col> 18.621 <row> SC Freiburg <col> 16.888 <row> 1. FC Union Berlin <col> 15.440 <row> SC Paderborn 07 <col> 11.038 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ file csv df = pd.read_csv('data.csv') # Chuẩn bị dữ liệu df['Số lượng khán giả trung bình'] = df['Số lượng khán giả trung bình'].astype(int) # Tạo biểu đồ df.plot(x='Câu lạc bộ', y='Số lượng khán giả trung bình', kind='barh', figsize=(15, 10)) # Thiết lập nhãn cho các trục plt.xlabel("Số lượng khán giả trung bình") plt.ylabel("Câu lạc bộ") # Hiển thị biểu đồ plt.show() </Python>

two_col_21744

Characteristic<|>Number of disasters<&>2019<|>573<&>2018<|>441<&>2017<|>458<&>2016<|>505<&>2015<|>626<&>2014<|>823<&>2013<|>870<&>2012<|>886<&>2011<|>717<&>2010<|>1013<&>2009<|>815<&>2008<|>874

v_bar

<title>Số lượng thảm họa thiên nhiên</title> <x_label>Năm</x_label> <y_label>Số lượng thảm họa</y_label> <table>Năm <col> Số lượng thảm họa <row> 2019 <col> 573 <row> 2018 <col> 441 <row> 2017 <col> 458 <row> 2016 <col> 505 <row> 2015 <col> 626 <row> 2014 <col> 823 <row> 2013 <col> 870 <row> 2012 <col> 886 <row> 2011 <col> 717 <row> 2010 <col> 1013 <row> 2009 <col> 815 <row> 2008 <col> 874</table> <Python>import matplotlib.pyplot as plt import numpy as np # Create the data x = np.arange(2008, 2020) y = [874, 815, 1013, 717, 886, 870, 823, 626, 505, 458, 441, 573] # Create the plot plt.bar(x, y) plt.xlabel("Năm") plt.ylabel("Số lượng thảm họa") plt.title("Số lượng thảm họa thiên nhiên") plt.show()</Python>

17063491001655

Country<|>Birth and Death Rates in China and how they were affected by the GreatLeap Forward Famine (1959-1961), China, 1980<&>China - Birth Rate<|>18.2<&>China - Death Rate<|>6.3

h_bar

<title> Tỷ lệ sinh và tử ở Trung Quốc và cách chúng bị ảnh hưởng bởi nạn đói Đại nhảy vọt (1959-1961), Trung Quốc, 1980 </title> <x_label> Trung Quốc - Tỷ lệ sinh </x_label> <y_label> Trung Quốc - Tỷ lệ tử </y_label> <table> Quốc gia <col> Tỷ lệ sinh và tử ở Trung Quốc và cách chúng bị ảnh hưởng bởi nạn đói Đại nhảy vọt (1959-1961), Trung Quốc, 1980 <row> Trung Quốc - Tỷ lệ sinh <col> 18,2 <row> Trung Quốc - Tỷ lệ tử <col> 6,3 </table> <Python> import matplotlib.pyplot as plt import pandas as pd # Đọc dữ liệu từ bảng tiếng Anh df = pd.read_csv('birth_and_death_rates_in_china.csv') # Trích xuất dữ liệu cho Trung Quốc china_df = df[df['Country'] == 'China'] # Vẽ biểu đồ china_df.plot(x='Year', y=['Birth Rate', 'Death Rate'], kind='bar') plt.title('Tỷ lệ sinh và tử ở Trung Quốc và cách chúng bị ảnh hưởng bởi nạn đói Đại nhảy vọt (1959-1961), Trung Quốc, 1980') plt.xlabel('Năm') plt.ylabel('Tỷ lệ (trên 1.000 người)') plt.show() </Python>