ประเภทของข้อมูล

การทำความเข้าใจประเภทของข้อมูลเป็นสิ่งสำคัญสำหรับการทำงานกับชุดข้อมูลอย่างมีประสิทธิภาพ ในบทเรียนนี้ เราจะสำรวจข้อมูลสำคัญสามประเภท ได้แก่ เชิงตัวเลข, เชิงหมวดหมู่ และ อนุกรมเวลา

ข้อมูลเชิงตัวเลข

ข้อมูลเชิงตัวเลข แทนจำนวนและอาจเป็นได้ทั้ง:

• ไม่ต่อเนื่อง: จำนวนเต็ม เช่น 1, 2, 3
• ต่อเนื่อง: จำนวนที่มีทศนิยม เช่น 3.14, 7.89

ตัวอย่าง: อายุ อุณหภูมิ และรายได้

ข้อมูลเชิงหมวดหมู่

ข้อมูลเชิงหมวดหมู่ใช้แทนกลุ่มหรือประเภทต่าง ๆ โดยแบ่งได้เป็น:

• นามบัญญัติ: หมวดหมู่ที่ไม่มีลำดับเฉพาะ (เช่น สี: แดง น้ำเงิน เขียว)
• อันดับ: หมวดหมู่ที่มีลำดับความหมาย (เช่น ระดับ: ต่ำ ปานกลาง สูง)

ตัวอย่าง: เพศ ประเภทผลิตภัณฑ์ และระดับการศึกษา

ข้อมูลอนุกรมเวลา

ข้อมูลอนุกรมเวลา ประกอบด้วยค่าที่บันทึกไว้ในช่วงเวลาต่าง ๆ และใช้สำหรับติดตามการเปลี่ยนแปลงหรือแนวโน้ม

ตัวอย่าง:

• ราคาหุ้นที่บันทึกเป็นรายวัน
• อุณหภูมิที่วัดเป็นรายชั่วโมง
• ปริมาณการเข้าชมเว็บไซต์ที่ติดตามเป็นรายสัปดาห์

การระบุชนิดข้อมูลใน Python

คุณสามารถใช้แอตทริบิวต์ dtypes ใน Pandas เพื่อระบุชนิดข้อมูลของคอลัมน์ในชุดข้อมูลได้

ตัวอย่าง:

import pandas as pd data = {'Age': [25, 30], 'Gender': ['Male', 'Female']} df = pd.DataFrame(data) print(df.dtypes)

ความสำคัญของชนิดข้อมูล

การทราบชนิดของข้อมูลช่วยให้คุณ:

• เลือกเทคนิคการวิเคราะห์ที่เหมาะสม
• เลือกวิธีการแสดงข้อมูลเป็นภาพที่เหมาะสม
• ใช้เมธอดการเตรียมข้อมูลเบื้องต้นที่เหมาะสม

การแปลงชนิดข้อมูล

ใน Python คุณสามารถแปลงชนิดข้อมูลได้โดยใช้ฟังก์ชันต่าง ๆ เช่น:

• astype() ใน Pandas
• int(), float(), str() สำหรับค่าแต่ละค่า

ตัวอย่าง:

df['Age'] = df['Age'].astype(float)

ทบทวนบทเรียน

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• ข้อมูลเชิงตัวเลข: ค่าแบบไม่ต่อเนื่องและแบบต่อเนื่อง
• ข้อมูลเชิงหมวดหมู่: หมวดหมู่แบบนามบัญญัติและแบบอันดับ
• ข้อมูลอนุกรมเวลา: ค่าที่ติดตามตามช่วงเวลา

การทำความเข้าใจชนิดข้อมูลมีความสำคัญอย่างยิ่งต่อการวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพ

ยินดีด้วย!

คุณเรียนบทเรียนเรื่องชนิดของข้อมูลเสร็จสมบูรณ์แล้ว เรียนบทเรียนถัดไปต่อเพื่อเรียนรู้วิธีจัดการข้อมูลที่หายไปอย่างมีประสิทธิภาพ