ชนิดข้อมูล

การทำความเข้าใจชนิดข้อมูลเป็นสิ่งสำคัญต่อการทำงานกับชุดข้อมูลอย่างมีประสิทธิภาพ ในบทเรียนนี้ เราจะสำรวจชนิดข้อมูลสำคัญสามชนิด ได้แก่ ข้อมูลเชิงตัวเลข ข้อมูลเชิงหมวดหมู่ และ ข้อมูลอนุกรมเวลา

ข้อมูลเชิงตัวเลข

ข้อมูลเชิงตัวเลขใช้แทนตัวเลขและอาจเป็น:

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

ตัวอย่าง: อายุ อุณหภูมิ และรายได้

ข้อมูลเชิงหมวดหมู่

ข้อมูลเชิงหมวดหมู่ใช้แทนกลุ่มหรือหมวดหมู่ โดยอาจเป็น:

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

ตัวอย่าง: เพศ ประเภทผลิตภัณฑ์ และระดับการศึกษา

ข้อมูลอนุกรมเวลา

ข้อมูลอนุกรมเวลาประกอบด้วยค่าที่บันทึกไว้ในช่วงเวลาต่าง ๆ และใช้สำหรับติดตามการเปลี่ยนแปลงหรือแนวโน้ม

ตัวอย่าง:

• ราคาหุ้นที่บันทึกเป็นรายวัน
• อุณหภูมิที่วัดเป็นรายชั่วโมง
• ปริมาณการเข้าชมเว็บไซต์ที่ติดตามเป็นรายสัปดาห์

การระบุชนิดข้อมูลในภาษาไพธอน

คุณสามารถใช้แอตทริบิวต์ dtypes ในแพนดาสเพื่อระบุชนิดข้อมูลของคอลัมน์ในชุดข้อมูลได้

ตัวอย่าง:

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

ความสำคัญของชนิดข้อมูล

การทราบชนิดข้อมูลช่วยให้คุณ:

• เลือกเทคนิคการวิเคราะห์ที่เหมาะสม
• เลือกวิธีการแสดงข้อมูลที่เหมาะสม
• ใช้วิธีการเตรียมข้อมูลล่วงหน้าที่เหมาะสม

การแปลงชนิดข้อมูล

ในภาษาไพธอน คุณสามารถแปลงชนิดข้อมูลโดยใช้ฟังก์ชันต่าง ๆ เช่น:

• astype() ในแพนดาส
• int(), float(), str() สำหรับค่าแต่ละค่า

ตัวอย่าง:

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

สรุปทบทวน

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• ข้อมูลเชิงตัวเลข: ค่าที่ไม่ต่อเนื่องและค่าที่ต่อเนื่อง
• ข้อมูลเชิงหมวดหมู่: หมวดหมู่แบบนามบัญญัติและแบบอันดับ
• ข้อมูลอนุกรมเวลา: ค่าที่ติดตามในช่วงเวลาต่าง ๆ

การทำความเข้าใจชนิดข้อมูลเป็นสิ่งสำคัญอย่างยิ่งต่อการวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพ

ขอแสดงความยินดี!

คุณเรียนจบบทเรียนเรื่องชนิดข้อมูลแล้ว โปรดเรียนบทถัดไปเพื่อเรียนรู้วิธีจัดการข้อมูลที่หายไปอย่างมีประสิทธิภาพ