Author: Shinin Varongchayakul

สรุป 10 คอนเซ็ปต์ทางสถิติที่คนทำงานสาย data ควรรู้ จาก 3 คอร์สเรียน stats แนะนำของ Google, DataCamp, และ DataRockie

Statistics เป็น 1 ใน 3 ทักษะที่สำคัญในการทำงานกับ data

(อีก 2 ทักษะ คือ programming และ domain expertise)

โดย statistics ช่วยให้เรา …

ค้นพบรูปแบบและความสัมพันธ์ในข้อมูล
วิเคราะห์และรับมือกับความไม่แน่นอน (uncertainty)
Get insights จาก data
ช่วยตัดสินใจเกี่ยวกับอนาคต
แก้ปัญหาที่ซับซ้อน

ในบทความนี้ เราจะมาดู 10 statistical concepts ที่คนทำงานสาย data ควรรู้กัน โดยสรุปเนื้อหาจาก 3 คอร์ส data analytics:

ถ้าพร้อมแล้ว มาเริ่มกันเลย

1️⃣ What Is Statistics?

👉 Statistics เป็นศาสตร์ของการเก็บรวบรวม (collect) และวิเคราะห์ (analyse) ข้อมูล

เมื่อเราต้องการศึกษา population หรือกลุ่มที่เราสนใจ (เช่น คนไทย) เราต้องเก็บข้อมูลและนำมาวิเคราะห์ เพื่อหาข้อสรุป

แต่เพราะเราไม่สามารถเก็บข้อมูลของ population ได้ทั้งหมด (เช่น เก็บข้อมูลจากคนไทยทั้งประเทศ) ทำให้เราต้องเลือกเก็บข้อมูลจาก sample หรือกลุ่มตัวอย่างที่เป็นตัวแทนของ population แทน

การที่เรามี population และ sample ทำให้เราแบ่ง statistics ได้เป็น 2 สาขา:

No.	Type	Description
1	Descriptive statistics	สรุปลักษณะของชุดข้อมูล (sample และ popilation)
2	Inferential statistics	อนุมานลักษณะของ population จากลักษณะของ sample

ตัวอย่างหัวข้อของ descriptive statistics:

Central tendency
Spread
Position

ตัวอย่างหัวข้อของ inferential statistics:

Confidence level
Significance level
Hypothesis testing

2️⃣ Central Tendency

👉 Central tendency คือ ค่ากลางของชุดข้อมูล และมี 3 ค่า ได้แก่:

No.	Measure	Definition
1	Mean	ค่าเฉลี่ย (average)
2	Median	ข้อมูลที่อยู่กลางชุดข้อมูล (middle value)
3	Mode	ข้อมูลที่เกิดขึ้นบ่อยที่สุดในชุดข้อมูล (most frequent value)

Note:

Central tendency ที่เรานิยมใช้ คือ mean
เราควรใช้ median ในกรณีที่ชุดข้อมูลมี outlier เพราะ mean มีความอ่อนไหวต่อ outlier
Mean และ median มีได้ 1 ค่า แต่ mode มีได้มากกว่า 1 ค่า

อ่านเพิ่มเติมเกี่ยวกับ central tendency: บทความจาก Australian Bureau of Statistics

3️⃣ Spread

👉 Spread คือ การวัดความหลากหลายของข้อมูล และมี 4 ค่า ได้แก่:

No.	Measure	Definition
1	Range	ค่าความต่างระหว่าง ค่าที่น้อยที่สุด (min) และค่าที่มากที่สุด (max)
2	Standard deviation (SD)	ค่าความห่างโดยเฉลี่ยระหว่างข้อมูลและ mean ของชุดข้อมูล
3	Variance	SD กำลังสอง
4	Interquartile range	ค่าความต่างระหว่าง quartile ที่ 1 (Q1) และ quartile ที่ 3 (Q3)

อ่านเพิ่มเติมเกี่ยวกับ spread: บทความจาก Australian Bureau of Statistics

4️⃣ Position

👉 Position หมายถึง ตำแหน่งของข้อมูลในชุดข้อมูล และมี 2 ค่าหลัก ได้แก่:

No.	Measure	Definition
1	Percentile	ระบุตำแหน่งจาก % ข้อมูลที่มีค่าน้อยกว่าข้อมูลนั้น (เช่น ข้อมูลที่ P70 หมายถึง มีข้อมูลที่อยู่ต่ำกว่าข้อมูลนี้ 70%)
2	Quartile	ระบุตำแหน่งโดยแบ่งข้อมูลเป็น 4 ส่วนเท่า ๆ กัน (quartile)

5️⃣ Probability

👉 Probability (ความน่าจะเป็น) คือ การศึกษาความไม่แน่นอน (uncertainty) และแบ่งได้เป็น 2 ประเภทหลัก ตามลักษณะ event (เหตุการณ์) ที่เราสนใจ:

Independent probability
Conditional probability

ประเภทที่ 1. Independent probability

👉 Probability ของเหตุการณ์ที่ไม่ขึ้นอยู่กับเหตุการณ์อื่น (independent events) เช่น:

การฟังเพลงรัก กับ พระอาทิตย์ขึ้น
การดื่มกาแฟ กับ ฝนตก
การใส่เสื้อสีฟ้า กับ ราคาหุ้นขึ้น

🧮 วิธีคำนวณ:

P(A) = Outcome A / Total outcomes

P(A) คือ probability ของ event A
Outcome A คือ จำนวนครั้งที่เกิด event A
Total outcomes คือ จำนวนครั้งที่เกิด events ทั้งหมด

ประเภทที่ 2. Conditional probability

👉 Probability ของเหตุการณ์ที่ขึ้นอยู่กับเหตุการณ์อื่น (dependent events) เช่น:

การสอบเข้ามหาวิทยาลัย กับ การเรียนจบ ป.ตรี (จะเรียนไม่จบ ถ้าไม่ได้สอบ)
การซื้อหวย กับ การถูกหวย (จะถูกหวยไม่ได้ ถ้าไม่ได้ซื้อ)
การออมเงิน และ การมีเงินหลังเกษียณ (อาจไม่มีเงินใช้ ถ้าไม่ออมเงิน)

🧮 วิธีคำนวณ:

P(A | B) = P(A ∩ B) / P(B)

P(A | B) คือ probability ของ event A ถ้าเกิด event B
P(A ∩ B) คือ probability ของ event A และ B
P(B) คือ probability ของ event B

6️⃣ Sampling

👉 Sampling คือ การสร้าง sample จาก population และมี 2 ประเภท ได้แก่

Non-probability sampling: การสร้าง sample ที่สมาชิกของ population มีโอกาสถูกเลือกไม่เท่ากัน
Probability sampling: การสร้าง sample ที่สมาชิกของ population มีโอกาสถูกเลือกเท่า ๆ กัน

โดยแต่ละประเภทมีประเภทย่อยดังนี้:

🍀 Non-probability sampling มี 4 ประเภทย่อย:

No.	Type	Meaning
1	Voluntary response	กลุ่มตัวอย่างสมัครใจเข้าร่วมเอง
2	Convenience sampling	กลุ่มตัวอย่างมาจากคนที่เข้าถึงได้ง่าย (เช่น เพื่อน คนในครอบครัว)
3	Purposive sampling	สร้างกลุ่มตัวอย่างตามเกณฑ์ที่กำหนด (เช่น เลือกคนอายุ 20 ปีเท่านั้น)
4	Snowball sampling	กลุ่มตัวอย่างที่ได้จากการให้ผู้เข้าร่วมชวนกันต่อเป็นลูกโซ่

🍀 Probability sampling มี 4 ประเภทย่อย:

No.	Type	Meaning
1	Simple random sampling	สุ่มกลุ่มตัวอย่างจากประชากรโดยตรง
2	Stratified random sampling	แบ่งประชากรออกเป็นกลุ่ม ๆ แล้วสุ่มตัวอย่างจากแต่ละกลุ่มตามสัดส่วน
3	Cluster random sampling	แบ่งประชากรเป็นกลุ่ม ๆ แล้วเลือกสุ่มกลุ่มมาเป็นตัวอย่าง
4	Systematic random sampling	จัดลำดับสมาชิกแล้วสุ่มเลือกทุก ๆ nth คน เช่น คนที่ 5, 10, 15, …

7️⃣ Distributions & Central Limit Theorem (CLT)

👉 Distribution คือ การกระจายตัวของข้อมูล

แม้ว่า distribution จะมีหลายประเภท แต่มี 2 ประเภท ที่เรามักพบบ่อย ได้แก่:

Normal distribution
Sampling distribution

ประเภทที่ 1. Normal distribution

👉 Normal distribution คือ การกระจายตัวแบบระฆังคว่ำ (bell shape) เพราะมีข้อมูลส่วนใหญ่กระจุกตัวอย่างตรงกลาง และกระจายตัวออกด้านข้าง

นอกจากทรงระฆังคว่ำที่เป็นจุดเด่น normal distribution ยังมีลักษณะอื่น ๆ อีก คือ:

สมมาตร (symmetrical)
พื้นที่ใต้กราฟ = 1
หางทั้งสองข้างจะเข้าใกล้ 0 แต่ไม่แตะ 0
เรารู้ว่า ในแต่ละส่วนของ normal distribution มีข้อมูลอยู่กี่เปอร์เซ็นต์:

Zone	%
-/+1 SD	68
-/+2 SD	95
-/+3 SD	99

Normal distribution เป็น distribution ที่มีความสำคัญ เพราะ:

เป็น distribution ที่พบได้ทั่วไปในธรรมชาติ เช่น ส่วนสูง ความดันเลือด IQ
เป็นพื้นฐานของการวิเคราะห์ทางสถิติอื่น ๆ เช่น hypothesis testing

ประเภทที่ 2. Sampling distribution

👉 Sampling distribution เป็น distribution ที่เกิดจากการเอา mean ของหลาย ๆ samples มาสร้างกราฟ

ยกตัวอย่างเช่น sampling distribution จาก 10 samples, 100 samples, และ 1,000 samples (แต่ละ sample มีขนาด 30 คน):

📊 Central limit theorem (CLT)

CLT ระบุว่า ยิ่งเรามี sample มากขึ้นเท่าไร sampling distribution ก็จะยิ่งเหมือน normal distribution เข้าไปเท่านั้น

เราสามารถสังเกตเห็นได้จากตัวอย่างกราฟด้านบน ในขณะที่เราเพิ่ม samples จาก 10 เป็น 100 เป็น 1,000 การกระจายตัวก็ดูเหมือน normal distribution เข้าไปเรื่อย ๆ

ทั้งนี้ CLT จะเป็นจริงได้ ถ้าเงื่อนไข 3 ข้อนี้เป็นจริง:

No.	Assumption	Description
1	Randomisation	samples ได้มาจากการสุ่ม
2	Independence	การสุ่มแต่ละครั้งไม่ขึ้นกับการสุ่มครั้งก่อน
3	Sample size	กลุ่มตัวอย่างมีขนาดใหญ่พอ (อย่างน้อย 30 ตัวอย่าง ตาม rule of thumb)

8️⃣ Confidence Interval

👉 Confidence interval คือ การประมาณการ (estimate) โดยใช้ช่วง (interval) แทนค่าเดี่ยว ๆ (point)

ยกตัวอย่างเช่น แทนที่เราจะเดาว่า คนคนหนึ่งมีอายุ 20 ปี (point) เราสามารถเดาเป็นช่วงได้ เช่น อายุ 18-22 ปี (interval)

ทั้งนี้ confidence interval ประกอบด้วย 3 ส่วน:

No.	Component	Example
1	Sample statistic	เรารู้ว่า คนคนนี้อยู่ในกลุ่มคนที่มีค่าเฉลี่ยอายุ 20 ปี
2	Margin of error	เราเชื่อว่า อายุจริงของคนคนนี้จะต่างจากค่าเฉลี่ย -/+ 2 ปี
3	Confidence level	เราเชื่อว่า การเดาของเรามีโอกาสถูก 95%

Note:

95% เป็น confidence level ที่นิยมใช้มากที่สุด
ยิ่ง confidence level สูง, confidence interval ก็ยิ่งกว้าง เพราะต้องมีความครอบคลุมเพิ่ม

9️⃣ Hypothesis Testing

👉 Hypothesis testing คือ การทดสอบว่า สิ่งที่เราเชื่อเกี่ยวกับ population เป็นจริงไหม

ตัวอย่างเช่น:

คนไทยมีความสูงเฉลี่ย 170 cm
ผู้หญิงทำข้อสอบเลขได้ดีกว่าผู้ชาย
กาแฟช่วยให้ทำงานได้ดีขึ้น

👉 4 ขั้นตอนในการทำ hypothesis testing:

ตั้ง null hypothesis (H0) และ alternate hypothesis (H1)
เลือก significance level
หา p-value
ตัดสินใจว่า จะ reject หรือ fail to reject H0

🤔 H0 vs H1

Hypothesis	Description	Example
H0	สมมุติฐานที่ถือว่าเป็นจริง จนกว่าจะมีหลักฐานมาหักล้าง	ความสูงเฉลี่ยของคนไทย เท่ากับ 170 cm
H1	สมมุติฐานที่ถือว่าเป็นจริง ต่อเมื่อมีหลักฐานสนับสนุน	ความสูงเฉลี่ยของคนไทย ไม่เท่ากับ 170 cm

ตัวอย่างเช่น:

Example	H0	H1
คนไทยมีความสูงเฉลี่ย 170 cm	ความสูงเฉลี่ยของคนไทย เท่ากับ 170 cm	ความสูงเฉลี่ยของคนไทย ไม่เท่ากับ 170 cm
ผู้หญิงทำข้อสอบเลขได้ดีกว่าผู้ชาย	คะแนนสอบเลขของผู้หญิงและผู้ชายเท่ากัน	คะแนนสอบเลขของผู้หญิงและผู้ชายไม่เท่าเท่ากัน
กาแฟช่วยให้ทำงานได้ดีขึ้น	ดื่มกาแฟแล้ว จะทำงานได้แค่ 8 ชม.	ดื่มกาแฟแล้ว จะทำงานได้นานกว่า 8 ชม.

🤔 Significance level vs p-value

Term	Description
Significance level	ความเป็นไปได้ที่จะ reject H0 เมื่อ H0 เป็นจริง
P-value	ความเป็นไปได้ที่จะเห็นผลลัพธ์ที่แตกต่างจาก H0 เมื่อ H0 เป็นจริง

🤔 Reject H0 vs fail to reject H0

เราจะ reject H0 (ยอมรับ H1) เมื่อ significance level และ p-value มีค่าดังนี้:

Action	When
Reject H0	p-value < significance level
Fail to reject H0	p-value > significance level

🔟 Experimental Designs

การเก็บข้อมูลทางสถิติทำได้ 3 แบบหลัก ๆ ได้แก่:

Observational study
A/B testing
Randomised controlled trial (RCT)

👉 Observational study เป็นการเก็บข้อมูล ผ่านการสังเกตการณ์ เช่น:

สังเกตพฤติกรรมการซื้อของในร้านค้า
สังเกตพฤติกรรมการเล่นของเด็ก
สังเกตพฤติกรรมการหาคู่ของนก

ใน observational study เราไม่ได้เปลี่ยนแปลงตัวแปรต้น (independent variable) ทำให้:

เราสามารถบอกได้ว่า อะไรเกิดขึ้นกับอะไร (correlation)
แต่ไม่สามารถบอกได้ว่า อะไรทำให้เกิดอะไร (causation) เท่านั้น

👉 A/B testing เป็นการทดสอบที่นิยมใช้ใน business เพื่อทดสอบผลิตภัณฑ์/บริการ

ใน A/B testing เรามีของ 2 versions (A vs B) และกลุ่มตัวอย่างจะถูกสุ่มให้เห็น version ที่ไม่เหมือนกัน

เช่น เรามีเว็บไซต์แบบเก่า (A) และแบบใหม่ (B) และเราอยากรู้ว่า แบบไหนกระตุ้นยอดขายดีที่สุด

เราเปิดใช้งานเว็บไซต์ 2 versions โดยลูกค้าแต่ละคนจะเห็นเว็บไซต์ไม่เหมือนกัน (บางคนเห็นแบบเก่า และบางคนเห็นแบบใหม่)

หลังจากเวลาผ่านไปสักพัก เราเอาข้อมูลการขายมาดูว่า ลูกค้าที่เห็นเว็บไซต์แบบไหนที่มียอดซื้อมากที่สุด

ดูตัวอย่าง A/B testing ในโลกจริง: 10 real-world examples of A/B testing that made an impact

👉 RCT เป็น “gold standard” ของ experimental design เพราะ:

มีการควบคุมตัวแปรต้น ทำให้เราอนุมานถึง cause และ effect ได้
ลดความลำเอียง (bias) และอิทธิพลของตัวแปรที่สาม (confounding variables)

RCT มีลักษณะเด่น 2 อย่าง:

No.	Characteristic	Description
1	Randomisation	กลุ่มตัวอย่างถูกสุ่มเข้าเงื่อนไข
2	Control group	มีกลุ่มที่เป็น baseline เพื่อเปรียบเทียบกับกลุ่มที่ได้รับเงื่อนไขบางอย่าง

ตัวอย่างการทำ RCT เช่น การทดสอบผลของยาลดความดัน:

เราใช้การสุ่มผู้เข้าร่วมให้เป็น 2 กลุ่ม
กลุ่มแรกให้รับยาปลอมที่ไม่ส่งผลต่อร่างกาย (control group)
กลุ่มที่สองได้รับยาจริงที่เราต้องการทดสอบผล (treatment)
หลังรับยา เราวัดความดันของทั้งสองกลุ่ม

📄 References

2025-02-27

วิธีใช้ ggplot2 เพื่อสร้างกราฟอย่างมืออาชีพระดับโลก แบบ BBC และ Financial Times ในภาษา R — ตัวอย่างการสำรวจข้อมูลเพนกวินจาก palmerpenguins

ggplot2 เป็น package สำหรับ data visualisation ในภาษา R และเป็นเครื่องมือสร้างกราฟที่มืออาชีพนิยม ตั้งแต่นักวิจัยในการตีพิมพ์ผลงาน ไปจนถึงสำนักข่าวระดับโลกอย่าง BBC และ Financial Times

ggplot2 มีจุดเด่น 4 ข้อ:

ใช้งานง่าย
สร้างกราฟได้หลากหลาย
ปรับแต่งกราฟได้ดังใจ
ได้กราฟที่ดูดีและมีคุณภาพ

ในบทความนี้ เราจะมาดูวิธีใช้ ggplot2 เพื่อสร้างกราฟแบบมืออาชีพกัน:

ggplot2 syntax
Basic plotting
Plot customisations

ถ้าพร้อมแล้ว ไปเริ่มกันเลย

🔤 gg for “Grammar of Graphics”

gg ใน ggplot2 ย่อมาจาก “Grammar of Graphics”

หนังสือ Grammar of Graphics ของ Leland Wilkinson บน Amazon

Grammar of Graphics เป็นแนวคิดที่มองกราฟเป็นเหมือนภาษา คือ มีโครงสร้างและองค์ประกอบที่ตายตัว ซึ่งเมื่อเรานำมารวมกัน เราก็จะได้กราฟที่ต้องการขึ้นมา

โดยกราฟใน ggplot2 ประกอบด้วย 7 ส่วน หรือ layers ได้แก่:

No.	Layer	Description
1	Data	ชุดข้อมูลสำหรับสร้างกราฟ
2	Aesthetics	จับคู่ข้อมูลกับกราฟ (เช่น แกน x และ y)
3	Geometric objects	ประเภทกราฟ (เช่น กราฟเส้น กราฟแท่ง)
4	Facets	สร้างกราฟย่อย
5	Statistical transformations	วิเคราะห์ข้อมูล (เช่น หาค่าเฉลี่ย)
6	Coordinates	แกนในการสร้างกราฟ
7	Theme	หน้าตาของกราฟ (เช่น สีพื้นหลัง)

ในการทำงาน เรามักจะเรียกใช้งาน 3 layers แรกเป็นหลัก ได้แก่:

Data
Aesthetics
Geometric objects

🏁 Getting Started With ggplot2

ในการเริ่มต้นใช้งาน ggplot2 เราต้องทำ 3 อย่างก่อน คือ:

ข้อที่ 1. ติดตั้ง ggplot2 บน environment ของเรา:

install.packages("ggplot2")

Note: ถ้าใครเคยติดตั้งแล้ว สามารถข้ามไปขั้นถัดไปได้เลย

ข้อที่ 2. เรียกใช้งาน ggplot2:

library(ggplot2)

Note: เราต้องเรียกใช้งาน ggplot2 ทุกครั้งที่เริ่ม session ใหม่

ข้อที่ 3. โหลด dataset ที่เราจะใช้สร้างกราฟ

สำหรับบทความนี้ เราจะใช้ penguins dataset ที่มีข้อมูลของเพนกวิน 3 สายพันธุ์ (เช่น สปีชีส์ น้ำหนัก ความยาวปีก) กัน

เราสามารถโหลด dataset ได้ดังนี้:

install.packages("palmerpenguins")
library(palmerpenguins)

จากนั้น เราสามารถ preview ข้อมูลได้ด้วย head():

head(penguins)

ผลลัพธ์:

Note: เราสามารถอ่านคู่มือ penguins ได้ด้วยคำสั่ง ?penguins

เมื่อทำครบทั้ง 3 ขั้นตอน เราก็พร้อมที่จะสร้างกราฟใน ggplot2 แล้ว

✍️ Basic Syntax

ก่อนไปดูการสร้างกราฟ เรามาดู syntax ของ ggplot2 กันก่อน:

ggplot(data, aes(x, y, other)) +
	geom_*() +
	...

ggplot() คือ การเรียกใช้งาน ggplot2
data คือ ชุดข้อมูลในการสร้างกราฟ
aes() คือ ส่วนจับคู่ข้อมูลกับลักษณะของกราฟ
- x, y คือ ข้อมูลที่แสดงบนแกน x และ y
- other คือ ข้อมูลที่จะแสดงผ่านส่วนอื่น ๆ ของกราฟ เช่น สี ขนาด รูปทรง
geom_* คือ ประเภทกราฟ
… คือ function อื่น ๆ ในการตั้งค่ากราฟ (เช่น theme, facet)

📊 Basic Plotting: Data, Aesthetics, & Geom

ในการสร้างกราฟ เรามี 3 input เบื้องต้นที่เราต้องกำหนด ได้แก่:

No.	Input	Description
1	Data	Dataset ในการสร้างกราฟ
2	Aesthetics	ลักษณะของกราฟที่ใช้แสดงข้อมูล (เช่น แกน x และ y)
3	Geom	ประเภทกราฟ (เช่น กราฟเส้น กราฟแท่ง)

Note: ทั้งสามอย่างสะท้อนถึง 3 layers แรกของ ggplot2

ยกตัวอย่างเช่น

สร้าง scatter plot ที่แสดงความสัมพันธ์ระหว่างน้ำหนักตัว (body_mass_g) และความยาวปีก (flipper_length_mm) ของเพนกวิน:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm)) +
  geom_point()

ผลลัพธ์:

🎨 Aesthetics

นอกจากแกน x และ y เราแสดงข้อมูลผ่านลักษณะอื่น ๆ ของกราฟได้ เช่น:

No.	Parametre	Description
1	`color`	สีขอบรูปทรง
2	`fill`	สีในรูปทรง
3	`shape`	รูปทรง
4	`size`	ขนาด
5	`alpha`	ความโปร่งใส

ยกตัวอย่างเช่น

เพิ่มสปีชีส์เข้าไปใน scatter plot:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm,
                     color = species)) +
  geom_point()

ผลลัพธ์:

Note: เราใช้ color แทน fill เพราะ จุด default ของ scatter plot ไม่รองรับการเติมสี

⏹️ Geom

เราสามารถเปลี่ยนประเภทกราฟได้ โดยเปลี่ยน geom_*() เช่น:

No.	Geom	Graph
1	`geom_histogram()`	Histogram
2	`geom_boxplot()`	Box plot
3	`geom_line()`	Line plot
4	`geom_col()`	Bar plot
5	`geom_density()`	Density plot

Note: ggplot2 มีรูปแบบกราฟกว่า 40+ แบบให้เลือก เราสามารถดูรูปแบบกราฟต่าง ๆ ได้ที่ Function reference และดูตัวอย่างกราฟได้ที่ The R Gallery

นอกจากนี้ เรายังสามารถปรับแต่งหน้าตาของกราฟได้ด้วย parametre ต่าง ๆ ใน geom_*() เช่น:

No.	Parametre	Description
1	`color`	สีขอบรูปทรง
2	`fill`	สีในรูปทรง
3	`shape`	รูปทรง
4	`size`	ขนาด
5	`alpha`	ความโปร่งใส

Note:

จะสังเกตว่า parametre เหล่านี้ (เรียกว่า attribute) เหมือนกับ parametres ของ aes()
ความแตกต่างอยู่ที่ parametre ใน geom_*() จะคงที่ ในขณะที่ parametre ใน aes() จะเปลี่ยนแปลงตามข้อมูล

ยกตัวอย่างเช่น

เปลี่ยนจุดข้อมูลให้เป็นกล่องสี่เหลี่ยมใส:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm,
                     color = species)) +
  geom_point(shape = 22)

ผลลัพธ์:

จะเห็นได้ว่า จุดข้อมูลเปลี่ยนเป็นสี่เหลี่ยมเหมือนกันหมด และไม่เปลี่ยนตามประเภทเพนกวิน เพราะเรากำหนด argument ใน geom_*()

Note: เราสามารถดู argument ของ shape และ parametres อื่น ๆ ได้ที่ Aesthetic specifications

🔧 More Customisations

จนถึงตอนนี้ เรารู้วิธีสร้างและปรับแต่งกราฟเบื้องต้นกันแล้ว

เรามาดู 3 วิธีในการปรับแต่งเพิ่มเติม เพื่อให้กราฟของเราดูเป็นมืออาชีพกัน:

Theme
Text
Facet

🖼️ Theme

Theme ใน ggplot2 หมายถึง หน้าตากราฟที่ไม่เกี่ยวข้องกับข้อมูล เช่น สีแกน x และ y และสีพื้นหลัง

เราสามารถปรับ theme ได้โดยการเรียกใช้ theme_*() เช่น:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm,
                     color = species)) +
  geom_point() +
  
  # Apply classic theme
  theme_classic()

ผลลัพธ์:

จะเห็นว่า กราฟของเราดูสะอาดตามากขึ้น เมื่อไม่มี gridline

Note:

ggplot2 มี built-in themes ให้เลือกใช้ 5 แบบหลัก ได้แก่:

No.	Theme	Background	Gridline
1	`theme_gray()`	สีเทา	สีขาว
2	`theme_classic()`	สีขาว	None
3	`theme_bw()`	สีขาว	สีเทา
4	`theme_light()`	สีขาว	สีเทา
5	`theme_dark()`	สีเทาเข้ม	สีเทาอ่อน

theme_gray() เป็น default theme ของ ggplot2
ดู built-in themes อื่น ๆ ได้ที่ Complete themes
เราสามารถเลือกใช้ themes จาก packages อื่นใน R ได้ เช่น ggthemes และ bbcplot

🔤 Text

ข้อความเป็นส่วนสำคัญของกราฟ ซึ่งสามารถช่วยให้คนที่ดูกราฟของเราเข้าใจกราฟได้ง่ายขึ้น

ใน ggplot2 เราสามารถปรับแต่งข้อความได้ 3 วิธี:

No.	Syntax	Description
1	`theme()`	กำหนดขนาด และ typeface ของข้อความ
2	`labs()`	เพิ่มชื่อกราฟ ชื่อแกน x, y และ legend
3	`annotate()`	เพิ่มโน้ตในกราฟ

ตัวอย่างเช่น:

ggplot(penguins, aes(x = body_mass_g,
                       y = flipper_length_mm,
                       color = species)) +
  geom_point() +
  theme_classic() +
  
  # Adjust text size
  theme(plot.title = element_text(size = 16, face = "bold"),
        axis.title.x = element_text(size = 14),
        axis.title.y = element_text(size = 14),
        legend.title = element_text(size = 14),
        legend.text = element_text(size = 12),
        strip.text = element_text(size = 14, face = "bold")) +
  
  # Add a title, labels, and a legend
  labs(title = "Penguin Body Mass vs. Flipper Length",
       x = "Body Mass (g)",
       y = "Flipper Length (mm)",
       color = "Penguin Species") +
  
  # Add annotation
  annotate("text",
           x = 3000,
           y = 225,
           label = "Larger penguins tend to \\n have longer flippers",
           size = 5,
           color = "gray",
           hjust = 0)

ผลลัพธ์:

จะเห็นได้ว่า กราฟของเรามีชื่อกราฟ คำประกอบแกน x, y และ legend รวมทั้งโน้ตที่ช่วยในการอ่านกราฟ “Larger penguins tend to have longer flippers” เพิ่มขึ้นมา

ในบางครั้ง เราอาจต้องการสร้างกราฟย่อย ซึ่งเราสามารถทำได้ด้วย 2 คำสั่งใน ggplot2:

No.	Function	Dividing Factor
1	`facet_wrap()`	1 categorical variable
2	`facet_grid()`	2 categorical variables

ตัวอย่างเช่น

ใช้ facet_wrap() แบ่งกราฟตามชนิดเพนกวิน:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm,
                     color = species)) +
  geom_point() +
  theme_bw() +
  
  # Use facet_wrap()
  facet_wrap(~species)

ผลลัพธ์:

ใช้ facet_grid() แบ่งตามเพศและชนิดของเพนกวิน:

ggplot(penguins, aes(x = body_mass_g,
                     y = flipper_length_mm,
                     color = species)) +
  geom_point() +
  theme_bw() +
  
  # Use facet_grid()
  facet_grid(sex~species)

ผลลัพธ์:

Note: ในกราฟ เรามี row ที่ 3 (NA) เพราะบาง record ไม่มีข้อมูลเพศของเพนกวิน

🔥 Summary

ในบทความนี้ เราได้เรียนรู้วิธีใช้ ggplot2 เพื่อสร้างกราฟอย่างมืออาชีพ

Syntax ของ ggplot2
การตั้งค่า aesthetics
- x
- y
- Aesthetics อื่น ๆ
การตั้งค่า geom
- geom_*()
- paramatres ของ geom_*()
การปรับแต่งกราฟ
- Theme
- Text
- Facet

📚 Learn More About ggplot2

😺 GitHub

สำหรับผู้ที่สนใจ สามารถดู code ทั้งหมดในบทความนี้ได้ที่ GitHub

📖 Read More About ggplot2

📰 Cheat Sheets

📃 References

Articles:

Courses

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

📕 ขอฝากหนังสือเล่มแรกในชีวิตด้วยนะครับ 😆

🙋 ใครที่กำลังเรียนจิตวิทยาหรือทำงานสายจิตวิทยา และเบื่อที่ต้องใช้ software ราคาแพงอย่าง SPSS และ Excel เพื่อทำข้อมูล

💪 ผมขอแนะนำ R Book for Psychologists หนังสือสอนใช้ภาษา R เพื่อการวิเคราะห์ข้อมูลทางจิตวิทยา ที่เขียนมาเพื่อนักจิตวิทยาที่ไม่เคยมีประสบการณ์เขียน code มาก่อน

ในหนังสือ เราจะปูพื้นฐานภาษา R และพาไปดูวิธีวิเคราะห์สถิติที่ใช้บ่อยกัน เช่น:

Correlation
t-tests
ANOVA
Reliability
Factor analysis

🚀 เมื่ออ่านและทำตามตัวอย่างใน R Book for Psychologists ทุกคนจะไม่ต้องพึง SPSS และ Excel ในการทำงานอีกต่อไป และสามารถวิเคราะห์ข้อมูลด้วยตัวเองได้ด้วยความมั่นใจ

แล้วทุกคนจะแปลกใจว่า ทำไมภาษา R ง่ายขนาดนี้ 🙂‍↕️

👉 สนใจดูรายละเอียดหนังสือได้ที่ meb:

ดูรายละเอียดหนังสือ R Book for Psychologists

2025-02-20

data.table: แนะนำ 3 ส่วนวิธีใช้งาน package ทรงพลัง เพื่อทำงานกับข้อมูลขนาดใหญ่อย่างมีประสิทธิภาพและรวดเร็ว ในภาษา R แบบครบ — ตัวอย่างการทำงานกับข้อมูลเที่ยวบินจาก flights dataset

R ได้ชื่อว่าเป็น “statistical programming language” เพราะออกแบบมาเพื่อทำงานกับ data โดยเฉพาะ

ภาษา R มี packages มากมายที่รองรับการทำงานกับ data ในรูปแบบตาราง (tabular data) หรือ data frame อย่างตัวอย่างในภาพ:

หนึ่งใน packages ที่ได้รับความนิยมในการทำงานกับ data frame โดยเฉพาะงาน data science ได้แก่ data.table

data.table เป็น package สำหรับ data manipulation ที่มีจุดเด่น 3 อย่าง คือ:

ใช้งานง่าย (แม้จะมีการเขียนที่แตกต่างจาก functions ทั่วไป แต่มี syntax ที่ตายตัว)
ประมวลผลเร็วและประหยัด resource เพราะ data.table optimises code ที่เราเขียน
รองรับการทำงานกับ data ขนาดใหญ่ (เช่น data ที่ใช้ RAM ขนาด 10 ถึง 100 GB ในการประมวลผล)

ในบทความนี้ เราจะมาดูวิธีการใช้งาน data.table แบบครบจบใน 3 ส่วนกัน:

การใช้งาน data.table เบื้องต้น (syntax และ arguments)
การใช้งาน data.table ขั้นสูง (combining และ chaining)
Special symbols ใน data.table

ถ้าพร้อมแล้ว มาเริ่มกันเลย

🏁 Get Started With data.table

ในการเริ่มต้นใช้งาน data.table เราจะต้องทำ 2 อย่าง ได้แก่:

ติดตั้ง data.table (ทำครั้งแรกครั้งเดียว)
โหลด data.table (ทำทุกครั้งที่เริ่ม session ใหม่)

# Install data.table
install.packages("data.table")

# Load data.table
library(data.table)

เมื่อทำทั้ง 2 อย่างนี้แล้ว เราก็พร้อมที่จะใช้งาน data.table กันแล้ว

✈️ Example Dataset: flights

1️⃣ Intro to flights

ในบทความนี้ เราจะมาดูตัวอย่างการใช้ data.table กับ flights ซึ่งมีข้อมูลเที่ยวบินที่ออกจาก New York City ในปี ค.ศ. 2014 เช่น:

วันที่
สนามบินต้นทางและปลายทาง
ระยะเวลาที่เที่ยวบิน delay
ระยะเวลาบิน
ระยะทาง

Note: ดูรายละเอียดทั้งหมดของ dataset ได้ที่ GitHub

2️⃣ Get flights

เราสามารถเริ่มใช้งาน flights ใน 2 ขั้นตอน:

ขั้นที่ 1. Download ไฟล์จาก link โดยไฟล์ที่ได้จะเป็น CSV (comma-separated values):

ขั้นที่ 2. Import ข้อมูลเข้าใน R ด้วย fread() (”fast read”) ซึ่งเป็น function สำหรับโหลดข้อมูลของ data.table:

# Import the dataset
flights <- fread("flights14.csv")

เราสามารถดูตัวอย่างข้อมูลได้ด้วย head():

# Preview the dataset
head(flights)

ผลลัพธ์:

    year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
   <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9
2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11
3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
4:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
5:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
6:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18

✍️ Syntax: DT[i, j, by]

การใช้งาน data.table ประกอบด้วย 4 ส่วน ดังนี้:

DT[i, j, by]

DT คือ dataset ที่เราต้องการใช้งาน
i ใช้ทำงานกับ rows
j ใช้ทำงานกับ columns
by ใช้จับกลุ่มข้อมูล

เราไปดูรายละเอียดการใช้งาน i, j, และ by กัน

🍦 1st Argument: i

เราสามารถใช้งาน i ได้ 3 อย่าง:

Select rows: เลือก rows ที่ต้องการ
Filter: กรองข้อมูล
Sort: จัดลำดับข้อมูล

1️⃣ Select Rows

เราสามารถใช้ i เพื่อเลือก rows ได้ 3 แบบ:

เลือก 1 row
เลือกหลาย rows
คัด rows ที่ไม่ต้องการออก

แบบที่ #1. เลือก 1 row

เช่น เลือก row ที่ 5 จาก flights:

# Select a row
flights[5]

ผลลัพธ์:

    year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
   <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
1:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13

แบบที่ #2 – เลือกหลาย rows

ซึ่งเราทำได้โดยการใช้ vector เช่น เลือก rows 1 ถึง 10:

# Select a range of rows
flights[1:10]

ผลลัพธ์:

     year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
    <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
 1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9
 2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11
 3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
 4:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
 5:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
 6:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18
 7:  2014     1     1        -2       -18      AA    JFK    LAX      338     2475    21
 8:  2014     1     1        -3       -14      AA    JFK    LAX      356     2475    15
 9:  2014     1     1        -1       -17      AA    JFK    MIA      161     1089    15
10:  2014     1     1        -2       -14      AA    JFK    SEA      349     2422    18

หรือเลือก rows 1, 3, 5, 7, และ 9:

# Select multiple rows at interval
flights[c(1, 3, 5, 7, 9)]

ผลลัพธ์:

    year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
   <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9
2:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
3:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
4:  2014     1     1        -2       -18      AA    JFK    LAX      338     2475    21
5:  2014     1     1        -1       -17      AA    JFK    MIA      161     1089    15

แบบที่ #3 – คัด rows ที่ไม่ต้องการออก

ซึ่งเราสามารถทำได้ 2 แบบ คือ:

ใช้ -
ใช้ !

เช่น คัด row ที่ 1 ออก โดยใช้ -:

# Deselect a row
flights[-1]

หรือใช้ !:

# Deselect a row
flights[!1]

โดยทั้งสองแบบจะให้ผลลัพธ์แบบเดียวกัน แบบนี้:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11
     2:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
     3:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
     4:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
     5:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18
    ---                                                                                    
253311:  2014    10    31         1       -30      UA    LGA    IAH      201     1416    14
253312:  2014    10    31        -5       -14      UA    EWR    IAH      189     1400     8
253313:  2014    10    31        -8        16      MQ    LGA    RDU       83      431    11
253314:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
253315:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

2️⃣ Filter

นอกจากการเลือก rows เรายังสามารถใช้ i เพื่อกรอง data ได้ 3 แบบ:

กรองโดยใช้ 1 เงื่อนไข
กรองโดยใช้หลายเงื่อนไข
กรองโดยใช้ helpers

แบบที่ #1 – กรองข้อมูลโดยใช้ 1 เงื่อนไข

เช่น กรอง rows ที่มีระยะทางบิน 500 miles ขึ้นไป:

# Filter with 1 condition
flights[distance >= 500]

ผลลัพธ์:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9
     2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11
     3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
     4:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
     5:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
    ---                                                                                    
198323:  2014    10    31        18       -14      UA    EWR    LAS      291     2227    16
198324:  2014    10    31         1       -30      UA    LGA    IAH      201     1416    14
198325:  2014    10    31        -5       -14      UA    EWR    IAH      189     1400     8
198326:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
198327:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

แบบที่ #2 – กรองข้อมูลด้วยหลายเงื่อนไข

เราสามารถเพิ่มเงื่อนไขการกรองได้ด้วย logical operators:

Operator	Meaning
`&`	AND
`\|`	OR
`!`	NOT

เช่น กรอง rows ที่:

มีระยะทางบิน 500 miles ขึ้นไป และ
ออกจากสนามบิน LaGuardia (LGA):

# Filter with multiple conditions
flights[distance >= 500 & origin == "LGA"]

ผลลัพธ์:

        year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
       <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
    1:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
    2:  2014     1     1        -7        -6      AA    LGA    ORD      142      733     5
    3:  2014     1     1        -7         0      AA    LGA    ORD      143      733     6
    4:  2014     1     1        -8       -17      AA    LGA    ORD      139      733     6
    5:  2014     1     1        -2        15      AA    LGA    ORD      145      733     7
   ---                                                                                    
63251:  2014    10    31        14       -17      UA    LGA    IAH      200     1416    17
63252:  2014    10    31        24        -5      UA    LGA    IAH      198     1416     6
63253:  2014    10    31         1       -30      UA    LGA    IAH      201     1416    14
63254:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
63255:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

แบบที่ #3 – กรองโดยใช้ helpers

เราสามารถกรองข้อมูลโดยใช้ helpers หรือ operators พิเศษ 3 อย่างนี้:

Helper	For	Syntax
`%between%`	กรองข้อมูลตาม range	`col %between% range`
`%like%`	กรองข้อมูลตาม text pattern	`col %like% pattern`
`%chin%`	กรองข้อมูลอยู่ใน set ที่กำหนด	`col %chin% set`

ตัวอย่าง:

ใช้ %between% เพื่อกรองข้อมูลที่มีระยะทางบินระหว่าง 500 ถึง 1,000 miles:

# Filter using %between%
flights[distance %between% c(500, 1000)]

ผลลัพธ์:

        year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
       <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
    1:  2014     1     1        18        69      AA    JFK    ORD      155      740    17
    2:  2014     1     1        -7        -6      AA    LGA    ORD      142      733     5
    3:  2014     1     1        -7         0      AA    LGA    ORD      143      733     6
    4:  2014     1     1        -8       -17      AA    LGA    ORD      139      733     6
    5:  2014     1     1        -2        15      AA    LGA    ORD      145      733     7
   ---                                                                                    
79754:  2014    10    31        10        -5      UA    EWR    ORD      110      719     6
79755:  2014    10    31         5         2      UA    EWR    ORD      132      719    10
79756:  2014    10    31       427       393      UA    EWR    ORD      100      719    21
79757:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
79758:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

Note: code นี้ให้ผลลัพธ์เดียวกับการเขียน flights[distance >= 500 & distance <= 1000] แต่การใช้ %between% ทำให้ code สั้นและอ่านง่ายกว่า

ใช้ %like% เพื่อกรองข้อมูลที่สนามบินปลายทางขึ้นต้นด้วย “A” เช่น “ABQ”, “ACK”, “AGS”:

# Filter using %like%
flights[dest %like% "^A"]

ผลลัพธ์:

        year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
       <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
    1:  2014     1     1        -1         1      AA    JFK    AUS      232     1521    17
    2:  2014     1     1        -5        16      B6    JFK    AUS      247     1521    20
    3:  2014     1     1        21        21      B6    JFK    AUS      237     1521     9
    4:  2014     1     1        10         4      B6    JFK    ABQ      280     1826    20
    5:  2014     1     1        10        10      DL    LGA    ATL      126      762    18
   ---                                                                                    
15630:  2014    10    31        50        43      UA    EWR    ATL      113      746    15
15631:  2014    10    31        -5       -38      UA    EWR    ATL      111      746     5
15632:  2014    10    31        -5        -2      UA    EWR    AUS      211     1504    15
15633:  2014    10    31        -9       -15      UA    EWR    ATL      119      746    11
15634:  2014    10    31        11       -10      UA    EWR    ATL      109      746     8

ใช้ %chin% เพื่อกรองข้อมูลที่สนามบินปลายทาง คือ ATL, LAX, หรือ ORD:

# Filter using %chin%
flights[dest %chin% c("ATL", "LAX", "ORD")]

ผลลัพธ์:

        year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
       <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
    1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9
    2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11
    3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19
    4:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13
    5:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18
   ---                                                                                    
38827:  2014    10    31        10        -5      UA    EWR    ORD      110      719     6
38828:  2014    10    31         3       -32      UA    EWR    LAX      320     2454    20
38829:  2014    10    31         5         2      UA    EWR    ORD      132      719    10
38830:  2014    10    31       427       393      UA    EWR    ORD      100      719    21
38831:  2014    10    31        10       -27      UA    EWR    LAX      326     2454    10

3️⃣ Sort

สุดท้าย เราสามารถใช้ i เพื่อเรียงลำดับข้อมูลได้ 3 แบบ:

Sort ascending (A—Z)
Sort descending (Z—A)
Sort by multiple columns

แบบที่ #1 – Sort ascending

เช่น จัดเรียงตามชื่อสนามบินต้นทาง จาก A—Z:

# Sort ascending
flights[order(origin)]

ผลลัพธ์:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18
     2:  2014     1     1        -5       -17      AA    EWR    MIA      161     1085    16
     3:  2014     1     1       191       185      AA    EWR    DFW      214     1372    16
     4:  2014     1     1        -1        -2      AA    EWR    DFW      214     1372    14
     5:  2014     1     1        -3       -10      AA    EWR    MIA      154     1085     6
    ---                                                                                    
253312:  2014    10    31        24        -5      UA    LGA    IAH      198     1416     6
253313:  2014    10    31         1       -30      UA    LGA    IAH      201     1416    14
253314:  2014    10    31        -8        16      MQ    LGA    RDU       83      431    11
253315:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
253316:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

แบบที่ #2 – Sorting descending

เราเรียงข้อมูลแบบ descending (Z—A) ได้ 2 วิธี:

ใช้ decreasing = TRUE
ใช้ -

เช่น จัดเรียงตามชื่อสนามบินต้นทาง จาก Z-A โดยใช้ decreasing = TRUE:

# Sort descending with decreasing = TRUE
flights[order(origin, decreasing = TRUE)]

หรือโดยใช้ -:

# Sort descending with -
flights[order(-origin)]

เราจะได้ผลลัพธ์แบบเดียวกัน:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7
     2:  2014     1     1        -7        -6      AA    LGA    ORD      142      733     5
     3:  2014     1     1        -7         0      AA    LGA    ORD      143      733     6
     4:  2014     1     1        -8       -17      AA    LGA    ORD      139      733     6
     5:  2014     1     1        -2        15      AA    LGA    ORD      145      733     7
    ---                                                                                    
253312:  2014    10    31        41        19      UA    EWR    SFO      344     2565    12
253313:  2014    10    31       427       393      UA    EWR    ORD      100      719    21
253314:  2014    10    31        10       -27      UA    EWR    LAX      326     2454    10
253315:  2014    10    31        18       -14      UA    EWR    LAS      291     2227    16
253316:  2014    10    31        -5       -14      UA    EWR    IAH      189     1400     8

แบบที่ #3 – Sort by multiple columns

เช่น จัดเรียงตามชื่อสนามบินต้นทางและปลายทาง ตามลำดับ:

# Sort by multiple columns
flights[order(origin, dest)]

ผลลัพธ์:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     2        -2       -25      EV    EWR    ALB       30      143     7
     2:  2014     1     3        88        79      EV    EWR    ALB       29      143    23
     3:  2014     1     4       220       211      EV    EWR    ALB       32      143    15
     4:  2014     1     4        35        19      EV    EWR    ALB       32      143     7
     5:  2014     1     5        47        42      EV    EWR    ALB       26      143     8
    ---                                                                                    
253312:  2014    10    29         0         9      MQ    LGA    XNA      174     1147     6
253313:  2014    10    29        -5       -16      MQ    LGA    XNA      162     1147    14
253314:  2014    10    30        -4       -23      MQ    LGA    XNA      154     1147     6
253315:  2014    10    30        -7       -11      MQ    LGA    XNA      157     1147    14
253316:  2014    10    31        -5       -11      MQ    LGA    XNA      165     1147     6

🧮 2nd Argument: j

เราสามารถใช้ j เพื่อทำงานได้ 3 อย่าง ได้แก่:

Select columns: เลือก columns ที่ต้องการ
Compute: วิเคราะห์ข้อมูล
Create columns: สร้าง columns ใหม่

1️⃣ Select Columns

เราสามารถใช้ j เพื่อเลือก columns ได้ 3 แบบ:

เลือก 1 column
เลือกหลาย columns
คัด columns ที่ไม่ต้องการออก

แบบที่ #1 – เลือก 1 column

เช่น เลือก column สนามบินต้นทาง:

# Select a column
flights[, "origin"]

ผลลัพธ์:

        origin
        <char>
     1:    JFK
     2:    JFK
     3:    JFK
     4:    LGA
     5:    JFK
    ---       
253312:    LGA
253313:    EWR
253314:    LGA
253315:    LGA
253316:    LGA

Note: เราสามารถใช้ตำแหน่ง (1, 2, 3, …) แทนชื่อ columns ("origin") ได้ แต่ไม่เป็นที่นิยม เพราะ columns อาจขยับตำแหน่งได้ และทำให้ผลลัพธ์เปลี่ยนไปได้

แบบที่ #2 – เลือกหลาย columns

เราใช้ j เพื่อเลือกหลาย columns ได้ 3 วิธี:

Vector
List หรือ .()
..

เช่น เลือก 3 columns คือ:

สนามบินต้นทาง
สนามบินปลายทาง
ระยะเวลาบิน

โดยใช้ vector:

# Select multiple columns with a vector
flights[, c("origin", "dest", "air_time")]

ผลลัพธ์:

        origin   dest air_time
        <char> <char>    <int>
     1:    JFK    LAX      359
     2:    JFK    LAX      363
     3:    JFK    LAX      351
     4:    LGA    PBI      157
     5:    JFK    LAX      350
    ---                       
253312:    LGA    IAH      201
253313:    EWR    IAH      189
253314:    LGA    RDU       83
253315:    LGA    DTW       75
253316:    LGA    SDF      110

โดยใช้ list:

# Select multiple columns with a list
flights[, list(origin, dest, air_time)]

หรือใช้ .() ซึ่งเป็น shorthand สำหรับ list:

# Select multiple columns using .()
flights[, .(origin, dest, air_time)]

ผลลัพธ์:

        origin   dest air_time
        <char> <char>    <int>
     1:    JFK    LAX      359
     2:    JFK    LAX      363
     3:    JFK    LAX      351
     4:    LGA    PBI      157
     5:    JFK    LAX      350
    ---                       
253312:    LGA    IAH      201
253313:    EWR    IAH      189
253314:    LGA    RDU       83
253315:    LGA    DTW       75
253316:    LGA    SDF      110

โดยใช้ .. ซึ่งเรามักใช้วิธีนี้เมื่อต้องการเลือก columns แบบ dynamic:

# Select multiple columns using ..

## Create a vector of column names
cols <- c("origin", "dest", "air_time")

## Select using ..
flights[, ..cols]

ผลลัพธ์:

        origin   dest air_time
        <char> <char>    <int>
     1:    JFK    LAX      359
     2:    JFK    LAX      363
     3:    JFK    LAX      351
     4:    LGA    PBI      157
     5:    JFK    LAX      350
    ---                       
253312:    LGA    IAH      201
253313:    EWR    IAH      189
253314:    LGA    RDU       83
253315:    LGA    DTW       75
253316:    LGA    SDF      110

Note: ความแตกต่างระหว่าง vector และ list หรือ .() และ .. คือ:

vector ให้ผลลัพธ์ที่เป็น vector
List หรือ .() และ .. ให้ผลลัพธ์เป็น data.table (data frame ของ data.table)

แบบที่ #3 – คัด columns ที่ไม่ต้องการออก

เราสามารถคัด columns ที่ไม่ต้องการออกได้ 2 วิธี:

ใช้ -
ใช้ !

เช่น เอาชื่อสายการบินออก โดยใช้ -:

# Deselect a column using -
flights[, -c("carrier")]

หรือใช้ !:

# Deselect a column using !
flights[, !c("carrier")]

ผลลัพธ์:

         year month   day dep_delay arr_delay origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int> <char> <char>    <int>    <int> <int>
     1:  2014     1     1        14        13    JFK    LAX      359     2475     9
     2:  2014     1     1        -3        13    JFK    LAX      363     2475    11
     3:  2014     1     1         2         9    JFK    LAX      351     2475    19
     4:  2014     1     1        -8       -26    LGA    PBI      157     1035     7
     5:  2014     1     1         2         1    JFK    LAX      350     2475    13
    ---                                                                            
253312:  2014    10    31         1       -30    LGA    IAH      201     1416    14
253313:  2014    10    31        -5       -14    EWR    IAH      189     1400     8
253314:  2014    10    31        -8        16    LGA    RDU       83      431    11
253315:  2014    10    31        -4        15    LGA    DTW       75      502    11
253316:  2014    10    31        -5         1    LGA    SDF      110      659     8

2️⃣ Compute

นอกจากการเลือก columns เรายังสามารถใช้ j เพื่อวิเคราะห์หรือข้อมูล (summarise, aggregate) ได้

เช่น หาค่าเฉลี่ยของระยะเวลาบิน:

# Calculate mean
flights[, mean(air_time)]

ผลลัพธ์:

[1] 156.7228

หรือ หาค่าเฉลี่ย และ standard deviation (SD) ของระยะเวลาบิน:

# Calculate mean and SD
flights[, .(avg_air_time = mean(air_time),
            sd_air_time = sd(air_time))]

ผลลัพธ์:

   avg_air_time sd_air_time      n
          <num>       <num>  <int>
1:     156.7228    96.12978 253316

Note: เราสามารถวิเคราะห์ข้อมูลโดยไม่ตั้งชื่อให้กับผลลัพธ์ได้ (avg_air_time, sd_air_time, n) แต่การตั้งชื่อจะช่วยให้เราอ่าน output ได้ง่ายขึ้น

3️⃣ Create Columns

สุดท้าย เราสามารถใช้ j สร้าง columns ใหม่ได้ร่วมกับ:

:= สำหรับสร้าง 1 column
`:=` สำหรับสร้างหลาย columns

เช่น สร้าง column ความเร็วในการบิน (ระยะทาง / เวลา) ด้วย :=:

# Creating 1 new column
flights[, speed := distance / (air_time / 60)]

ผลลัพธ์:

    year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour    speed
   <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>    <num>
1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9 413.6490
2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11 409.0909
3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19 423.0769
4:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7 395.5414
5:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13 424.2857
6:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18 434.3363

Note:

เราหาร air_time ด้วย 60 เพื่อแปลงหน่วยจากนาทีเป็นชั่วโมง และทำให้ผลลัพธ์ที่ได้เป็นหน่วย miles/hour
สังเกตว่า column ใหม่จะอยู่ท้ายสุดของ data.table

หรือ สร้าง 2 columns พร้อมกัน เช่น:

ความเร็วในการบิน (ระยะทาง / เวลา)
ระยะเวลาที่ delay โดยรวม (delay ขาออก + delay ขาเข้า)

ด้วย `:=`:

# Creating multiple new column
flights[, `:=`(speed = distance / (air_time / 60),
               total_delay = dep_delay + arr_delay)]

ผลลัพธ์:

    year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour    speed total_delay
   <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>    <num>       <int>
1:  2014     1     1        14        13      AA    JFK    LAX      359     2475     9 413.6490          27
2:  2014     1     1        -3        13      AA    JFK    LAX      363     2475    11 409.0909          10
3:  2014     1     1         2         9      AA    JFK    LAX      351     2475    19 423.0769          11
4:  2014     1     1        -8       -26      AA    LGA    PBI      157     1035     7 395.5414         -34
5:  2014     1     1         2         1      AA    JFK    LAX      350     2475    13 424.2857           3
6:  2014     1     1         4         0      AA    EWR    LAX      339     2454    18 434.3363           4

🤝 3rd Argument: by

เราใช้ by เพื่อจับกลุ่มข้อมูล ซึ่งมีประโยชน์มากเวลาที่เราต้องการวิเคราะห์ข้อมูลเป็น ๆ กลุ่ม

เราสามารถใช้ by ได้ 2 แบบ:

จับกลุ่มด้วย 1 column
จับกลุ่มด้วยหลาย columns

แบบที่ #1 – จับกลุ่มด้วย 1 column

เช่น หาค่าเฉลี่ยของ delay ขาออก ตามชื่อสนามบินต้นทาง:

# Group by 1 column
flights[, mean(dep_delay), by = origin]

ผลลัพธ์:

   origin       V1
   <char>    <num>
1:    JFK 11.44617
2:    LGA 10.60500
3:    EWR 15.21248

แบบที่ #2 – จับกลุ่มด้วยหลาย columns

เราจับกลุ่มด้วยหลาย columns ได้ด้วย 2 วิธี คือ:

Vector
List หรือ .()

เช่น หาค่าเฉลี่ยของ delay ขาออก โดยจับกลุ่มตามชื่อสนามบินต้นทางและปลายทาง ตามลำดับ

วิธีที่ 1. ใช้ vector:

# Group by with a vector
flights[, mean(dep_delay), by = c("origin", "dest")]

ผลลัพธ์:

     origin   dest        V1
     <char> <char>     <num>
  1:    JFK    LAX  8.359718
  2:    LGA    PBI 10.168617
  3:    EWR    LAX 15.882631
  4:    JFK    MIA 10.008364
  5:    JFK    SEA 10.858953
 ---                        
217:    LGA    AVL -6.500000
218:    LGA    GSP  6.000000
219:    LGA    SBN  5.000000
220:    EWR    SBN -1.500000
221:    LGA    DAL -6.266667

วิธีที่ 2. ใช้ list:

# Group by with a list
flights[, mean(dep_delay), by = list(origin, dest)]

หรือใช้ .():

# Group by with .()
flights[, mean(dep_delay), by = .(origin, dest)]

ผลลัพธ์:

     origin   dest        V1
     <char> <char>     <num>
  1:    JFK    LAX  8.359718
  2:    LGA    PBI 10.168617
  3:    EWR    LAX 15.882631
  4:    JFK    MIA 10.008364
  5:    JFK    SEA 10.858953
 ---                        
217:    LGA    AVL -6.500000
218:    LGA    GSP  6.000000
219:    LGA    SBN  5.000000
220:    EWR    SBN -1.500000
221:    LGA    DAL -6.266667

Note: เช่นเดียวกับการเลือก columns …

ถ้าเราใช้ vector เราจะได้ผลลัพธ์เป็น vector
ถ้าใช้ list หรือ .() เราจะได้ data.table

🔗 Combining & Chaining

เราสามารถปลอดล็อกพลังที่แท้จริงของ data.table ได้ด้วย 2 วิธี:

Combining: ใช้ i, j, by ร่วมกัน เพื่อตอบโจทย์ที่ซับซ้อน
Chaining: เชื่อมต่อ data.table เข้าด้วยกัน

1️⃣ Combining

ยกตัวอย่างเช่น:

หาค่าเฉลี่ยของความเร็ว
เฉพาะเที่ยวบินที่มีระยะทางตั้งแต่ 500 miles ขึ้นไป
โดยจับกลุ่มตามชื่อสนามบินต้นทาง:

# Combining
flights[distance >= 500, 
        .(avg_speed = mean(distance / (air_time / 60))), 
        by = origin]

อธิบาย code:

distance >= 500 เลือกเฉพาะข้อมูลที่มีระยะทางตั้งแต่ 500 miles ขึ้นไป
.(avg_speed = mean(distance / (air_time / 60))) หาค่าเฉลี่ยของความเร็ว
by = origin] จับกลุ่มข้อมูลด้วยสนามบินต้นทาง

ผลลัพธ์:

   origin avg_speed
   <char>     <num>
1:    JFK  436.6284
2:    LGA  407.5462
3:    EWR  417.1765

2️⃣ Chaining

Chaining คือ การนำ code มาต่อกัน เพื่อส่ง output ต่อกันเป็นทอด ๆ:

DT[...][...][...]

เช่น ค้นหาสนามบินปลายทาง 5 อันดับแรกที่มีค่าเฉลี่ย delay ขาเข้ามากที่สุด ในเดือนสิงหาคม:

# Chaining
flights[month == 8,
        .(avg_arr_delay = mean(arr_delay)),
        by = dest][order(-avg_arr_delay)][1:5]

อธิบาย code:

month == 8 เลือกข้อมูลจากเดือนสิงหาคม
.(avg_arr_delay = mean(arr_delay)) คำนวณค่าเฉลี่ย delay ขาเข้า
by = dest จับกลุ่มตามสนามบินปลายทาง
[order(-avg_arr_delay)] จัดลำดับตามค่าเฉลี่ย delay ขาเข้า แบบ descending
[1:5] เลือกเฉพาะ 5 rows แรกมาแสดง

ผลลัพธ์:

     dest avg_arr_delay
   <char>         <num>
1:    LIT      37.06452
2:    DSM      22.85714
3:    CAK      19.60976
4:    TYS      19.44681
5:    TVC      19.00000

🍩 Special Symbols

เพื่อช่วยให้เราทำงานได้ง่ายขึ้น data.table มี special symbols 3 ตัวที่เราสามารถเรียกใช้ในการทำงานได้:

.N
.SD
.SDcols

1️⃣ .N

.N เป็น special symbol ที่เก็บจำนวน rows ของ data.table เอาไว้ (เช่น 500)

เรามักใช้งาน .N ใน 2 กรณีหลัก ๆ ได้แก่:

เลือก rows
นับจำนวนข้อมูล

กรณีที่ 1. เลือก rows

เช่น เลือก row ที่ 500 จนถึง row สุดท้าย:

# Select rows with .N
flights[500:.N]

ผลลัพธ์:

         year month   day dep_delay arr_delay carrier origin   dest air_time distance  hour
        <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
     1:  2014     1     1        81        86      WN    EWR    HOU      222     1411    17
     2:  2014     1     1        -3        -4      WN    EWR    MDW      128      711     7
     3:  2014     1     1         0        22      WN    EWR    MDW      144      711    12
     4:  2014     1     1        88       190      WN    EWR    MDW      130      711    21
     5:  2014     1     1        45        63      WN    EWR    MDW      141      711    16
    ---                                                                                    
252813:  2014    10    31         1       -30      UA    LGA    IAH      201     1416    14
252814:  2014    10    31        -5       -14      UA    EWR    IAH      189     1400     8
252815:  2014    10    31        -8        16      MQ    LGA    RDU       83      431    11
252816:  2014    10    31        -4        15      MQ    LGA    DTW       75      502    11
252817:  2014    10    31        -5         1      MQ    LGA    SDF      110      659     8

กรณีที่ 2. นับจำนวนข้อมูล

เช่น นับจำนวนข้อมูลการบินตามสนามบินต้นทางแต่ละแห่ง:

# Compute with .N
flights[, .N, by = origin]

ผลลัพธ์:

   origin     N
   <char> <int>
1:    JFK 81483
2:    LGA 84433
3:    EWR 87400

2️⃣ .SD

.SD ย่อมาจาก “Subset of Data” ซึ่งหมายถึง ชุดข้อมูลย่อยที่เกิดจากการจับกลุ่มด้วย by

เรามักใช้ .SD ในการคำนวณคู่กับ lapply() function เพื่อวิเคราะห์ข้อมูลตามกลุ่ม

เช่น หาค่าสูงสุดของแต่ละ columns ในแต่ละเดือน:

# Compute with .SD
flights[,
        lapply(.SD, max, na.rm = TRUE),
        by = month]

ผลลัพธ์:

    month  year   day dep_delay arr_delay carrier origin   dest air_time distance  hour
    <int> <int> <int>     <int>     <int>  <char> <char> <char>    <int>    <int> <int>
 1:     1  2014    31       973       996      WN    LGA    XNA      688     4983    24
 2:     2  2014    28      1014      1007      WN    LGA    XNA      685     4983    24
 3:     3  2014    31       920       925      WN    LGA    XNA      706     4983    24
 4:     4  2014    30      1241      1223      WN    LGA    XNA      664     4983    24
 5:     5  2014    31       889       879      WN    LGA    XNA      650     4983    24
 6:     6  2014    30      1071      1073      WN    LGA    XNA      640     4983    24
 7:     7  2014    31      1087      1090      WN    LGA    XNA      638     4983    24
 8:     8  2014    31       978       964      WN    LGA    XNA      635     4983    24
 9:     9  2014    30      1056      1115      WN    LGA    XNA      635     4983    23
10:    10  2014    31      1498      1494      WN    LGA    XNA      662     4983    24

3️⃣ .SDcols

.SDcols เป็น special symbol ที่เก็บชื่อ columns ของ .SD เอาไว้

เรามักใช้ .SDcols คู่กับ .SD และ lapply() เพื่อวิเคราะห์เฉพาะ columns ที่ต้องการ

เช่น หาเวลา delay สูงสุดของขาเข้าและขาออกในแต่ละเดือน:

# Compute with .SDcols
flights[,
        lapply(.SD, max, na.rm = TRUE),
        by = month,
        .SDcols = c("arr_delay", "dep_delay")]

ผลลัพธ์:

    month arr_delay dep_delay
    <int>     <int>     <int>
 1:     1       996       973
 2:     2      1007      1014
 3:     3       925       920
 4:     4      1223      1241
 5:     5       879       889
 6:     6      1073      1071
 7:     7      1090      1087
 8:     8       964       978
 9:     9      1115      1056
10:    10      1494      1498

😎 Conclusion

ในบทความนี้ เราได้ไปดูวิธีใช้ data.table เพื่อทำทำงานกับข้อมูลขนาดใหญ่กัน

เราได้เห็นว่า data.table มีหลักการเขียนดังนี้:

DT[i, j, by]

และแต่ละ argument มีการใช้งานดังนี้:

Argument i:

Use Case	Example
Select rows	`flights[1:5]`
Filter	`flights[distance >= 500]`
Sort	`flights[order(origin)]`

Argument j:

Use Case	Example
Select columns	`flights[, .(origin, dest)]`
Compute	`flights[, mean(air_time)]`
Create columns	`flights[, speed := distance / (air_time / 60)]`

Argument by:

Use Case	Example
Group data	`flights[by = origin]`

Special symbols:

Symbol	Meaning
`.N`	จำนวน rows
`.SD`	Subset of Data
`.SDcols`	columns ใน Subset of Data

เราสามารถใช้ทุก arguments ร่วมกัน (combining) หรือเชื่อมต่อ data.table (chaining) เพื่อตอบโจทย์ที่ซับซ้อนได้

🎒 Learn More About data.table

😺 GitHub

ดู code ตัวอย่างทั้งหมดในบทความนี้ได้ที่ GitHub

📚 อ่านเพิ่มเติมเกี่ยวกับ data.table

📑 Cheat Sheets ในการใช้งาน data.table

📃 References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

📕 ขอฝากหนังสือเล่มแรกในชีวิตด้วยนะครับ 😆

Correlation
t-tests
ANOVA
Reliability
Factor analysis

แล้วทุกคนจะแปลกใจว่า ทำไมภาษา R ง่ายขนาดนี้ 🙂‍↕️

👉 สนใจดูรายละเอียดหนังสือได้ที่ meb:

ดูรายละเอียดหนังสือ R Book for Psychologists

2025-02-13

R Control Flow: วิธีเขียน if, for, while ในภาษา R เพื่อการทำงานที่ง่ายขึ้น พร้อมตัวอย่าง

ในการเขียน code เรามักจะเจอกับงานที่เราต้องทำซ้ำ ๆ เช่น เปลี่ยนตัวเลขในช่วงที่กำหนด (เช่น 80 ถึง 100) ให้เป็นเกรด (เช่น A)

แทนที่เราจะเขียน code ใหม่ทุกครั้งที่เราเจอตัวเลข (เช่น 89, 82, 91) เราสามารถใช้ control flow เข้ามาช่วย automate งาน ลดเวลาและภาระงานของเราลงไปได้

ในบทความนี้ เราจะมาดูวิธีเขียน control flow ในภาษา R กัน:

If-else:
- if
- else
- else if
Loops:
- for
- while
Loop control:
- next
- break

ถ้าพร้อมแล้ว มาเริ่มกันเลย

🕹️ If-Else

ในการเขียน if-else เรามี 3 syntax ที่ต้องทำความเข้าใจ:

if
else
else if

1️⃣ if

เราใช้ if เพื่อกำหนดเงื่อนไขในการทำงาน

เช่น ถ้าคะแนนมากกว่า 60 ให้ผ่าน:

if (score >= 60) {
	print("Pass")
}

ถ้าไม่ตรงกับเงื่อนไข R จะรัน code บรรทัดถัดไป

2️⃣ else

เราใช้ else เพื่อกำหนด action ที่ต้องทำเมื่อข้อมูลไม่เข้าเงื่อนไข

เช่น ถ้าน้อยกว่า 60 ให้ไม่ผ่าน:

if (score >= 60) {
	print("Pass")
} else {
	print("Fail")
}

ในครั้งนี้ R จะแสดงคำว่า “Pass” หรือ “Fail” ก่อนจะรัน code บรรทัดถัดไป

3️⃣ else if

ถ้าเรามีมากกว่า 2 เงื่อนไข ให้ใช้ else if เพื่อกำหนดเงื่อนไขเพิ่มเติม

เช่น ตัดเกรดตามช่วงคะแนน:

if (score >= 90) {
	print("A")
} else if (score >= 80) {
	print("B")
} else if (score >= 70) {
	print("C")
} else if (score >= 60) {
	print("D")
} else {
	print("F")
}

ใน code นี้ R จะรันแต่ละบรรทัด และถ้าข้อมูลที่มีตรงกับเงื่อนไข ก็จะทำตาม action ในบรรทัดนั้น

เช่น เรากำหนดให้:

score <- 71

R จะรัน else if จนถึงบรรทัดที่ 5 แล้วทำ action ที่อยู่ในบรรทัด 6:

🔁 Loops

Loops ใช้ในการทำ task ซ้ำเรื่อย ๆ ตามเงื่อนไขที่กำหนด

เราสามารถเขียน loop ได้ 2 แบบ คือ:

for
while

1️⃣ for

for ใช้สำหรับทำงานซ้ำ ๆ ที่เรารู้ว่าจะต้องทำกี่ครั้ง

เช่น เรามีรายชื่อเพื่อนที่เราอยากจะทักทาย:

friends <- c("John",
             "Sarah", 
             "Emma",
             "Mike")

เราสามารถใช้ for loop ช่วยได้แบบนี้:

for (friend in friends) {
  print(paste("Hello,", friend))
}

ผลลัพธ์:

2️⃣ while

เราใช้ while เมื่อต้องทำงานซ้ำ ๆ ที่เราไม่รู้ว่าจะต้องทำกี่ครั้ง

โดย while จะทำงานไปเรื่อย ๆ จนกว่าเงื่อนไขที่กำหนดจะไม่เป็นจริง

เช่น ทอยเต๋าเรื่อย ๆ จนกว่าจะได้เลข 6:

set.seed(42)

roll <- sample(1:6, 1)

while (roll != 6) {
  print(paste("Rolled:", roll, "Not yet..."))
  roll <- sample(1:6, 1)
}

print("You rolled a 6! Congratulations!")

อธิบาย code:

Code	Explain
`set.seed(42)`	ทำให้ code ให้ผลลัพธ์เหมือนกันทุกครั้ง
`sample(1:6, 1)`	สุ่ม 1 เลข ระหว่าง 1 ถึง 6
`while (roll != 6) {...}`	จนกว่า roll จะเท่ากับ 6 ให้ทำ action ใน `{...}`
`print("You rolled a 6! Congratulations!")`	ถ้าหลุดจาก while loop แล้ว ให้ print “You rolled a 6! Congratulations!”

ถ้ารัน code แล้ว เราจะได้ผลลัพธ์แบบนี้:

จะเห็นว่า while loop หยุดเมื่อ roll != 6 ไม่เป็นจริง (เมื่อ roll = 6)

🚸 Loop Control

ในการเขียน for และ while loops เรามี 2 statements ที่ช่วยกำกับ loops ได้ คือ:

next
break

1️⃣ next

next ใช้เพื่อข้ามข้อมูลที่เราไม่ต้องการให้เกิด action

เช่น เรามี list ของสี:

colours <- c("🟢", "🔴", "🔵", "🔴", "🟠", "🟢")

ซึ่งเราต้องการ print เฉพาะสีโทนเย็น (skip สีโทนร้อน เช่น 🔴, 🟠) เราสามารถใช้ next คู่กับ if และ for ได้แบบนี้:

for (colour in colours) {
  if (colour == "🔴" | colour == "🟠") next
  print(colour)  
}

ผลลัพธ์:

จะเห็นได้ว่า code ของเราข้ามข้อมูลที่เป็นสีโทนร้อน และ print เฉพาะสีโทนเย็นออกมา

2️⃣ break

break ทำหน้าที่คล้าย next

แต่แทนที่จะข้ามข้อมูลไป break จะหยุดการทำงานของ loop และปล่อยให้ R รัน code บรรทัดหลังจาก loop ได้

เช่น เรามี while loop ที่นับเลขตั้งแต่ 10 ถึง 0:

time <- 10  # Start countdown

while (time > 0) {
  print(paste("Counting down:", time))
  time <- time - 1
}

ถ้าเราไม่ใส่ break, while loop ของเราจะนับเลขถึง 0:

แต่ถ้าเราใส่ break เข้าไป while loop จะหยุดนับ ณ ตัวเลขที่เรากำหนด:

time <- 10  # Start countdown

while (time > 0) {
  if (time == 4) {
    print("Countdown stopped.")
    break  # Stop the loop when time reaches 4
  }
  print(paste("Counting down:", time))
  time <- time - 1
}

ผลลัพธ์:

จะเห็นได้ว่า break ทำให้ while loop หยุดทำงาน เมื่อนับถึง 4

💪 Summary

ในบทความนี้ เราเรียนรู้วิธีเขียน control flow ใน R กัน:

If-else:

Statement	Description
`if`	กำหนด 1 เงื่อนไข
`else`	ทำ action เมื่ออยู่นอกเงื่อนไข
`else if`	เพิ่มเงื่อนไข

Loops:

Statement	Description
`for`	repeat task เมื่อรู้ว่า action ที่ต้องทำจะเกิดขึ้นกี่ครั้ง
`while`	repeat task เมื่อไม่รู้ว่า action ที่ต้องทำจะเกิดขึ้นกี่ครั้ง

Loop control:

Statement	Description
`next`	Skip ข้อมูลใน loop
`break`	หยุด loop

🗒️ Practice Control Flow

แม้ว่าตัวอย่างในบทความนี้จะเป็นตัวอย่างง่าย ๆ แต่ control flow เป็นการเขียน code ที่มีประโยชน์มาก และสามารถใช้แก้ปัญหาทั้งเล็กและใหญ่ในโลกจริงได้ เช่น:

ส่ง update ข้อมูล PM2.5 รายวัน
เช็ก username และ password เพื่อยืนยันการเข้าสู่ระบบ
ทำระบบสั่งอาหารและจ่ายเงินออนไลน์
สร้างเกมเป่ายิ้งฉุบ
สร้างระบบกดเงิน ATM

และอีกมากมาย

สำหรับคนที่สนใจสามารถลองเขียน control flow เพื่อแก้ปัญหาเหล่านี้ได้

ติดตั้ง R และ RStudio เพื่อใช้งาน R:

Install R: https://cran.r-project.org/bin/windows/base/
Install RStudio: https://posit.co/download/rstudio-desktop/
ใช้ RStudio แบบออนไลน์: https://posit.cloud/

😺 GitHub

ดูตัวอย่าง code ในบทความนี้ได้ที่ GitHub

📃 References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

📕 ขอฝากหนังสือเล่มแรกในชีวิตด้วยนะครับ 😆

Correlation
t-tests
ANOVA
Reliability
Factor analysis

แล้วทุกคนจะแปลกใจว่า ทำไมภาษา R ง่ายขนาดนี้ 🙂‍↕️

👉 สนใจดูรายละเอียดหนังสือได้ที่ meb:

ดูรายละเอียดหนังสือ R Book for Psychologists

2025-02-06

R Foundation: ทำความรู้จักกับภาษา R สำหรับผู้เริ่มต้น – ภาษา R คืออะไร, ต่างกับ Python ยังไง, และเขียนยังไง?

ในบทความนี้ เราจะมาทำความรู้จักภาษา R กัน:

ภาษา R คืออะไร?
R แตกต่างกับ Python ยังไง?
พื้นฐานการเขียนภาษา R

ถ้าพร้อมแล้วมาเริ่มกันเลย

ภาษา R คืออะไร?

R เป็นภาษาคอมพิวเตอร์ที่ถูกพัฒนาขึ้นในช่วง ค.ศ. 1990 โดยนักสถิติ 2 ท่านจาก University of Auckland ในนิวซีแลนด์:

Ross Ihaka
Robert Gentleman

โดยทั้งคู่พัฒนา R เพื่อทำงานกับข้อมูลในห้องแล็บโดยเฉพาะ

และด้วยเหตุที่ R ถูกออกแบบมาเพื่อทำงานกับข้อมูล จึงได้ชื่อว่าเป็น “statistical programming language”

Note: ตัวอักษรแรกของนักพัฒนาเป็นที่มาของชื่อภาษา

“Logo for R” by The R Foundation (from https://www.r-project.org/logo/ under the CC-BY-SA 4.0)

เพราะ R เป็นภาษาสำหรับ data จึงเป็นที่นิยมในสายอาชีพ data อย่าง:

Data analyst
Data scientist
Business intelligence analyst
Statistician
Researcher

ในปัจจุบัน (Jan 2025) R ได้รับความนิยมเป็นอันดับ 18 ของโลก (อ้างอิง TIOBE index):

นอกจากเป็นภาษา data แล้ว R ยังได้รับความนิยม เพราะ:

เป็นภาษา open source
ผู้ใช้งานสามารถสร้าง package (library) ในการวิเคราะห์ข้อมูลเองได้
ผู้ใช้สามารถใช้ package ที่คนอื่นเขียนไว้แล้ว มาวิเคราะห์ข้อมูลได้ (ในปัจจุบัย R มี package ให้เลือกใช้งานมากกว่า 17,000 packages)
ใช้งานได้กับหลากหลาย OS เช่น Windows, MacOS, และ Linux

R vs Python: แตกต่างกันยังไง?

ทั้ง R และ Python ต่างได้เป็นที่นิยมในสายงาน data science และมีลักษณะที่คล้ายกัน คือ:

เป็นภาษา open source
มี community ผู้ใช้งานขนาดใหญ่
มี packages ให้เลือกใช้จำนวนมาก

แต่ R และ Python จุดที่แตกต่างกัน คือ:

R	Python
เหมาะกับการทำงาน data โดยเฉพาะการวิเคราะห์สถิติเชิงลึก	เป็นภาษาสำหรับงานทั่วไป (general-purpose) รองรับการใช้งานหลายประเภทกว่า R

ดังนั้น แม้ว่า R อาจจะสามารถทำงานนอกเหนือจากงาน data ได้ (เช่น web scrapping) แต่อาจจะไม่ดีเท่ากับ Python ที่ถูกออกแบบมาให้ใช้งานทั่วไป

Note:

สำหรับคนที่สนใจสายงาน data ควรเลือกศึกษาทั้ง 2 ภาษา

แต่การจะหยิบมาใช้งาน ขึ้นอยู่กับงานตรงหน้า:

R	Python
งานวิจัยและการวิเคราะห์ข้อมูลเชิงลึก เช่น สร้างโมเดลทางสถิติ รวมทั้งการสร้างกราฟจากข้อมูลอย่างง่าย	งานที่ต้องมีความยืดหยุ่น เช่น machine learning และ AI หรืองานที่ต้อง integrate กับเครื่องมืออื่น ๆ เช่น web scrapping และ software development

Objects & Functions: โลกทั้งใบของ R

หลังจากทำความรู้จักความรู้จักกับ R เบื้องต้นแล้ว เรามาดูหลักการทำงานของ R กัน

ในการทำงานกับ R เราต้องเข้าใจก่อนว่า ทุกสิ่งที่อยู่ใน R ประกอบด้วย 2 อย่าง ได้แก่:

Object	Function
สิ่งที่เก็บใน R	สิ่งที่เกิดขึ้นใน R

นั่นคือ:

ทุกสิ่งที่เราสร้างขึ้นใน R จะถูกเก็บอยู่ใน objects (เช่น ตัวแปร, ข้อมูล)
Functions เป็นสิ่งที่เรากระทำกับ objects (เช่น การคำนวณ การสร้างกราฟ)

เมื่อเราเข้าใจแล้ว เราสามารถทำความเข้าใจ concepts อื่น ๆ ของ โดยการต่อยอดจาก 2 องค์ประกอบนี้

Objects: Existing in R

ในส่วน objects เรามี 3 สิ่งที่ต้องความเข้าใจ เพื่อทำงานกับ R:

Variables
Data types and classes
Data structures

📦 (1) Variables: การประกาศตัวแปรใน R

Variable หรือตัวแปร เป็นเหมือนกล่องเก็บของที่เก็บข้อมูลไว้ให้เรา

เราสามารถสร้างตัวแปรด้วยการใช้ <- เช่น:

x <- 10

อย่างในตัวอย่าง เป็นการสร้างตัวแปร x ที่เก็บค่าตัวเลข 10 เอาไว้

Note: เราสามารถใช้ = แทน <- ได้ แต่ไม่เป็นที่นิยมกัน

🍱 (2) Data Types & Classes: ประเภทข้อมูลใน R

ตัวแปรใน R สามารถเก็บข้อมูลได้หลายประเภท (เช่น ตัวเลข ข้อความ)

เราต้องทำความเข้าใจประเภทของข้อมูล เพราะเป็นตัวกำหนด functions ที่เราสามารถใช้ทำงานกับ variable นั้นได้

ยกตัวอย่างเช่น x เก็บตัวแปรประเภทตัวเลข เราจะไม่สามารถใช้ functions ที่ทำงานกับตัวอักษรได้

ทั้งนี้ ประเภทข้อมูลใน R มีอยู่ 5 ประเภทที่มักใช้บ่อย ได้แก่:

No.	Data Type	Example
1	Numeric	`100`
2	Character	`"One hundred"`
3	Logical	`TRUE`, `FALSE`
4	Date	`2025-01-15`
5	Factor	`"male"`, `"female"`, `"other"`

ตัวอย่าง 👇

Numeric:

age <- 10

Character:

name <- "Ben Tennyson"

Logical:

is_hero <- TRUE

Date:

date_of_birth <- as.Date("1995-12-27")

Factor:

gender <- as.factor("Male")

Note: เราสามารถเช็กประเภทข้อมูลของตัวแปร ได้ด้วย class() เช่น:

class(age)

ผลลัพธ์:

🏠 (3) Data Structures: โครงสร้างข้อมูลใน R

Data structure เป็นการนำข้อมูลมาจัดเรียงเป็นโครงสร้างที่ใหญ่ขึ้น

Data structures เป็นเหมือนอิฐที่ประกอบกันเป็นบ้านหรือตึกใน R

โครงสร้างข้อมูลใน R มีอยู่ 5 ประเภท ซึ่งแบ่งได้เป็น 2 กลุ่มตามมิติในการเก็บข้อมูล ดังนี้:

กลุ่มที่ 1: เก็บข้อมูลได้ 1 ประเภทเท่านั้น

No.	Data Structure	การเก็บข้อมูล
1	Vector	1 มิติ
2	Matrix	2 มิติ
3	Array	n มิติ

ตัวอย่าง 👇

Vector:

v <- c(1, 3, 5, 7, 9)

ผลลัพธ์:

Matrix:

m <- matrix(1:9, ncol = 3)

ผลลัพธ์:

Array:

เช่น array แบบ 3 มิติ:

4 rows
3 columns
2 ชั้น

a <- array(1:24, dim = c(4, 3, 2))

ผลลัพธ์:

กลุ่มที่ 2: เก็บข้อมูลได้มากกว่า 1 ประเภท

No.	Data Structure	การเก็บข้อมูล
1	List	1 มิติ
2	Data frame	2 มิติ

ตัวอย่าง 👇

List:

เพราะ list สามารถเก็บข้อมูลได้หลายประเภท เราสามารถใส่อะไรลงใน list ก็ได้ (แม้แต่ data structure อื่น ๆ):

grocery_list = list("apple",
                    "milk",
                    TRUE,
                    250,
                    c(1, 3, 5, 7, 9),
                    list("Walmart", "Target"))

ผลลัพธ์:

Data frame:

สำหรับ data frame เราสามารถสร้างได้จากเชื่อม vectors เข้าด้วยกัน:

groceries <- data.frame(
  Item = c("Apples", "Carrots", "Milk"),
  Category = c("Fruit", "Vegetable", "Dairy"),
  Quantity = c(5, 2, 1),
  Price = c(1.50, 0.75, 2.50)
)

ผลลัพธ์:

Note: สำหรับใครที่นึกภาพโครงสร้างข้อมูลไม่ออก สามารถดู Figure 5.6 ในหนังสือ Hands-On R Programming เพื่อช่วยไขข้อสงสัยได้

Functions: Happening in R

สำหรับ functions เรามี 2 สิ่งที่ต้องทำความเข้าใจ ได้แก่:

Operators
Functions

🧮 (1) Operators: เครื่องหมายใน R

Operators เป็นเครื่องหมาย เพื่อบอก R ว่าเราต้องการทำงานหรือการคำนวณอะไร

Operators แบ่งออกเป็น 4 ประเภท ได้แก่:

No.	Operator	For	Symbols
1	Assignment	สร้าง variable	`<-` `=`
2	Arithmetic	คิดเลข	`+` `-` `*` `/`
3	Logical	คิดตรรกะ	`&` `\|` `!`
4	Relational	เปรียบเทียบค่า	`==` `!=` `>` `<` `>=` `<=`

ตัวอย่าง 👇

Assignment

เช่น สร้างตัวแปรเก็บชื่อ “John”:

my_name <- "John"

Arithmetic

เช่น คิดเลข 3 + 4:

3 + 4

Logical

เช่น not TRUE:

!TRUE

Relational

เช่น เช็กว่า 15 มากกว่า 11 ไหม:

15 > 11

🔨 (2) Functions: Action ใน R

Functions คือ code ที่เราสามารถนำกลับมาใช้ใหม่ได้ (reusable)

Functions แบ่งออกเป็น 2 ประเภท ได้แก่:

No.	Function	Description	Example
1	Built-in	Functions ที่มาพร้อม R หรือ packages ที่เราโหลดมาใช้งาน	`print()` `sum()` `str()`
2	User-defined	Functions ที่เราสร้างเอง	สร้าง function ชื่อ `hello()` เพื่อทักทาย user

Note:

สำหรับ user-defined functions เราสามารถสร้างได้โดยใช้ function() เช่น:

greeting <- function(name) {
  print(paste("Hello", name))
}

ถ้าเราเรียกใช้งาน greeting() โดยใส่ "John" ใน ():

greeting("John")

เราจะได้ผลลัพธ์แบบนี้:

Conclusion

ในบทความนี้ เราได้ทำความรู้กับภาษา R กัน:

R เป็นภาษาสำหรับงาน data
ทั้ง R และ Python ใช้กับงาน data ได้
- R เหมาะกับการวิเคราะห์เชิงลึก
- Python เหมาะกับงานทั่วไป
- คนที่สนใจงานสาย data ควรเรียนทั้ง 2 ภาษา
ทุกอย่างใน R แบ่งเป็น objects และ functions
Objects: สิ่งที่เก็บใน R
- Variables: เก็บข้อมูล
- Data types and classes: กำหนด functions
- Data structures: ประกอบร่างข้อมูล
Functions: สิ่งที่เกิดขึ้นใน R
- Operators: เครื่องหมายในการทำงาน
- Functions: code ที่นำกลับมาใช้ใหม่ได้

Learn More About R

🧑‍💻 GitHub

สำหรับผู้ที่สนใจ สามารถดู code ตัวอย่างในบทความนี้ได้ที่ GitHub

🔨 Free Tool

เริ่มทดลองเขียน R ด้วยตัวเอง ผ่าน RStudio

ติดตั้งและใช้งานบน desktop : https://posit.co/downloads/
ใช้งาน online: https://posit.cloud/

ดาวน์โหลด R

Windows: https://cran.r-project.org/bin/windows/base/
macOS: https://cran.r-project.org/bin/macosx/

Note: ใช้งานฟรีทั้งแบบ desktop และ online

📗 Free e-Books

ใครที่สนใจเรียนรู้เกี่ยวกับ R เพิ่มเติม สามารถอ่านหนังสือ e-book เหล่านี้ได้ฟรี:

🏫 Free Courses

สำหรับคนที่สนใจเรียนการเขียน R สามารถศึกษาคอร์สเรียนเหล่านี้ได้:

R Crash Course จาก DataRockie
HarvardX: Data Science: R Basics จาก edX

References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

📕 ขอฝากหนังสือเล่มแรกในชีวิตด้วยนะครับ 😆

Correlation
t-tests
ANOVA
Reliability
Factor analysis

แล้วทุกคนจะแปลกใจว่า ทำไมภาษา R ง่ายขนาดนี้ 🙂‍↕️

👉 สนใจดูรายละเอียดหนังสือได้ที่ meb:

ดูรายละเอียดหนังสือ R Book for Psychologists

2025-01-30

Seven SQL: 7 คำสั่ง SQL พื้นฐานในการทำงานกับ Database สำหรับผู้เริ่มต้น พร้อมตัวอย่างจาก Chinook Database

SQL ย่อมาจาก Structured Query Language เป็นภาษาที่ใช้ทำงานกับ database และถูกพัฒนาโดย IBM ในช่วง ค.ศ. 1970s

แม้ SQL จะมีมานานแล้ว แต่ SQL ยังเป็นทักษะที่สำคัญในยุคนี้ที่ data เป็น resource ที่สำคัญ ทั้งในการใช้ชีวิตและการทำงาน

ถ้าเราใช้ SQL เป็น เราจะสามารถ:

สร้างและจัดการ database
เรียกดูข้อมูลจาก database
จัดการข้อมูลบน database
วิเคราะห์ข้อมูลบน database

ในบทความนี้ เราจะทำความรู้จักกับ 7 คำสั่ง SQL ที่สำคัญ ผ่านตัวอย่างของ Chinook database กัน:

SELECT
WHERE
ORDER BY
GROUP BY
Aggregate functions
JOIN
LIMIT

(พร้อม best practices แนะนำ resources ในการพัฒนา SQL ต่อ)

ถ้าพร้อมแล้วไปเริ่มกันเลย

💽 Example Database: Chinook

สำหรับบทความนี้ เราจะใช้ Chinook database ซึ่งเป็น database ที่มักใช้ฝึก SQL เป็นตัวอย่างกัน

Chinook database เป็นข้อมูลร้านขายมีเดียออนไลน์ และแบ่งออกเป็น 11 ชุดข้อมูล (tables):

No.	Table Name	Description
1	`Album`	ข้อมูลอัลบัม
2	`Artist`	ข้อมูลศิลปิน
3	`Customer`	ข้อมูลลูกค้า
4	`Employee`	ข้อมูลพนักงาน
5	`Genre`	ข้อมูลแนวเพลง
6	`Invoice`	ข้อมูลใบเสร็จขายของ
7	`InvoiceLine`	ข้อมูลรายการซื้อในใบเสร็จ
8	`MediaType`	ข้อมูลประเภทมีเดีย
9	`Playlist`	ข้อมูลเพลย์ลิสต์
10	`PlaylistTrack`	ข้อมูลสำหรับจับคู่เพลย์ลิสต์กับเพลง
11	`Track`	ข้อมูลเพลง

เรามาดูวิธีเขียน 7 คำสั่ง SQL กันด้วย Chinook database กัน

1️⃣ Statement #1: SELECT

Usage:

คำสั่งพื้นฐาน สำหรับเลือกข้อมูลจาก database

Syntax:

SELECT columns
FROM table

columns ให้ระบุชื่อ columns ที่เราต้องการ (ระบุได้มากกว่า 1 โดยใช้ , คั่น)
table ให้ระบุ ชื่อ table ที่มีข้อมูลที่เราต้องการ

Example:

เลือกดูชื่อเพลง (Name) และรหัสอัลบัม (AlbumID) จาก Track:

SELECT Name, AlbumId
FROM Track;

ผลลัพธ์:

Note:

เราสามารถเลือกข้อมูลทั้งหมดจาก table ได้ โดยใช้ * เช่น:

SELECT *
FROM Tracks;

โดยผลลัพธ์จะแสดงข้อมูลทุก columns และ rows ใน Track

นอกจากนี้ เราสามารถตั้งชื่อ column ได้ โดยใช้ AS เช่น:

SELECT Name AS Song, AlbumId AS Album
FROM Track;

ผลลัพธ์:

จะเห็นว่า ข้อมูลจะเหมือนเดิม แต่ชื่อ column จะเปลี่ยนไป

2️⃣ Statement #2: WHERE

Usage:

ใช้กรองข้อมูลที่เรียกมาแสดง

Syntax:

WHERE conditions

conditions ให้ระบุเงื่อนไขในการกรอง

Example:

หาเพลงที่มีราคา (UnitPrice) สูงกว่า $0.99:

SELECT Name, UnitPrice
FROM Track
WHERE UnitPrice > 0.99;

ผลลัพธ์:

WHERE operators:

ในการกรอง เราสามารถใช้ operators เหล่านี้ในการกำหนดเงื่อนไขได้:

Operator	Meaning	Example
`=`	เท่ากับ	`UnitPrice = 0.99`
`<>` หรือ `!=`	ไม่เท่ากับ	`UnitPrice <> 0.99`
`>`	มากกว่า	`UnitPrice > 0.99`
`<`	น้อยกว่า	`UnitPrice < 0.99`
`>=`	มากกว่า/เท่ากับ	`UnitPrice >= 0.99`
`<=`	น้อยกว่า/เท่ากับ	`UnitPrice <= 0.99`
`BETWEEN`	กรองข้อมูลตามช่วง	`UnitPrice BETWEEN 0.99 and 1.99`
`IN`	กรองข้อมูลตามเซตข้อมูล	`UnitPrice IN (0.99, 1.99, 2.99)`

นอกจากนี้ เรายังสามารถใช้ LIKE กับ WHERE เพื่อกรอง text ได้อีกด้วย

โดย LIKE ใช้คู่กับ 2 อย่าง:

Operator	Meaning
`_`	แทน 1 characters
`%`	แทน 0, 1, หรือมากกว่า 1 characters

เช่น:

SELECT FirstName, LastName
FROM Customer
WHERE FirstName LIKE '_ohn';

ผลลัพธ์:

ผลลัพธ์: เราจะได้ข้อมูลทั้งหมดที่มี FirstName ขึ้นต้นด้วยตัวอักษรใด ๆ 1 ตัว + “ohn”

เช่น:

John
Gohn
Wohn

อย่างในตัวอย่าง เราจะได้ “John Gordon” ขึ้นมา:

หรือ:

SELECT FirstName, LastName
FROM Customer
WHERE FirstName LIKE 'J%';

ผลลัพธ์:

เราจะได้ข้อมูลที่ FirstName เริ่มด้วย J และตามด้วยตัวอักษรใด ๆ + กี่ตัวก็ได้

เช่น:

John
Jo
Jane
James

อย่างในตัวอย่าง เราจะได้ชื่อเหล่านี้มา:

3️⃣ Statement #3: ORDER BY

Usage:

จัดลำดับข้อมูล

Syntax:

ORDER BY columns

columns ให้ระบุชื่อ column ที่ใช้ในการจัดลำดับ (ใส่ได้มากกว่า 1)

Example:

ดึงรายชื่อลูกค้า ให้แสดงตามชื่อจริง (FirstName):

SELECT FirstName, LastName
FROM Customer
ORDER BY FirstName;

ผลลัพธ์:

Note:

Default ของ ORDER BY จะเป็นการเรียงแบบ ascending (A-Z)

ถ้าเราอยากเรียงแบบ descending (Z-A) ให้ใส่ DESC ต่อท้าย เช่น:

SELECT FirstName, LastName
FROM Customer
ORDER BY FirstName DESC;

ผลลัพธ์:

4️⃣ Statement #4: GROUP BY

Usage:

จับกลุ่มข้อมูล

Syntax:

GROUP BY columns

columns ระบุชื่อ column ที่ใช้จับกลุ่ม (ระบุได้มากกว่า 1)

Example:

นับจำนวนเพลงในแต่ละอัลบัม:

SELECT AlbumId, COUNT(*) AS TrackCount
FROM Track
GROUP BY AlbumId;

ผลลัพธ์:

จากตัวอย่าง เราจะเห็นว่า album ที่ 1 มี 10 เพลง, album ที่ 2 มี 1 เพลง, ไปเรื่อย ๆ

5️⃣ Statement #5: Aggregate Functions

Usage:

สรุป (aggregate) ข้อมูล

Syntax:

SELECT agg(column)

agg ให้ระบุ aggregate function ที่ต้องการใช้งาน
column ให้ระบุชื่อ column ที่เป็น input ของ aggregate function

Common aggregate functions:

ใน SQL, เรามี 5 aggregate functions ที่มักใช้บ่อย ได้แก่:

No.	Aggregate	Description
1	`COUNT()`	นับจำนวนข้อมูล
2	`SUM()`	หาผลรวม (sum)
3	`AVG()`	หาค่าเฉลี่ย (mean)
4	`MIN()`	หาค่าต่ำสุด
5	`MAX()`	หาค่าสูงสุด

Example:

เราต้องการรู้ข้อมูลการใช้จ่ายของลูกค้าแต่ละคน

โดยเราต้องการรู้:

จำนวนครั้งในการซื้อ (count)
เงินที่เคยใช้จ่ายทั้งหมด (sum)
ค่าใช้จ่ายโดยเฉลี่ย (mean)

SELECT CustomerId, COUNT(*), SUM(Total) AS TotalSpent, AVG(Total) AS AverageSpent
FROM Invoice
GROUP BY CustomerId;

ผลลัพธ์:

Note:

เพื่อให้ข้อมูลอ่านง่าย เราสามารถใช้ ROUND() เพื่อกำหนดจุดทศนิยมได้ เช่น:

SELECT CustomerId, COUNT(*), ROUND(SUM(Total), 2) AS TotalSpent, ROUND(AVG(Total), 2) AS AverageSpent
FROM Invoice
GROUP BY CustomerId;

ผลลัพธ์:

สังเกตว่า ข้อมูลใน TotalSpent และ AverageSpent จะแสดงทศนิยมแค่ 2 ตำแหน่ง

6️⃣ Statement #6: JOIN

Usage:

เชื่อม tables เข้าด้วยกัน

Syntax:

SELECT columns
FROM table1
JOIN table2
ON table1.key1 on table2.key2

table1, table2 คือ tables ที่เราต้องการเชื่อมกัน
key1, key2 คือ column ที่ใช้ระบุว่า ข้อมูลไหนจะเชื่อมกับข้อมูลไหน (primary key, foreign key)

Example:

เราอยากรู้ว่าเพลงไหนอยู่ในอัลบัลอะไร ให้เชื่อม Track เข้ากับ Album เพื่อหาคำตอบ:

SELECT Track.Name AS TrackName, Album.Title AS AlbumName
FROM Track
JOIN Album
ON Track.AlbumId = Album.AlbumId;

ผลลัพธ์:

7️⃣ Statement #7: LIMIT

Usage:

จำกัดจำนวนข้อมูลที่จะแสดง

Syntax:

LIMIT x

x ให้ใส่จำนวนที่ต้องการ

Example:

SELECT FirstName, LastName
FROM Customer
LIMIT 10;

ผลลัพธ์:

💪Put It All Together

เราสามารถใช้คำสั่ง SQL ทั้งหมดร่วมกัน เพื่อตอบโจทย์ data ที่ซับซ้อนได้

ตัวอย่างเช่น หา 5 อัลบัมที่ขายดีที่สุด ซึ่งมีเพลงราคาตั้งแต่ $0.99 ขึ้นไป:

SELECT Album.Title AS AlbumName, SUM(Track.UnitPrice) AS TotalRevenue
FROM Album
JOIN Track
ON Album.AlbumId = Track.AlbumId
WHERE Track.UnitPrice > 0.99
GROUP BY Album.AlbumId
ORDER BY TotalRevenue DESC
LIMIT 5;

เราใช้ SELECT เพื่อเลือกชื่ออัลบัมและหาผลรวมยอดขาย (SUM)
เชื่อม tables (JOIN) เพื่อดึงข้อมูลราคาเพลง จาก Track
กรองข้อมูลเฉพาะเพลงที่มีราคาตั้งแต่ $0.99 (WHERE)
จับกลุ่มข้อมูล (GROUP BY) เพื่อหาผลรวมของแต่ละอัลบัม
จัดเรียงข้อมูล (ORDER BY) ตามผลรวมยอดขาย จากมากไปน้อย (DESC)
เลือกแสดงข้อมูล 5 อันดับแรก (LIMIT)

ผลลัพธ์:

🍩 Bonus: SQL Best Practice

เพื่อเป็นความรู้เพิ่มเติม มาดู 3 best practices ในการเขียน SQL กัน:

ใช้ UPPERCASE ในเขียนคำสั่ง เช่น:
1. ✅ Do: SELECT, WHERE, GROUP BY
2. ❌ Don’t: select, where, group by
ใช้ snake_case ในการตั้งชื่อ tables และ columns เช่น:
1. user_id
2. order_date
3. duration_ms
ใช้ indentation (เคาะย่อหน้า) และแบ่งบรรทัด เพื่อความอ่านง่าย เช่น:

-- เขียนแบบนี้:

SELECT
	FirstName,
	LastName
FROM Customer
ORDER BY LastName;

-- แทนแบบนี้:
SELECT FirstName, LastName
FROM Customer
ORDER BY LastName;

Note:

จะเห็นว่า ตัวอย่างในบทความ ยังไม่ได้ทำตาม ข้อ 2 และ 3 😅
อ่าน best practices อื่น ๆ เพิ่มเติมได้ที่ SQL Style Guide

⏭️Next: Sharpen Your SQL

😺 GitHub

ดู database และตัวอย่าง SQL ทั้งหมดในบทความ ได้ที่ GitHub

🔨 Free Tool

สำหรับใครที่อยากเริ่มฝึก SQL สามารถใช้ SQL ได้ฟรี ผ่าน https://sqliteonline.com/

🎒 Free Course

สำหรับคนที่สนใจเรียน SQL แนะนำคอร์สเรียน SQL Crash Course จาก DataRockie

ง่าย
ฟรี
ใช้เวลาเรียนเพียง 30 นาที
ได้ certificate หลังเรียนจบ

📖 Free Tutorial

สำหรับใครที่อยากศึกษาคำสั่ง SQL นอกเหนือจากนี้ สามารถอ่านเพิ่มได้ที่ SQL Tutorial จาก W3Schools

ฟรี
เข้าใจง่าย

📃 References

2025-01-23

Google Sheets Essentials: วิธีเขียน 7 กลุ่มสูตรสำคัญใน Google Sheets สำหรับงาน Data พร้อมตัวอย่างการทำงานกับข้อมูลการเงิน

Google Sheets (หรือบางครั้งเรียกสั้น ๆ ว่า Sheets) เป็นเครื่องมือ spreadsheet ออนไลน์ สำหรับทำงานกับข้อมูลในรูปแบบตาราง (tabular data)

Google Sheets มีการทำงานเหมือนกับ Excel แต่มีจุดเด่น คือ:

ใช้งานฟรี
เข้าถึงจากที่ได้ก็ได้
ใช้ทำงานร่วมกับคนอื่นแบบ real-time ได้
รองรับข้อมูลจำนวนมากได้ (แม้อาจจะ lag บ้างก็ตาม)

ด้วยเหตุนี้ Google Sheets จึงได้รับความนิยมในกลุ่มคนทำงาน โดยเฉพะาะกับคนที่ใช้ Google Workspace ในการทำงาน

ในบทความนี้ เราจะมาทำความรู้จักกับ 7 กลุ่มสูตร Google Sheets ที่มักใช้ในการทำงาน data:

Filtering and sorting: กรองและจัดเรียงข้อมูล
Aggregating: สรุปข้อมูล
Searching: เรียกดูข้อมูล
Conditions: สร้างข้อมูลใหม่ด้วยเงื่อนไข
Working with dates: สูตรทำงานกับวันที่ (date)
Working with text: สูตรทำงานกับข้อความ (text)
Google: สูตรเฉพาะของ Google

ถ้าพร้อมแล้ว มาเริ่มกันเลย

💳 Dataset ตัวอย่าง: Financial Transactions Dataset

มาดู dataset ที่เราจะใช้เป็นตัวอย่างกัน: Financial Transactions Dataset

Financial Transactions Dataset เป็นข้อมูลสังเคราะห์ เลียนแบบข้อมูลทางธุรกรรมของสถาบันทางการเงิน

Dataset ประกอบด้วย 6 columns ได้แก่:

No.	Column	Description
1	`transaction_id`	รหัสการทำธุรกรรม
2	`date`	วันที่
3	`customer_id`	รหัสลูกค้า
4	`amount`	จำนวนเงิน
5	`type`	ประเภททางธุรกิจ เช่น credit, debit, transfer
6	`description`	คำอธิบายการทำธุรกรรม

สำหรับบทความนี้ เราจะใช้ข้อมูลแค่ 1,000 rows แรก เพื่อลดโหลดของ Google Sheets

โดยเราจะเก็บข้อมูลนี้ไว้ใน Sheet ชื่อ Data:

Note: สำหรับคนที่สนใจ สามารถดูตัวอย่างข้อมูลและสูตรได้ที่ Google Sheets

🏷️ Named Ranges

ก่อนไปดูการใช้งานสูตร Google Sheets เรามาทำความรู้จักกับ Named Ranges กันก่อน

Named Ranges เป็น function ใน Google Sheets ที่ใช้ตั้งชื่อ (ติด tag) ข้อมูล เพื่อให้ง่ายต่อการทำงาน

อย่างในกรณีของ Financial Transactions Dataset เราจะตั้งชื่อข้อมูลว่า transactions:

ข้อดีของการใช้ Named Ranges คือ:

เมื่อเราเรียกใช้สูตร เราสามารถใช้ชื่อที่เราตั้ง แทนช่วงข้อมูลได้เลย

เช่น:

แทนที่จะเขียนว่า A1:F1001 หรือ Data!A1:F1001 ทุกครั้ง
เราสามารถเขียน transactions แทนได้

วิธีใช้งาน:

1. เลือกชุดข้อมูลที่ต้องการ (ไม่รวม column headers)

2. ไปที่เมนู “Data” และ “Named Ranges”

3. ในแถบเมนูด้านขวามือ ตั้งชื่อชุดข้อมูล (เช่น transactions)

4. กด “Done” เพื่อบันทึก

🤔 Syntax Help

Google Sheets มีตัวช่วยในการเขียนสูตร

ทุกครั้งที่เราพิมพ์สูตร Google Sheets จะแสดงคู่มือการใช้งานขึ้นมา

เช่น:

เราสามารถเรียนวิธีการเขียนสูตรได้ จากเอกสารนี้ โดยไม่ต้องออกจาก Google Sheets เลย

🧑‍💼 Group #1 – Filtering & Sorting

เรามาเริ่มดูกลุ่มแรกของสูตร Google Sheets กัน

ในกลุ่มนี้ เราจะมาดู 2 สูตรสำหรับกรองและจัดเรียงข้อมูล:

FILTER()
SORT()

(1) FILTER()

Usage:

กรองข้อมูล

Syntax:

=FILTER(range, condition)

range คือ ชุดข้อมูลต้นทาง
condition คือ เงื่อนไขในการกรอง ซึ่งเราสามารถใส่ได้มากกว่า 1 เงื่อนไข

Example:

แสดงข้อมูลที่จำนวนเงินทางธุรกรรม มากกว่า 3,000:

=FILTER(transactions, Data!D2:D > 3000)

ผลลัพธ์:

เราจะได้ข้อมูลทั้งหมดที่มี amount มากกว่า 3,000 สังเกตได้จาก column D (highlight สีเขียว):

(2) SORT()

Usage:

เรียงลำดับข้อมูล

Syntax:

=SORT(range, sort_column, is_ascending)

range คือ ชุดข้อมูลต้นทาง
sort_column คือ column ที่ใช้ในการ sort
is_ascending คือ ระบุว่า จัดเรียงแบบ ascending (A-Z) หรือ descending (Z-A):
- เติม TRUE เพื่อ sort แบบ ascending
- เติม FALSE เพื่อ sort แบบ descending

Example:

เรียงข้อมูลตามจำนวนเงิน จากมากไปน้อย:

=SORT(transactions, 4, FALSE)

ผลลัพธ์:

เราจะได้ข้อมูลทั้งหมดโดยเรียงตาม amount จากมากไปน้อย (column D, highlight สีเขียว):

Note:

เราสามารถใช้ FILTER() คู่กับ SORT() ได้

เช่น แสดงข้อมูลที่มีจำนวนเงินมากกว่า 5,000 โดยเรียงจากน้อยไปมาก:

=SORT(FILTER(transactions, Data!D2:D > 3000), 4, TRUE)

ผลลัพธ์:

เราจะได้ข้อมูลที่ amount มากกว่า 3,000 จัดเรียงจากน้อยที่สุดไปมากที่สุด (column D, highlight สีเขียว):

🧑‍💼 Group #2 – Aggregating

ในกลุ่มนี้ที่ 2 เรามาดูสูตรในการสรุปข้อมูล (aggregate) ที่มักใช้กัน:

Formula	Description
`COUNTA()`	นับจำนวนข้อมูล
`SUM()`	หาผลรวม
`AVERAGE()`	หาค่าเฉลี่ย (mean)
`MEDIAN()`	หาค่ากลาง
`MODE()`	หา value ที่ซ้ำเยอะที่สุด
`MIN()`	หา value ที่น้อยที่สุด
`MAX()`	หา value ที่มากที่สุด
`QUARTILE()`	หา quantile
`STDEV()`	หา standard deviation (SD)
`VAR()`	หา variance

ตัวอย่าง:

หาค่าสถิติของจำนวนเงินทางธุรกรรมทั้งหมด:

Note:

เราจะเห็นว่า MODE() (row 9) แสดง error เนื่องจากไม่มีข้อมูลซ้ำมากกว่า 1 ครั้ง
เดี๋ยวเราจะดูวิธีจัดการค่า error ในกลุ่มที่ 7 กัน

🧑‍💼 Group #3 – Searching

ในกลุ่มที่ 3 เรามาดู 4 สูตรสำหรับค้นหาข้อมูลกัน:

VLOOKUP()
INDEX()
MATCH()
QUERY()

(1) VLOOKUP()

Usage:

VLOOKUP ย่อมาจาก:

Vertical Lookup

ใช้ดึงข้อมูลที่อยู่ row เดียวกับ search key (คำค้นหา)

Syntax:

=VLOOKUP(search_key, range, index)

search_key คือ value ที่เราใช้ค้นหา
range คือ ชุดข้อมูลที่เราต้องการเข้าไปดึงข้อมูลมา
index คือ column ใน range ที่เราต้องการไปดึงข้อมูลมา

Example:

สมมุติว่า เรามีรหัสการทำธุรกรรม 10 ตัว และเราอยากรู้ว่า:

แต่ละรหัสเป็นธุรกรรมประเภทไหน
มีจำนวนเงินเท่าไร

เราสามารถเขียนสูตรได้แบบนี้:

=ArrayFormula(VLOOKUP(A3:A12, transactions, 5))

เพื่อดึงข้อมูลประเภทธุรกรรมที่อยู่ใน column ที่ 5 จากรหัสการทำธุรกรรม

และ:

=ArrayFormula(VLOOKUP(A3:A12, transactions, 4))

เพื่อดึงข้อมูลจำนวนเงินที่อยู่ใน column ที่ 4 จากรหัสการทำธุรกรรม

ผลลัพธ์:

Note:

จากตัวอย่าง จะสังเกตเห็นว่า เราใช้ ArrayFormula ช่วยในการดึงข้อมูลทั้งชุดมาแสดง ด้วยการเขียนสูตรเพียงครั้งเดียว

การใช้ ArrayFormula มีข้อดี 2 อย่าง:

ประหยัดเวลาในการทำงาน
ช่วยในลดโหลดการทำงาน ทำให้ Google Sheets ทำงานได้เร็วขึ้น เนื่องจากลดการประมวลผลจากหลายสูตร เหลือสูตรเดียว

ทั้งนี้ เราสามารถเขียนสูตรให้ Google Sheets ทำงานเร็วขึ้นอีก ด้วยการดึงข้อมูลจาก 2 columns มาแสดงในสูตรเดียว:

=ArrayFormula(VLOOKUP(F3:F12, transactions, {5, 4}))

จะเห็นว่า เราใส่ {5, 4} แทน 5 หรือ 4 อย่างเดียว

ผลลัพธ์:

จะเห็นว่า ผลลัพธ์ของสูตรนี้เหมือนกับผลลัพธ์ของสูตรก่อนหน้า

(2) INDEX()

Usage:

แสดงข้อมูลจาก cell ที่ตรงกับ index ที่เรากำหนด

Syntax:

=INDEX(reference, row, column)

reference คือ ชุดข้อมูลที่เราต้องการเข้าไปดึงข้อมูล
row คือ เลข index ของ row
column คือ เลข index ของ column

Example:

เราต้องการแสดงข้อมูลที่อยู่ใน:

row ที่ 10 (transaction_id ที่ 10)
column ที่ 6 (description)

เราสามารถเขียนสูตรได้ดังนี้:

=INDEX(transactions, 10, 6)

ผลลัพธ์:

Google Sheets จะแสดงคำว่า “Old see watch no.” ขึ้นมา

(3) MATCH()

Usage:

ระบุตำแหน่งของ value ที่เราต้องการค้นหา

Syntax:

=MATCH(search_key, range, search_type)

search_key คือ value ที่เราใช้ค้นหา
range คือ ชุดข้อมูลที่เราต้องการเข้าไปดึงข้อมูลมา
search_type (optional) คือ กำหนดว่า เราต้องการค้นหาแบบตรงตัว หรือใกล้เคียง:
- 0 คือ ตรงตัว
- 1 คือ ใกล้เคียง

Example:

จากตัวอย่างของ INDEX() แทนที่จะดูว่า มีข้อมูลอะไรอยู่ใน row ที่ 10 และ column ที่ 6

เราถามคำถามกลับกัน คือ:

“Old see watch no.” อยู่ในตำแหน่งไหนของ column F

=MATCH("Old see watch no.", Data!F2:F, 0)

ผลลัพธ์:

Google Sheets จะแสดงเลข 10

ซึ่งหมายถึง “Old see watch no.” อยู่ในลำดับที่ 10 ของ column

Note:

เราสามารถใช้ INDEX() และ MATCH() เพื่อทำงานคล้ายกับ VLOOKUP() ได้

เช่น เราต้องการว่า จำนวนเงินของธุรกรรมที่เขียนว่า “Old see watch no.” มีจำนวนเท่าไร:

=INDEX(Data!D2:D, MATCH("Old see watch no.", Data!F2:F, 0))

ผลลัพธ์:

เราจะได้คำตอบที่ต้องการ: 1,008.62

(4) QUERY()

Usage:

QUERY() เป็นสูตรเพื่อดึงข้อมูลมาแสดงได้ในรูปแบบที่ต้องการ

Syntax:

=QUERY(data, query)

data คือ ชุดข้อมูลต้นทางที่เราต้องการดึงข้อมูลมา
query คือ การเขียนเงื่อนไขในการดึงข้อมูล ตาม syntax ของ SQL

Example #1:

เราต้องการดึงข้อมูลทั้งหมด จาก transactions มาแสดง:

=QUERY(transactions, "SELECT *")

ผลลัพธ์:

เราจะได้ข้อมูลทั้ง 1,000 rows และ 6 columns มาแสดง

Example #2:

เราสามารถตีกรอบข้อมูลลง โดย:

ระบุเฉพาะ column ที่ต้องการ
จำกัดจำนวน rows ที่ดึงมาแสดง

เช่น เลือกเฉพาะ รหัสลูกค้า และ จำนวนเงิน 10 ชุดแรกมาแสดง:

=QUERY(transactions, "SELECT C, D LIMIT 10")

ผลลัพธ์:

Example #3:

เราสามารถเขียน query เพื่อตอบโจทย์ที่ซับซ้อนขึ้นได้

เช่น แสดงรหัสลูกค้า 10 คนแรกที่มีจำนวนเงินทางธุรกรรมมากกว่า 5,000 ขึ้นไป พร้อมวันที่:

=QUERY(transactions, "SELECT C, D, B WHERE D >= 5000 ORDER BY D DESC LIMIT 10")

ผลลัพธ์:

Note: สำหรับใครที่สนใจวิธีเขียน query สามารถเรียนรู้เกี่ยวกับ SQL เบื้องต้นได้ที่ SQL Crash Course จาก DataRockie

🧑‍💼 Group #4 – Conditions

ในกลุ่มที่ 4 เรามาดู 4 สูตรสำหรับสร้างข้อมูลใหม่ตามเงื่อนไขกัน:

IF()
IFS()
IFERROR()

(1) IF()

Usage:

แสดงข้อมูลตามเงื่อนไขที่กำหนด (1 เงื่อนไข)

Syntax:

=IF(logical_expression, value_if_true, value_if_false)

logical_expression คือ เงื่อนไขที่เรากำหนด
value_if_true คือ สิ่งที่จะแสดง ถ้าข้อมูลตรงเงื่อนไข
value_if_false คือ สิ่งที่จะแสดง ถ้าข้อมูลไม่ตรงเงื่อนไข

Example #1:

ต้องการจัดกลุ่มจำนวนเงิน โดย:

กลุ่ม	จำนวนเงิน
Large	ตั้งแต่ 5,000 ขึ้นไป
Small	น้อยกว่า 5,000

=ArrayFormula(IF(A3:A>=5000, "Large", "Small"))

ผลลัพธ์:

Example #2:

เราสามารถเขียน IF() ซ้อนกันไปเรื่อย ๆ (nested IFs) เพื่อเพิ่มจำนวนเงื่อนไขได้

เช่น แบ่งจำนวนเงินเป็น 3 กลุ่ม แทน 2 กลุ่ม:

กลุ่ม	จำนวนเงิน
Large	ตั้งแต่ 5,000 ขึ้นไป
Mid	ตั้งแต่ 2,500 แต่น้อยกว่า 5,000
Small	น้อยกว่า 2,500

=ArrayFormula(IF(A3:A>=5000, "Large", IF(A3:A>=2500, "Mid", "Low")))

ผลลัพธ์:

(2) IFS

Usage:

แสดงข้อมูลตามเงื่อนไขที่กำหนด (มากกว่า 1 เงื่อนไข)
มีค่าในการใช้งานเท่ากับการเขียน IF() แบบซ้อนกัน
แต่มีข้อแตกต่างที่เขียนเงื่อนไขได้ง่ายกว่า

Example:

ต้องการแบ่งจำนวนเงินเป็น 3 กลุ่ม ดังนี้:

กลุ่ม	จำนวนเงิน
Large	ตั้งแต่ 5,000 ขึ้นไป
Mid	ตั้งแต่ 2,500 แต่น้อยกว่า 5,000
Small	น้อยกว่า 2,500

แทนที่จะเขียน IF() ซ้อน ๆ กัน เราสามารถใช้ IFS() ได้แบบนี้:

=ArrayFormula(IFS(A3:A>=5000, "Large", A3:A>=2500, "Mid", A3:A<2500, "Low"))

ผลลัพธ์:

จะสังเกตได้ว่า ผลลัพธ์ที่ได้เป็นอันเดียวกับ IF() ที่เขียนซ้อนกัน

(3) IFERROR()

Usage:

แสดงข้อมูลในกรณีที่สูตรเกิด error

Syntax:

=IFERROR(value, value_if_error)

value คือ สูตรที่เราใช้ทำงาน และอาจจะเกิด error ได้
value_if_error คือ ค่าที่จะแสดงในกรณีที่เกิด error

Example:

สมมุติเราใช้ IFS() เพื่อจัดกลุ่มจำนวนเงิน

แต่เราระบุแค่เงื่อนไขเดียว ทำให้ข้อมูลบางส่วนเกิด error เช่น:

เราระบุว่า จำนวนเงินตั้งแต่ 5,000 จัดอยู่ในกลุ่ม “Wealthy”
แต่เพราะเราไม่ได้กำหนดจำนวนที่น้อยกว่า 5,000 จะแสดงค่าอะไร

เราสามารถใช้ IFERROR() เพื่อแสดงค่าบางอย่างแทน ซึ่งจะช่วยให้ข้อมูลดูมีระเบียบขึ้นได้ เช่น “-”:

=ArrayFormula(IFERROR(IFS(A3:A>=5000, "Wealthy"), "-"))

ผลลัพธ์:

🧑‍💼 Group #5 – Working With Date

ในกลุ่มที่ 5 เรามาดู 3 สูตรที่ใช้ทำงานกับวันที่กัน:

TODAY()
DATEDIF()
NETWORKDAYS()

(1) TODAY()

Usage:

แสดงวันที่ของวันนี้

Example:

สมมุติว่า วันนี้เป็นที่ 10 ม.ค. 2025:

=TODAY()

ผลลัพธ์:

Google Sheets จะแสดง 01/10/2025

(2) DATEDIF()

Usage:

แสดงจำนวนวัน ระหว่าง 2 วันที่

Example:

หาจำนวนวัน ตั้งแต่วันที่ 1 ของปี 2025 จนถึง วันนี้:

=DATEDIF("01/01/2025", TODAY(), "D")

ผลลัพธ์:

Google Sheets จะแสดงจำนวนวันระหว่างวันนี้ และ วันที่ 1 ม.ค. 2025 เช่น 9

(3) NETWORKDAYS()

Usage:

แสดงจำนวนวันทำการ ระหว่าง 2 วันที่

Example:

หาจำนวนวันทำการ ตั้งแต่วันที่ 1 ของปี 2025 จนถึง วันนี้:

=NETWORKDAYS("01/01/2025", TODAY())

ผลลัพธ์:

Google Sheets จะแสดงจำนวนวันทำการระหว่างวันนี้ และ วันที่ 1 ม.ค. 2025 เช่น 8

🧑‍💼 Group #6 – Working With Text

ในกลุ่มที่ 6 เรามาดูสูตรที่ใช้ทำงานกับ text กัน:

Splitting text
1. SPLIT()
Joining text
1. &
2. TEXTJOIN()
Extracting text
1. LEFT()
2. RIGHT()
3. MID()
Regular expression
1. REGEXMATCH()
2. REGEXEXTRACT()

(1) Splitting Text

เราสามารถใช้ SPLIT() เพื่อแยก text ออกเป็นคำ ๆ ได้

Syntax:

=SPLIT(text, delimiter)

text คือ ข้อความที่เราต้องการจะแยก
delimiter คือ เครื่องหมายที่ใช้คั่นข้อความ เช่น:
- Comma (,)
- Dot (.)
- Semi-colon (;)
- Blank space
- Tab

Example:

แยก description ออกเป็นคำ ๆ (โดยใช้ blank space เป็น delimiter):

=ArrayFormula(SPLIT(F3:F, " "))

Note: เราใช้ ArrayFormula ช่วยให้สูตรใช้งานได้กับทั้ง range

ผลลัพธ์:

(2) Joining Text

สูตร:

การเชื่อม text เข้าด้วยกัน ทำได้ 2 วิธี:

Formula	Description
`&`	เชื่อม text อย่างง่าย หรือไม่มีรูปแบบตายตัว
`TEXTJOIN()`	เชื่อม text อย่างมีรูปแบบ เชื่อม text อย่างมีรูปแบบ (เช่น เชื่อมโดยมี , คั่น)

Example:

เราต้องการเชื่อมข้อมูลให้กลายเป็นประโยคว่า:

ลูกค้าใช้เงินจำนวนเท่าไร + ประเภทอะไร + ไปกับอะไร

=TEXTJOIN(" ", TRUE, A2&" spent "&B2, "("&C2&")", "on", "'"&D2&"'")

ผลลัพธ์:

จะเห็นว่า ในตัวอย่าง เราใช้ & และ TEXTJOIN() คู่กัน:

ใช้ & ที่เกิดขึ้นครั้งเดียว เช่น customer_id + “spent” + amount
ใช้ TEXTJOIN() เพื่อใส่ blank space ระหว่าง text แต่ละชุด

Note: เราต้องเขียน TEXTJOIN() ทีละ row เอง เพราะเราไม่สามารถใช้ ArrayFormula กับ TEXTJOIN() ได้

(3) Extracting Text

สูตร:

เราสามารถดึง text ออกมา ได้ด้วย 3 วิธี:

Formula	Description
`LEFT()`	ดึง text โดยนับจากทางซ้าย
`RIGHT()`	ดึง text โดยนับจากทางขวา
`MID()`	ดึง text โดยเริ่มจากตรงกลาง

Syntax:

สำหรับ LEFT() และ RIGHT() เขียนเหมือนกัน:

=LR(string, characters)

LR คือ เลือกสูตร LEFT หรือ RIGHT
string คือ text ต้นฉบับที่เราต้องการดึงข้อมูลออกมา
characters คือ จำนวนตัวอักษรที่ต้องการดึงออกมา โดยนับจากซ้ายหรือขวา ตามสูตรที่เลือก

ส่วน MID() มีการเขียนที่ต่างออกไป:

=MID(string, starts, characters)

string คือ text ต้นฉบับที่เราต้องการดึงข้อมูลออกมา
starts คือ ลำดับของตัวอักษรที่จะเริ่มดึง
characters คือ จำนวนตัวอักษรที่ต้องการดึงออกมา

Example:

ใช้ 3 สูตรแยก วัน เดือน ปี ออกจาก date:

Data	Formula
Day	`=ArrayFormula(LEFT(A3:A7, 2))`
Month	`=ArrayFormula(MID(A3:A7, 4, 2))`
Year	`=ArrayFormula(RIGHT(A3:A7, 4))`

ผลลัพธ์:

(3) Regular Expression

สูตร:

Google Sheets รองรับการใช้งาน regular expression หรือ การเขียนเพื่อจับคู่รูปแบบ text

โดย มี 2 สูตรหลักที่มักใช้งาน คือ:

Formula	Description
`REGEXMATCH()`	เช็กว่า ในชุดข้อมูลไหม มี text ที่ต้องการ
`REGEXEXTRACT()`	ดึง text ออกจากชุดข้อมูล

Syntax:

=regex(text, regular_expression)

regex คือ สูตร REGEXMATCH หรือ REGEXEXTRACT
text คือ ชุดข้อมูลที่เราต้องการเข้าไปค้นหา
regular_expression คือ รูปแบบ text ที่เราต้องการค้นหา

Example:

เราต้องการทำ 2 อย่าง:

เช็กว่า แต่ละ description มีคำว่า “she” ไหม (REGEXMATCH)
ดึงคำว่า “she” ออกจาก description (REGEXEXTRACT)

เราสามารถเขียนสูตรได้ดังนี้:

Problem	Formula
เช็กว่า แต่ละ `description` มีคำว่า “she” ไหม	`=ArrayFormula(REGEXMATCH(A2:A, "(?i)\\bshe\\b"))`
ดึงคำว่า “she” ออกจาก `description`	`=ArrayFormula(IFERROR(REGEXEXTRACT(A2:A, "(?i)\\bshe\\b"), "NA"))`

Note: สำหรับ REGEXEXTRACT() เราใช้ IFERROR() มาชวนแทนค่าในกรณีที่ข้อมูลต้นทางไม่มีคำว่า “she”

ผลลัพธ์:

จากผลลัพธ์ จะเห็นได้ว่า regular expression ที่เราใช้ จะทำให้สูตรของเราสามารถใช้ได้กับ “she” ที่เป็นพิมพ์เล็กและพิมพ์ใหญ่

Note: เราสามารถศึกษาการเขียน regular expression ทั้งหมดได้ที่ Syntax for Regular Expressions จาก Google

🧑‍💼 Group #7 – Google

ในกลุ่มสุดท้าย เรามาดู 2 สูตรเฉพาะของ Google กัน:

GOOGLEFINANCE()
GOOGLETRANSLATE()

(1) GOOGLEFINANCE()

Usage:

GOOGLEFINANCE() สามารถทำได้หลายอย่าง เช่น:

แสดงราคาหุ้น
แปลงสกุลเงิน
วิเคราะห์เงินปันผล

Syntax:

การเขียน GOOGLEFINANCE() แตกต่างกันไปในแต่ละการใช้งาน

เราสามารถศึกษาการเขียน GOOGLEFINANCE() ได้ที่ GOOGLEFINANCE จาก Google

(2) GOOGLETRANSLATE()

Usage:

แปลภาษา

Syntax:

=GOOGLETRANSLATE(text, source_lang, target_lang)

text คือ ข้อความที่เราต้องการแปลภาษา
source_lang คือ ภาษาของข้อความต้นทาง
target_lang คือ ภาษาของข้อความปลายทาง

Example:

เราสามารถใช้ทั้ง GOOGLEFINANCE() และ GOOGLETRANSLATE() เพื่อแปลข้อมูลจากอังกฤษเป็นไทยได้:

Formula	Description
`=ArrayFormula(A3:A12 * GOOGLEFINANCE("CURRENCY:USDTHB"))`	แปลงค่าเงินจากดอลล่าร์สหรัฐเป็นเงินบาท
`=GOOGLETRANSLATE(B3:B12, "en", "th")`	แปล text จากอังกฤษเป็นไทย

Note: ArrayFormula ไม่สามารถใช้คู่กับ GOOGLETRANSLATE() ได้

ผลลัพธ์:

💪 Recap

ในบทความนี้ เราทำความรู้จักกับ 7 กลุ่มสูตร Google Sheets สำหรับทำงานกับ data กัน:

กลุ่มที่ 1 – Filtering and sorting:

Formula	For
`FILTER()`	กรองข้อมูล
`SORT()`	จัดเรียงข้อมูล

กลุ่มที่ 2 – Aggregating:

Formula	Description
`COUNTA()`	นับข้อมูล
`SUM()`	หาผลรวม
`AVERAGE()`	หาค่าเฉลี่ย
`MEDIAN()`	หาค่ากลาง
`MODE()`	หา value ที่ซ้ำเยอะที่สุด
`MIN()`	หา value ที่น้อยที่สุด
`MAX()`	หา value ที่มากที่สุด
`QUARTILE()`	หา quantile
`STDEV()`	หา SD
`VAR()`	หา variance

กลุ่มที่ 3 – Searching:

Formula	For
`VLOOKUP()`	ดึงข้อมูลที่ตรงกับ index
`INDEX()`	ดึงข้อมูลที่ตรงกับ index
`MATCH()`	ระบุตัวแหน่งข้อมูล
`QUERY()`	ดึงข้อมูลตามเงื่อนไข

กลุ่มที่ 4 – Conditions:

Formula	For
`IF()`	สร้างข้อมูลใหม่ ตาม 1 เงื่อนไข
`IFS()`	สร้างข้อมูลใหม่ ตามมากกว่า 1 เงื่อนไข
`IFERROR()`	สร้างข้อมูลใหม่ ถ้าเกิด error

กลุ่มที่ 5 – Working with dates:

Formula	For
`TODAY()`	แสดงวันที่ของวันนี้
`DATEFID()`	แสดงจำนวนวันระหว่าง 2 วันที่
`NETWORKDAYS()`	แสดงจำนวนวันทำการระหว่าง 2 วันที่

กลุ่มที่ 6 – Working with text:

Formula	For
`SPLIT()`	แยก text
– `&` – `TEXTJOIN()`	เชื่อม text
– `LEFT()`– `RIGHT()`– `MID()`	ดึง text
– `REGEXMATCH()` – `REGEXEXTRACT()`	ทำงานกับ text โดยใช้ regular expression

กลุ่มที่ 7 – Google:

Formula	For
`GOOGLEFINANCE()`	แปลงสกุลเงิน
`GOOGLETRANSLATE()`	แปลภาษา

2025-01-16

Seaborn 101: มาดูวิธีสร้างกราฟ 5 แบบ + 3 วิธีตกแต่งกราฟอย่างง่ายใน Seaborn กัน

ในบทความนี้ เราจะมาทำความรู้จักกับ seaborn และวิธีการใช้ seaborn เพื่อสร้างและตกแต่งกราฟเบื้องต้นกัน

ถ้าพร้อมแล้วมาเริ่มกันเลย

⚓ Intro to Seaborn

seaborn เป็น library สำหรับ visualise data ใน Python ซึ่งต่อยอดมาจาก:

pandas: library สำหรับ data transformation
matplotlib: library สำหรับสร้างกราฟ

เพราะ seaborn ต่อยอดจาก pandas และ matplotlib จึงทำให้เราสามารถใช้ 3 libraries นี้ร่วมกันได้อย่างลงตัว

จุดเด่นหลักของ seaborn คือ ความสามารถในการสร้างกราฟที่สวยงามได้อย่างง่าย

มาดูกันว่า การสร้างกราฟด้วย seaborn ง่ายแค่ไหน

🍔 Dataset ตัวอย่าง

ในบทความนี้ เราจะใช้ tips ซึ่งเป็น built-in datasets ของ seaborn เพื่อดูวิธีใช้ seaborn กัน

tips เป็น dataset เกี่ยวกับ tip ที่พนักงานในร้านอาหารได้รับ โดยมี columns ดังนี้:

No.	Column	Description
1	`total_bill`	จำนวนเงินค่าอาหาร
2	`tip`	จำนวนเงินค่า tip
3	`sex`	เพศของคนจ่ายบิล
4	`smoker`	สถานะการสูบบุหรี่ของคนจ่ายบิล (สูบ vs ไม่สูบ)
5	`day`	วันของสัปดาห์
6	`time`	ช่วงเวลาของวัน (lunch vs dinner)
7	`size`	จำนวนแขกที่มาด้วยกัน

🤔 ก่อนเริ่มสร้างกราฟ

ก่อนเริ่มสร้างกราฟ ให้เราทำ 2 อย่างก่อน:

(1) import seaborn ก่อน พร้อมกับ libraries อื่น ๆ ที่มักใช้ร่วมกัน:

# Import libraries
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

Note: seaborn ใช้ตัวย่อว่า sns ตามชื่อตัวละคร Samuel Norman Seaborn จากทีวีซีรี่ย์ The West Wing

(2) ต่อจากนั้นให้ load dataset tips ที่จะใช้งาน:

# Load the dataset
tips = sns.load_dataset("tips")

Note: ถ้าเรา preview ด้วย .head() เราจะเห็นข้อมูลแบบนี้:

ในกรณีที่เราต้องการ import dataset จากข้างนอก เราสามารถใช้ pandas ช่วยได้ เช่น pd.read_csv() เพื่อโหลดไฟล์ CSV

💻 Syntax ของ Seaborn

Syntax ในการสร้างกราฟด้วย seaborn มีดังนี้:

sns.plot(data, x, y, customisation)

plt.show()

sns.plot = เรียกชื่อกราฟที่ต้องการสร้าง
data = ชุดข้อมูลที่ใช้สร้างกราฟ
x = ข้อมูลแกน x
y = ข้อมูลแกน y
customisation = การตั้งค่าเพื่อตกแต่งกราฟ
plt.show() = แสดงกราฟบนหน้าจอ

👉 การสร้างกราฟพื้นฐาน

มาดูวิธีการสร้าง 5 กราฟพื้นฐานกัน:

Histogram
Box plot
Scatter plot
Line plot
Bar plot

📊 1. Histograms

Histogram เป็นกราฟเพื่อสำรวจการกระจายตัว (distribution) ของข้อมูล

ตัวอย่าง:

ดูการกระจายตัวของ tip ที่พนักงานได้รับ:

# Create a histogram of tips
sns.histplot(data = tips,
             x = "tip")

# Show the plot
plt.show()

Note: สำหรับ histogram เราจะละแกน y ไว้ เพราะ y จะแสดงความถี่ของข้อมูลบนแกน x

ผลลัพธ์:

Note: จะเห็นว่า tip ที่พนักงานได้รับ อยู่ในช่วง 0.5 ถึง 10 ดอลล่าร์ โดยอยู่ในช่วง 2 ถึง 4 ดอลล่าร์มากที่สุด

📊 2. Box Plots

Box plot ทำหน้าที่คล้ายกับ histogram คือ ช่วยในการสำรวจการกระจายตัวของข้อมูล

ข้อแตกต่างของ box plot จาก histogram ก็คือ เราสามารถดู distribution หลาย ๆ อันได้บน box plot

ตัวอย่าง:

ดูการกระจายตัวของ tip ที่ได้ แบ่งตามมื้ออาหาร

# Create a box plot of tips by time
sns.boxplot(data = tips,
            x = "time",
            y = "tip")

# Show the plot
plt.show()

ผลลัพธ์:

Note: จะเห็นว่า การกระจายตัวของ tip ในแต่ละมื้อมีความใกล้เคียงกันมาก

📊 3. Scatter Plots

Scatter plot ใช้สำรวจความสัมพันธ์ระหว่างตัวแปร 2 ตัว

ตัวอย่าง:

ความสัมพันธ์ระหว่างจำนวนเงินค่าอาหาร และ tip

# Create a scatter plot of tips vs total bill
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip")

# Show the plot
plt.show()

ผลลัพธ์:

Note: จากกราฟ เราจะเห็นได้ว่า จำนวน tip ดูเหมือนจะเพิ่มขึ้นตามจำนวนเงินค่าอาหาร

📊 4. Line Plots

Line plot ใช้สำรวจการเปลี่ยนแปลงของตัวแปรตามช่วงเวลา หรือตามตัวแปรอีกตัว

ตัวอย่าง:

ดูการเปลี่ยนแปลงของ tip ตามจำนวนแขก

# Create a line plot of tips vs party size
sns.lineplot(data = tips,
             x = "size",
             y = "tip")

# Show the plot
plt.show()

ผลลัพธ์:

Note: กราฟแสดงให้เห็นว่า tip เพิ่มขึ้นตามจำนวนแขก

📊 5. Bar Plots

Bar plot ใช้สำรวจตัวแปรตามการจัดกลุ่มของตัวแปรอีกตัว

ตัวอย่าง:

ดูจำนวน tip ในแต่ละวันของสัปดาห์

# Create a bar plot of tips vs day of week
sns.barplot(data = tips,
            x = "day",
            y = "tip")

# Show the plot
plt.show()

ผลลัพธ์:

Note: เราจะเห็นว่า ในแต่ละวัน พนักงานได้ tip ใกล้เคียงกัน แต่ในวันเสาร์และอาทิตย์จะได้เยอะกว่าวันพฤหัสฯ และวันศุกร์

🔵 การใช้สีเพื่อเพิ่มตัวแปรในกราฟ

จนถึงตอนนี้ เราจะเห็นว่า กราฟที่เราสร้างได้มีตัวแปร 1-2 ตัวเท่านั้น

ถ้าเราต้องการเพิ่มตัวแปรที่สามเข้าไป (โดยไม่เปลี่ยนประเภทกราฟ) เราสามารถทำได้ง่าย ๆ ด้วยการใช้สี ผ่านการเพิ่ม parametre ชื่อ hue

ยกตัวอย่างเช่น:

ใน scatter plot ที่แสดงความสัมพันธ์ระหว่าง tip และจำนวนเงินค่าอาหาร เราต้องการเพิ่มตัวแปรการสูบบุหรี่เข้าไปด้วย

ตัวแปร 1: tip
ตัวแปร 2: ค่าอาหาร
ตัวแปร 3: การสูบบุหรี่ของลูกค้า

เราสามารถทำได้ตามนี้:

# Create a scatter plot: tips vs total bill vs smoker types
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip",
                hue = "smoker")

# Show the plot
plt.show()

ผลลัพธ์:

จากกราฟ เราจะเห็นได้ว่า seaborn จัดการเปลี่ยนสีข้อมูลให้เองโดยอัตโนมัติ

ทั้งนี้ ถ้าเราต้องการเปลี่ยนกราฟเป็นสีอื่น เราต้องปรับ code ของเราเพิ่มเติม

🖼️ การตกแต่งกราฟ

มาดู 3 วิธีในการตกแต่งกราฟใน seaborn กัน:

สี
Style
ข้อความ

🎨 1. สี

ใน seaborn เราสามารถปรับสีของกราฟได้ด้วย 2 วิธี:

ใช้ palette
ใช้ sns.set_palette()

วิธีที่ 1: กำหนด parametre ที่เรียกว่า palette

เช่น สำหรับ scatter plot ก่อนหน้านี้ ถ้าเราอยากเปลี่ยนข้อมูลเป็นสีดำและแดง เราสามารถเขียน code ได้ดังนี้:

เราสร้าง dictionary ชื่อ colours เพื่อระบุว่า สีไหนจะใช้กับการสูบบุหรี่ประเภทไหน:

# Specify colours
colours = {"Yes": "red",
           "No": "black"}

จากนั้น เราก็ใช้ colours เป็น argument ของ palette:

# Create a scatter plot
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip",
                hue = "smoker",
                palette = colours)

# Show the plot
plt.show()

ผลลัพธ์:

วิธีที่ 2: เรียกใช้ sns.set_palette()

ในกรณีที่เราไม่อยากกำหนด palette เอง เราสามารถเรียก sns.set_palette() แทนได้

sns.set_palette() จะเรียกใช้และ apply ชุดสีที่เราต้องการให้กับกราฟของเราโดยอัตโนมัติ

สำหรับ sns.set_palette() เราสามารถใส่ argument ได้ดังนี้:

No.	Argument	ค่าสี
1	`"deep"`	ค่า default ที่ `seaborn` ใช้
2	`"muted"`	เป็น `"deep"` เวอร์ชันสีอ่อนกว่า
3	`"pastel"`	สีพาสเทล
4	`"dark"`	สีเข้ม
5	`"colorblind"`	สีสำหรับคนตาบอดสี

เช่น:

สร้าง scatter plot โดยใช้ "colorblind":

เราเรียกใช้ sns.set_palette() โดยใส่ argument เป็นชื่อ palette ที่ต้องการใช้ (ในกรณีนี้ คือ "colorblind" ซึ่งเหมาะกับคนตาบอดสี):

# Set the palette
sns.set_palette("colorblind")

จากนั้น สร้าง scatter plot เหมือนเดิม (3 ตัวแปร แต่ไม่มี palette):

# Create a scatter plot
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip",
                hue = "smoker")

# Show the plot
plt.show()

ผลลัพธ์:

🎨 2. Style

นอกจากการเปลี่ยนสีกราฟแล้ว เรายังสามารถปรับ style ของกราฟได้ ผ่าน sns.set_style()

โดยสำหรับ sns.set_style() เราสามารถใส่ argument ได้ดังนี้:

No.	Argument	สีพื้นหลัง	สีเส้นกราฟ
1	`"white"`	ขาว ⚪	ขาว ⚪
2	`"dark"`	ดำ ⚫	ดำ ⚫
3	`"whitegrid"`	ขาว ⚪	ดำ ⚫
4	`"darkgrid"`	ดำ ⚫	ขาว ⚪
5	`"ticks"`	ขาว ⚪	ไม่มี ✖️

Note:

"white" เป็นค่า default ของ seaborn
"tick" เหมาะสำหรับกราฟที่เราต้องการเน้นแกน x และ y

ยกตัวอย่างเช่น:

เราต้องการปรับกราฟของเราเป็น dark theme ที่มี grid:

กำหนด argument ของ sns.set_style() เป็น "darkgrid":

# Set the style
sns.set_style("darkgrid")

สร้างกราฟที่ต้องการ:

# Create a scatter plot
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip",
                hue = "smoker")

# Show the plot
plt.show()

ผลลัพธ์:

🎨 3. ข้อความ

นอกจากสีและ style แล้ว เรายังสามารถตกแต่งกราฟเพิ่มเติม ด้วยการเพิ่มข้อความกำกับกราฟ อย่าง title และ labels (ชื่อแกน x และ y) ได้ด้วย

เราสามารถทำสิ่งนี้ได้โดยใช้ functions ของ matplotlib (plt) แบบนี้:

สร้างกราฟ:

# Create a scatter plot
sns.scatterplot(data = tips,
                x = "total_bill",
                y = "tip",
                hue = "smoker")

เพิ่ม title:

# Add a title
plt.title("Total Bill vs Tip", fontsize = 16)

เพิ่ม labels:

# Add labels
plt.xlabel("Total Bill ($)", fontsize = 12)
plt.ylabel("Tip ($)", fontsize = 12)

แสดงกราฟ

# Show the plot
plt.show()

ผลลัพธ์:

Adding title and labels with `plt.title()`, and `plt.xlabel()` and `plt.label()`

Note: จะเห็นแล้วว่า ตอนนี้กราฟของเรามีข้อความกำกับหัวข้อกราฟ (title) รวมทั้งแกน x และ y (labels)

💪 สรุป Seaborn 101

ในบทความนี้ เราเรียนรู้วิธีการสร้างกราฟง่าย ๆ ใน seaborn กัน

โดยเราเริ่มจากการสร้างกราฟพื้นฐาน 5 อย่าง:

กราฟ	Seaborn
Histogram	`sns.histplot()`
Box plot	`sns.boxplot()`
Scatter plot	`sns.scatterplot()`
Line plot	`sns.lineplot()`
Bar plot	`sns.barplot()`

พร้อมการเพิ่มตัวแปรที่สาม:

เพิ่มตัวแปรที่สาม	Seaborn
เพิ่มผ่านสี	`hue`

และจบด้วยการปรับแต่งกราฟ:

ปรับแต่ง	Seaborn
สี	`palette` `sns.set_palette()`
Style	`sns.set_style()`
ข้อความ	`plt.title()` `plt.xlabel()` `plt.ylabel()`

⏭️ Next

หวังว่า บทความนี้จะเป็นประโยชน์สำหรับคนที่ต้องการเรียนรู้เบื้องต้นเกี่ยวกับ seaborn

🧑‍💻 Example Code on GitHub

สำหรับใครที่ต้องการลงมือทำเอง สามารถดูตัวอย่าง code ของบทความนี้ได้ที่ GitHub

📚 Further Reading

สำหรับคนที่ต้องการเรียนรู้เพิ่มเติม สามารถอ่านเกี่ยวกับ seaborn ได้ตาม link ด้านล่าง:

2025-01-09

สรุป 7 กลุ่ม Shell Commands (31 Commands) พื้นฐานสำหรับผู้เริ่มต้น พร้อมตัวอย่าง: Orienting, Preparing, Inspecting, Analysing, Chaining, Automating, และ Getting Unstuck
Shell commands เป็นคำสั่งสำหรับทำงานกับคอมพิวเตอร์ โดยแทนที่เราจะใช้ mouse สั่งการ (graphic user interface; GUI) เราจะสั่งการด้วย text แทน

เช่น copy ภาพ แทนที่จะคลิกขวาและกด “Copy” เราจะใช้คำสั่งแบบนี้แทน:
```
cp image.jpg copy_of_image.jpg
```
แม้ว่า shell commands จะดูใช้งานยาก แต่ก็ทรงพลังเพราะช่วยให้เราทำงานกับคอมพิวเตอร์ได้อย่างมีประสิทธิภาพใน 3 มุม ได้แก่:
1. Automation: ช่วย set ให้คอมพิวเตอร์ทำ task อัตโนมัติได้
2. Speed: ช่วยให้เราทำงานได้เร็วกว่า GUI (เราพิมพ์เร็วกว่าใช้ mouse)
3. Control: ช่วยในการตั้งค่าคอมพิวเตอร์ได้มากกว่าใช้ GUI
Shell commands เหมาะกับสายอาชีพที่ต้องทำงานกับคอมพิวเตอร์บ่อย ๆ อย่าง:
- System engineer ที่ต้อง set up ระบบที่ไม่มี GUI
- Data engineer ที่ต้องการ automate การทำงานของ data pipeline
- Data analyst สำหรับทำงานกับ file ข้อมูล
- Software developer สำหรับจัดการ source code
- Cybersecurity analyst ใช้วิเคราะห์และตรวจสอบความปลอดภัยของระบบ
- ตำแหน่งงานอื่น ๆ เช่น web developer, cloud specialists, data scientists
ในบทความนี้ ผมจะพาไปดูวิธีใช้ 7 กลุ่ม shell commands (31 commands) พื้นฐานสำหรับคนที่ไม่เคยใช้ shell commands มาก่อน กัน:
1. Orienting: ดู directory ที่ใช้ทำงาน
2. Preparing: จัดการ files และ folders
3. Inspecting: ดูข้อมูลใน files
4. Analysing: วิเคราะห์ข้อมูลใน files
5. Chaining: เชื่อมต่อ commands เข้าด้วยกัน
6. Automating: automate การทำงานของคอมพิวเตอร์
7. Getting unstuck: ดูวิธีใช้ commands
เมื่ออ่านบทความนี้แล้ว ผมหวังว่าทุกคนสามารถใช้ shell commands ในเบื้องต้นได้

ถ้าพร้อมแล้ว ไปเริ่มกันเลย
🧭 Group #1. Orienting

Commands ในกลุ่มแรกช่วยให้เรารู้ว่า เรากำลังทำงานอยู่ใน directory ไหนของคอมพิวเตอร์ และประกอบด้วย 3 commands ได้แก่:
1. pwd
2. ls
3. cd
.

📍 Command #1. pwd

pwd (print working directory) ใช้ดูว่า เราอยู่ใน directory ไหน:
```
pwd
```
ผลลัพธ์:
```
/home/user/Downloads
```
.

📝 Command #2. ls

ls ใช้ “list” files และ folders ใน directory ที่ต้องการ

เช่น ดู files และ folders ใน working directory (สมมุติว่าเป็น ”Downloads”):
```
ls
```
ผลลัพธ์:
```
invoice.pdf
data.csv
photo.png
setup.dmg
```
หรือดู files และ folders ใน folder อื่น เช่น “Documents”:
```
ls Documents
```
ผลลัพธ์:
```
resume.docx
thesis.pdf
notes.txt
projects/
```
สังเกตว่า เมื่อเราต้องการดู files และ folders ใน directory อื่น เราจะต้องระบุ file path ซึ่งเราทำได้ 2 วิธี:
1. Relative: แบบอ้างอิงกับ working directory เช่น Downloads
2. Absolute: แบบเต็ม เช่น /home/user/Downloads
Note:

เรามักใช้ 3 flags เหล่านี้ร่วมกับ ls:
1. -R เพื่อดู files และ folders (ไม่ว่า folder นั้นจะมี folder ซ้อนกันกี่ชั้น)
2. -l เพื่อดูรายละเอียดของ files
3. -a เพื่อแสดง hidden files
.

⏭️ Command #3. cd

cd (change directory) ใช้เปลี่ยน working directory

เช่น เราอยู่ใน folder ชื่อ “Downloads” และต้องเปลี่ยนไปที่ “Documents”:
```
cd /home/user/Documents
```
Note:

เรามี shortcut สำหรับใช้ cd ดังนี้:
1. / ไปที่ root directory
2. ~ ไปที่ home directory ที่เรากำหนดไว้
3. .. ไปที่ folder ต้นทาง 1 ขั้น (เช่น เราอยู่ใน /home/user/Downloads, cd .. จะพาเราไปที่ /home/user)
⏹️ Group #2. Preparing

Commands ในกลุ่มที่ 2 ช่วยในการจัดการ files และ folders และมี 6 commands ได้แก่:
1. mkdir
2. rmdir
3. touch
4. cp
5. mv
6. rm
Note:
- mkdir และ rmdir ใช้กับ folder เท่านั้น
- touch (ยกเว้นสร้าง folder), cp, mv, และ rm ใช้ได้ทั้งกับ file และ folder
.

📂 Command #4. mkdir

mkdir (make directory) ใช้สร้าง folder

เช่น สร้าง folder ใหม่ชื่อ new_folder:
```
mkdir new_folder
```
.

🚮 Command #5. rmdir

rmdir (remove directory) ใช้ลบ folder

เช่น ลบ folder “new_folder”:
```
rmdir new_folder
```
Note:

rmdir ใช้กับ folder ที่มี files อยู่ไม่ได้

ถ้าต้องการลบ folder ที่มีข้อมูล เราทำได้ 2 ทาง คือ:
1. ลบข้อมูลออกจาก folder ก่อนใช้ rmdir
2. ใช้ rm -r แทน
ทั้งนี้ folder ที่ลบแล้วจะกู้คืนไม่ได้ ดังนั้น เราควรเช็กให้แน่ใจว่า เราต้องการลบ folder จริง ๆ ก่อนจะใช้ rmdir

.

✋ Command #6. touch

touch มี 2 การใช้งาน:
1. สร้าง file ใหม่ เมื่อยังไม่มี file
2. อัปเดต timestamp ของ file เมื่อมี file อยู่แล้ว
เช่น สร้าง file ใหม่ ชื่อ “new_file.txt”:
```
touch new_file.txt
```
เราสามารถสร้างได้มากกว่า 1 file แบบนี้:
```
touch new_file_1.txt new_file_2.txt new_file_3.txt
```
ในกรณีที่เรามี file “new_file.txt” อยู่แล้ว เราสามารถใช้ touch เพื่ออัปเดต timestamp ของ file ให้เป็นปัจจุบันได้:
```
touch new_file.txt
```
โดย timestamp จะถูกอัปเดตให้เป็นเวลาที่ command รันสำเร็จ

.

📋 Command #7. cp

cp (copy) ใช้ copy file หรือ folder

เช่น copy file “new_file.txt” ไว้ใน folder เดิม:
```
cp new_file.txt copy_of_new_file.txt
```
ถ้าเราต้องการ copy ไปยัง folder อื่น (เช่น “Documents”) ให้เราใส่ file path ต่อท้ายแบบนี้:
```
cp new_file.txt /home/user/Documents/copy_of_new_file.txt
```
ถ้าเราไม่ต้องการเปลี่ยนชื่อ file เราจะไม่กำหนดชื่อ file ใหม่ (เช่น “copy_of_new_file.txt”) แบบนี้:
```
cp new_file.txt /home/user/Documents
```
Note:
- เราจะใช้ cp กับ -r เมื่อทำงานกับ folder
- ในกรณีที่ folder ปลายทางมี file ชื่อเดียวกัน file เก่าจะถูกแทนที่ด้วย file ใหม่ทันที
- เพื่อป้องกันการแทนที่ ให้ใช้ -i เพื่อให้ shell command ถามเราก่อนว่าต้องการแทนที่ file ไหม
.

📤 Command #8. mv

mv (move) ใช้งานได้ 2 แบบ:
1. เปลี่ยนชื่อ file หรือ folder
2. ย้าย file หรือ folder
เช่น เปลี่ยนชื่อ file จาก “new_file.txt” เป็น “my_file.txt”:
```
mv new_file.txt my_file.txt
```
ถ้าเราต้องการย้าย file ให้เราใส่ file path แทนชื่อ file ใหม่:
```
mv new_file.txt /home/user/Documents
```
Note:
- เช่นเดียวกับ cp ถ้า folder ปลายทางมี file ชื่อเดียวกันกับ file ที่เรากำลังย้ายไป file เก่าจะถูกแทนที่ในทันที
- เราสามารถใช้ -i เพื่อให้ shell command ถามยืนยันการแทนที่ file ก่อนย้ายได้
.

🗑️ Command #9. rm

rm (remove) ใช้ลบ file หรือ folder

เช่น ลบ “my_file.txt”:
```
rm my_file.txt
```
Note:
- เราจะใช้ rm คู่กับ -r เมื่อทำงานกับ folder
- File ที่ลบแล้วจะกู้คืนได้ยาก ดังนั้น เราควรเช็ก file ก่อนลบทุกครั้ง
- เราใช้ -i เพื่อให้ shell command ถามยืนยันการลบได้
👀 Group #3. Inspecting

Commands ในกลุ่มที่ 3 ช่วยเราดูข้อมูลใน file โดยไม่ต้องใช้ programme อื่น และประกอบด้วย 4 commands ได้แก่:
1. cat
2. less
3. head
4. tail
.

🐈 Command #10. cat

cat (concatenate) ใช้เปิดดูข้อมูลใน file (เหมาะสำหรับ file ที่มีข้อมูลไม่เยอะ)

เช่น เปิดดู “small_file.txt” ที่มีข้อความ 5 บรรทัด:
```
cat small_file.txt
```
ผลลัพธ์:

.

⬇️ Command #11. less

less ทำงานเหมือนกับ cat คือ เปิดดู file แต่เหมาะกับ file ที่ข้อมูลจำนวนมาก (เช่น คู่มือ)

เช่น เปิดดู “large_file.txt”:
```
less large_file.txt
```
ผลลัพธ์:

Shell command จะแสดงข้อมูลเท่าที่จะแสดงได้ในหน้าต่างแบบนี้:

เราสามารถเลือกเลื่อนดูข้อมูลได้ด้วย 5 commands นี้:
1. space bar: เลื่อนลง
2. b: เลื่อนขึ้น
3. q: ออกจาก file
.

🗿 Command #12. head

head ใช้ดูข้อมูล 10 บรรทัดแรกของ file

เช่น ดู 10 บรรทัดแรกของ “large_file.txt”:
```
head large_file.txt
```
ผลลัพธ์:

Note:
- เราจะใช้ -n เพื่อกำหนดจำนวนบรรทัดที่ต้องการดู เช่น head -n 2 จะแสดง 2 บรรทัดแรก
.

🐒 Command #13. tail

tail ใช้ดูข้อมูล 10 บรรทัดสุดท้ายของ file

เช่น ดู 10 บรรทัดสุดท้ายของ “large_file.txt”:
```
tail large_file.txt
```
ผลลัพธ์:

Note:
- เราจะใช้ -n เพื่อกำหนดจำนวนบรรทัดที่ต้องการดู เช่น tail -n 2 จะแสดง 2 บรรทัดสุดท้าย
🆕 Group #4. Analysing

Commands ในกลุ่มที่ 4 ช่วยเราวิเคราะห์ข้อมูลใน file และมีอยู่ 7 commands ด้วยกัน ได้แก่:
1. wc
2. grep
3. cut
4. paste
5. sort
6. uniq
7. Wildcards
.

🪝 Command #14. wc

wc (word count) ใช้นับจำนวน:
1. บรรทัด เมื่อใช้คู่กับ -l
2. คำ เมื่อใช้คู่กับ -w
3. ตัวอักษร เมื่อใช้คู่กับ -c
ถ้าไม่ระบุ -l, -w, -c, wc จะแสดงทั้ง 3 ค่าพร้อมกัน

เช่น แสดงจำนวนบรรทัด คำ และตัวอักษรใน “large_file.txt”:
```
wc large_file.txt
```
ผลลัพธ์:
```
178     523    3703 large_file.txt
```
หรือแสดงแค่จำนวนคำ:
```
wc -w large_file.txt
```
ผลลัพธ์:
```
523 large_file.txt
```
.

✂️ Command #15. grep

grep (global regular expression print) ใช้ค้นหา file หรือ folder ที่ตรงกับ pattern คำที่เราต้องการ

เช่น เรามี file “emails.txt” ที่มีรายชื่ออีเมลอยู่ 10 รายการ:
```
alice@gmail.com
bob@gmail.com
charlie@outlook.com
diana@outlook.com
eric@support.com
frank@support.com
grace@gmail.com
henry@company.org
irene@support.com
jack@outlook.com
```
เราสามารถค้นหา email ที่ลงท้ายด้วย “@support.com” ได้แบบนี้:
```
grep "@support.com" emails.txt
```
ผลลัพธ์:
```
eric@support.com
frank@support.com
irene@support.com
```
Note:

เรามักใช้ grep ร่วมกับ 6 flags ดังนี้:
1. -c แสดงจำนวนคำที่ตรงกับคำค้นหา
2. -h ซ่อนชื่อ file ที่ตรงกับคำค้นหา
3. -i ค้นหาแบบ case-insensitive
4. -l แสดงชื่อ file ที่มีข้อมูลตรงกับคำค้นหา
5. -n แสดงเลขบรรทัดของข้อมูลที่ตรงกับคำค้นหา
6. -v แสดงทุกอย่าง ยกเว้นข้อมูลที่ตรงกับคำค้นหา
.

📎 Command #16. cut

cut ใช้ดูข้อมูลตาม columns ใน file โดยเรามักใช้ cut คู่กับ 2 flags นี้:
1. -d กำหนด delimiter หรือตัวอักษรที่คั่น column (เช่น ,)
2. -f เลือก column ที่ต้องการ (เช่น column ที่ 1, 2, 3, …)
เช่น มี file “people.csv” ที่เก็บข้อมูลพนักงานเอาไว้:
```
id,name,age,city,email
1,Alice,29,Bangkok,alice@gmail.com
2,Bob,34,Chiang Mai,bob@outlook.com
3,Charlie,41,Bangkok,charlie@support.com
4,Diana,25,Phuket,diana@gmail.com
5,Ethan,38,Bangkok,ethan@outlook.com
```
เราสามารถเลือกดู column “email” (column ที่ 5) ได้แบบนี้:
```
cut -d , -f 5 people.csv
```
ผลลัพธ์:
```
alice@gmail.com
bob@outlook.com
charlie@support.com
diana@gmail.com
ethan@outlook.com
```
.

🗂️ Command #17. paste

paste ใช้เชื่อมต่อข้อมูลใน file โดยเชื่อมแบบบรรทัดต่อบรรทัด

เช่น เรามี file “job_levels.txt” ที่มีข้อมูลระดับตำแหน่งงาน:
```
,level
,Junior
,Mid
,Senior
,Junior
,Lead
```
ซึ่งเราสามารถเชื่อมกับ “people.csv” ได้แบบนี้:
```
paste people.csv job_levels.txt
```
ผลลัพธ์:
```
id,name,age,city,email	,level
1,Alice,29,Bangkok,alice@gmail.com	,Junior
2,Bob,34,Chiang Mai,bob@outlook.com	,Mid
3,Charlie,41,Bangkok,charlie@support.com	,Senior
4,Diana,25,Phuket,diana@gmail.com	,Junior
5,Ethan,38,Bangkok,ethan@outlook.com	,Lead
```
.

☘️ Command #18. sort

sort ใช้เรียงข้อมูล:
- Default จะเรียงจากน้อยไปมาก (ascending)
- ใช้ -r เพื่อเรียงจากมากไปน้อย (descending)
เช่น เรียงอีเมลใน “emails.txt” จากมากไปน้อย:
```
sort -r emails.txt
```
ผลลัพธ์:
```
jack@outlook.com
irene@support.com
henry@company.org
grace@gmail.com
frank@support.com
eric@support.com
diana@outlook.com
charlie@outlook.com
bob@gmail.com
alice@gmail.com
```
.

☝️ Command #19. uniq

uniq ใช้แสดงข้อมูลที่ไม่ซ้ำกัน แต่ใช้ได้เฉพาะข้อมูลซ้ำกันที่อยู่ติดกันเท่านั้น

เช่น มี “fruits.txt” ที่มีชื่อผลไม้:
```
apple 🍎
apple 🍎
banana 🍌
banana 🍌
banana 🍌
orange 🍊
apple 🍎
orange 🍊
orange 🍊
grape 🍇
grape 🍇
```
เราสามารถใช้ uniq เมื่อดึงผลไม้ที่ไม่ซ้ำกันออกมาได้แบบนี้:
```
uniq fruits.txt
```
ผลลัพธ์:
```
apple 🍎
banana 🍌
orange 🍊
apple 🍎
orange 🍊
grape 🍇
```
สังเกตว่า เราจะได้ “apple 🍎” และ “orange 🍊” มา 2 ครั้ง เพราะว่า “apple 🍎” และ “orange 🍊” นี้ไม่ได้อยู่บรรทัดติดกัน ทำให้ uniq ไม่มองว่าเป็นค่าซ้ำ

.

♣️ Command #20. Wildcards

Wildcards เป็นตัวอักษรที่ใช้ค้นหาแบบ pattern matching และมีอยู่ 4 ตัวหลัก ได้แก่:
1. ? แทนตัวอักษรใด ๆ 1 ตัว
2. * แทนตัวอักษรใด ๆ ตั้งแต่ 0 ตัวขึ้นไป
3. [] ใช้จับคู่ 1 ตัวอักษร ใน set ที่กำหนด
4. {} ใช้จับคู่ 1 คำ ใน set ที่กำหนด
ตัวอย่าง การใช้ ? เช่น ค้นหา file ที่มีชื่อ เช่น “file1.txt”, “file2.txt”, “file3.txt”:
```
ls file?.txt
```
Note: shell command จะไม่แสดง “file10.txt” เพราะ ? ใช้ได้แค่เลขตัวเดียว

ตัวอย่างการใช้ * เช่น แสดง file ที่ลงท้ายด้วย “.txt”:
```
ls *.txt
```
ตัวอย่างการใช้ [] เพื่อค้นหา file ของปี 2024 และ 2025:
```
ls 202[45].txt
```
ผลลัพธ์: เราจะได้ file “2024.txt” และ “2025.txt” แต่จะไม่ได้ file เช่น “2023.txt”

ตัวอย่างการใช้ {} เพื่อค้นหา file ชื่อ “backup” ที่ลงท้ายด้วย “csv” หรือ “txt”:
```
ls backup.{csv,txt}
```
🔗 Group #5. Chaining

Commands ในกลุ่มที่ 5 ใช้เชื่อม commands เข้าด้วยกัน และมีอยู่ 3 commands ได้แก่:
1. |
2. >
3. >>
.

⛓️ Command #21. |

| (pipe) ใช้เชื่อม shell commands เข้าด้วยกัน แบบนี้:
```
A | B
```
Output จาก A เป็น input ให้กับ B

เช่น หาค่า unique ใน “fruits.txt”:
```
cat fruits.txt | sort | uniq
```
- cat เปิด file “fruits.txt”
- sort จัดเรียงข้อมูลจากน้อยไปมาก
- uniq แสดงค่าเฉพาะ
ผลลัพธ์:
```
apple 🍎
banana 🍌
grape 🍇
orange 🍊
```
สังเกตว่า ตอนนี้ เราจะได้ชื่อผลไม้ที่ไม่ซ้ำกันแล้ว เพราะ sort ช่วยจัดให้ข้อมูลที่ซ้ำกันอยู่ในบรรทัดติดกัน ทำให้ uniq ส่งค่าเฉพาะที่ไม่ซ้ำกันได้

.

⚡ Command #22. >

> (output redirection operator) ใช้เก็บผลลัพธ์ไว้ใน file (แทนที่จะแสดงบน shell command)

เช่น เก็บรายการ files ไว้ใน “file_list.txt”:
```
ls > file_list.txt
```
ผลลัพธ์:
```
people.csv
job_levels.txt
fruits.txt
large_file.txt
notes.txt
small_file.txt
README.md
```
Note:
- ถ้า file มีข้อมูลอยู่ ข้อมูลเดิมจะถูกแทนที่
- ถ้าต้องการเพิ่มข้อมูลต่อจากข้อมูลเก่า เราจะต้องใช้ >> แทน
.

🃏 Command #23. >>

>> ใช้เพิ่มข้อมูลผลลัพธ์จาก shell command ลงใน file เช่น:
```
ls >> file_list.txt
```
ถ้า “file_list.txt” มีข้อมูลอยู่แล้ว ผลลัพธ์จาก ls จะต่อท้ายข้อมูลเดิม เช่น:
```
people.csv
job_levels.txt
fruits.txt
large_file.txt
notes.txt
small_file.txt
README.md
people.csv
job_levels.txt
file_list.txt
fruits.txt
large_file.txt
notes.txt
small_file.txt
README.md
```
🤖 Group #6. Automating

Commands ในกลุ่มที่ 6 ช่วยให้คอมพิวเตอร์ทำงานให้เราโดยอัตโนมัติ และประกอบด้วย 5 commands ได้แก่:
1. =
2. echo
3. for
4. bash
5. nano
.

🔉 Command #24. =

= (equals sign) ใช้ประกาศตัวแปร (variable)

เช่น ตัวแปรเก็บชื่อ “name”:
```
name="Gojo"
```
.

🥠 Command #25. echo

echo ใช้แสดงข้อมูล เช่น ชื่อ file หรือข้อมูลใน folder และมีวิธีใช้ 2 แบบ:
1. แสดงค่าที่ต้องการตรง ๆ
2. แสดงค่าที่เก็บในตัวแปร
ตัวอย่างการแสดงค่าตรง ๆ เช่น แสดงคำว่า “name”:
```
echo name
```
ผลลัพธ์:
```
name
```
ตัวอย่างการแสดงค่าในตัวแปร เช่น ค่าที่เก็บในตัวแปร “name”:
```
echo $name
```
ผลลัพธ์:
```
Gojo
```
.

➰ Command #26. for

for ใช้สร้าง loop เพื่อทำงานซ้ำ ๆ โดยอัตโนมัติ โดยมีวิธีการเขียนแบบนี้:
```
for x in y; do actions; done
```
- x = คำแทนสิ่งที่อยู่ใน y
- y = ตัวแปร, ข้อมูล, หรือ file ที่ต้องใช้ทำงาน
- actions = สิ่งที่เราต้องการให้เกิดขึ้น
- done = คำลงท้าย loop
เช่น แสดงข้อมูลใน file ที่ลงท้ายด้วย “.txt”:
```
for i in *.txt; do cat $i; done
```
.

📃 Command #27. bash

bash (Bourne Again SHell) ใช้เรียกใช้งาน shell commands ที่เก็บไว้ใน file

เช่น เราสร้าง file “script.sh” ซึ่งเก็บ shell command นี้เอาไว้:
```
ls
```
เมื่อเราเรียกใช้งาน “script.sh”:
```
bash script.sh
```
เราจะได้ผลลัพธ์ของ ls เช่น:
```
people.csv
job_levels.txt
fruits.txt
large_file.txt
notes.txt
small_file.txt
README.md
```
.

🗒️ Command #28. nano

nano ใช้สร้างหรือแก้ไข text file ด้วย text editor ที่ชื่อ nano

เช่น เราต้องการแก้ไข “script.sh” เราสามารถเปิด nano ได้แบบนี้:
```
nano script.sh
```
ผลลัพธ์:

Note:

เมื่ออยู่ใน nano ให้เรากด:
- Ctrl + O เพื่อ save
- Ctrl + X เพื่อ quit
💡 Group #7. Getting Unstuck

Commands ในกลุ่มสุดท้ายช่วยให้เราทำงานกับ shell commands ได้ดีขึ้น และประกอบด้วย 3 commands ได้แก่:
1. history
2. !
3. man
.

🏛️ Command #29. history

history ใช้เรียกดูประวัติการใช้ commands ที่ผ่านมา เช่น:
```
history
```
ผลลัพธ์:

.

🕯️ Command #30. !

! (bang) ใช้เรียกใช้ command ที่เคยใช้ก่อนหน้านี้

เช่น เรียกใช้ command ที่ 71 จาก history (cat fruits.txt | sort | uniq):
```
!71
```
ผลลัพธ์:
```
apple 🍎
banana 🍌
grape 🍇
orange 🍊
```
.

❓ Command #31. man

man (manual) ใช้ดูคู่มือการใช้งาน command ที่ต้องการ

เช่น ดูการใช้งาน ls:
```
man ls
```
ผลลัพธ์:

💪 Summary

ในบทความนี้ ผมพาทุกคนไปดู 7 กลุ่ม shell commands (31 commands) เบื้องต้นสำหรับคนที่ไม่เคยใช้ shell commands มาก่อน

Group #1. Orienting — ดูว่า เราอยู่ directory ไหน:
1. pwd
2. ls
3. cd
Group #2. Preparing — จัดการ files และ folders:
1. mkdir
2. rmdir
3. touch
4. cp
5. mv
6. rm
Group #3. Inspecting — ดูข้อมูลใน files:
1. cat
2. less
3. head
4. tail
Group #4. Analysing — วิเคราะห์ข้อมูล:
1. wc
2. grep
3. cut
4. paste
5. sort
6. uniq
7. Wildcards
Group #5. Chaining — เชื่อมต่อ shell commands:
1. |
2. >
3. >>
Group #6. Automating — automate การทำงานของคอมพิวเตอร์:
1. =
2. echo
3. for
4. bash
5. nano
Group #7. Getting unstuck — ดูวิธีการใช้ shell commands:
1. history
2. !
3. man
หลังจากอ่านบทความกันแล้ว อย่าลืมลองใช้ shell commands ในการทำงานกันดูนะครับ

😺 GitHub

ดูตัวอย่าง files ในบทความนี้ได้ที่ GitHub

📖 Further Reading

สำหรับคนที่สนใจอ่านเพิ่มเติมเกี่ยวกับ shell commands ผมขอแนะนำ links ตามนี้:
📄 References
Share this:
X
Facebook
Like Loading…
2025-01-02

Data Visualisation Basics: วิธีการเลือกใช้กราฟอย่างง่าย พร้อมประเภทกราฟ กรณีการใช้งาน และตัวอย่าง

ในบทความนี้ เราจะมาทำความรู้จักกับการใช้ data visualisation หรือเรียกสั้น ๆ ว่า data viz เบื้องต้นกัน:

Data viz คืออะไร?
วิธีเลือกและประเภท data viz

ถ้าพร้อมแล้วไปเริ่มกันเลย

Data Viz & Its Values

Data viz เป็นการนำเสนอข้อมูล (data หรือ information) ในรูปแบบของ …

กราฟ/ชาร์ต (graph/chart)
แผนภาพ (diagram)
รูปภาพ (picture)

การแปลข้อมูลมาอยู่ในรูปของ data viz มีประโยชน์หลัก ๆ คือ

ช่วยให้เห็น pattern ที่อยู่ในข้อมูลได้ง่ายขึ้น
(ในกรณีที่ใช้ในการนำเสนอข้อมูล) ช่วยให้คนอื่นเข้าใจและจดจำข้อมูลของเราได้ดีขึ้น

Anscombe’s Quartet

ประโยชน์ของ data viz เห็นได้ชัดที่สุด ในตัวอย่างของ Anscombe’s Quartet

Anscombe’s Quartet เป็นข้อมูล 4 ชุด (แต่ละชุดประกอบด้วยคะแนน x และ y) ที่แตกต่างกัน แต่มีค่าสถิติที่เกือบจะเหมือนกัน เช่น

ค่าเฉลี่ย (mean) ของ x และ y
ค่าความแปรปวน (variance) ของ x และ y
correlation ระหว่าง x และ y

แต่ถ้าเรานำ Anscombe’s Quartet มาทำเป็น data viz ก็จะเห็นว่า ข้อมูลทั้งสี่ชุดแตกต่างกันอย่างชัดเจน

Anscombe’s Quartet เป็นตัวอย่างที่แสดงให้เห็นว่า data viz สามารถช่วยให้เราทำความเข้าใจข้อมูลได้อย่างง่ายและรวดเร็ว

(ใครที่สนใจข้อมูลชุดนี้ สามารถเข้าดูเพิ่มได้ที่ Google Sheets)

วิธีเลือกใช้ Data Viz

เพื่อใช้งาน data viz ให้เกิดประสิทธิภาพสูงสุด เราควรเลือกใช้งาน data viz ให้ถูกประเภท

โดยปัจจัยที่เราใช้เพื่อเลือก data viz มีอยู่ 2 อย่าง คือ

จำนวนตัวแปร (variable) ที่เราใช้สร้าง data viz
ประเภทของตัวแปร ซึ่งแยกได้เป็น 2 ประเภท ได้แก่
1. Categorical variable หรือตัวแปรเชิงคุณภาพ เช่น เพศ จังหวัด สกุลเงิน
2. Continuous variable หรือตัวแปรเชิงปริมาณ เช่น ความสูง น้ำหนัก จำนวนเงิน

เมื่อเราใช้ 2 ปัจจัยนี้ เราจะจัดกลุ่ม data viz ได้ต่อไปดังนี้

Data Viz สำหรับ 1 ตัวแปร

(1) Histogram

ประเภทตัวแปร:

Categorical variable

กรณีการใช้งาน:

สำรวจการกระจายตัว (distribution) ของตัวแปร

ตัวอย่าง:

การกระจายตัวของอายุประชาชน

(2) Box Plot

ประเภทตัวแปร:

Categorical variable

กรณีการใช้งาน:

สำรวจ distribution ของตัวแปร
เปรียบเทียบ distribution กับตัวแปรอื่น ๆ

ตัวอย่าง:

ค่าใช้จ่ายรายเดือนของ 5 เมืองใหญ่ในอเมริกา

Data Viz สำหรับ 2 ตัวแปร

(1) Scatter Plot

ประเภทตัวแปร:

1 continuous x 1 continuous variable

กรณีการใช้งาน:

สำรวจความสัมพันธ์ระหว่าง 2 ตัวแปร

ตัวอย่าง:

ความสัมพันธ์ระหว่างชั่วโมงเรียนและคะแนนสอบ

(2) Line Plot

ประเภทตัวแปร:

1 continuous x 1 continuous variable

กรณีการใช้งาน:

สำรวจความสัมพันธ์ระหว่าง 2 ตัวแปร
ดู trend การเปลี่ยนแปลงตามเวลา

ตัวอย่าง:

ระดับอุณหภูมิในช่วงเวลา 1 ปี

(3) Bar Plot

ประเภทตัวแปร:

1 categorical x 1 continuous variable

กรณีการใช้งาน:

นับจำนวนครั้งของ categorical variable
ดู percent ของ continuous variable เมื่อแบ่งตาม categorical variable

ตัวอย่าง:

จำนวนกาแฟที่ขายได้ในแต่ละวันของสัปดาห์

(4) Dot Plot

ประเภทตัวแปร:

1 categorical x 1 continuous variable

กรณีการใช้งาน:

ดูจำนวน continuous variable เมื่อแบ่งตาม categorical variable

ตัวอย่าง:

จำนวนพนักงานในแต่ละแผนก

Data Viz สำหรับมากกว่า 2 ตัวแปร

(1) Pair Plot

จำนวนตัวแปร:

สูงสุด 10 ตัวแปร

ประเภทตัวแปร:

Categorical, continuous variables, หรือผสมก็ได้

กรณีการใช้งาน:

ดู distribution ของตัวแปร
หาความสัมพันธ์ระหว่างตัวแปร

ตัวอย่าง:

ดูความสัมพันธ์ระหว่างลักษณะต่าง ๆ ของรถยนต์ เช่น แรงม้า น้ำหนัก การกินน้ำมัน

(2) Heatmap

ประเภทตัวแปร:

Continuous variables

กรณีการใช้งาน:

หาความสัมพันธ์ระหว่างตัวแปร

ตัวอย่าง:

อุณหภูมิของแต่ละเมืองในแต่ละเดือน

(3) Parallel Coordinates Plot

ประเภทตัวแปร:

Continuous variables เท่านั้น

กรณีการใช้งาน:

หา pattern ในข้อมูล
จับกลุ่ม pattern ในข้อมูล

ตัวอย่าง:

คะแนนสอบนักเรียนในแต่ละวิชา

Caution: Pie Chart

Pie chart เป็น data viz ที่ควรหลีกเลี่ยง เพราะเป็นกราฟที่ตีความได้ยาก

ตัวอย่างเช่น pie chart ที่แสดงสัดส่วนเวลาที่ programmer ใช้ในแต่ละวัน เราจะรู้ได้ยังไงว่า programmer ใช้เวลาไปกับอะไรมากกว่ากัน ระหว่าง Research และ Documentation

จากตัวอย่าง ถ้าเราใช้ bar plot แทน จะเห็นได้ว่า เราทำความเข้าใจข้อมูลได้เร็วกว่า และตอบได้ทันทีว่า programmer ใช้เวลาไปกับ Research และ Documentation เท่า ๆ กัน:

กรณีหลัก ๆ ที่เราจะใช้ pie chart คือ สำรวจสัดส่วนของข้อมูล เช่น ตัวอย่างด้านบน หรือจากยอดขายทั้งหมด สินค้าแต่ละตัวขายได้เป็นกี่เปอร์เซ็นต์

นอกจากนี้ เราไม่ควรใช้ pie chart กับข้อมูลที่มี category มากกว่า 7 เพราะจะทำให้ pie chart อ่านยาก

สรุป

Data viz เป็นเครื่องมือช่วยในการทำความเข้าใจและสื่อสารข้อมูล

โดยการเลือกใช้ data viz ขึ้นอยู่กับ 2 ปัจจัย คือ

จำนวนตัวแปร
ประเภทตัวแปร

เราสามารถใช้ 2 ปัจจัยนี้ สรุปการเลือกใช้ data viz 10 ประเภทได้ดังนี้:

No.	Data Viz	จำนวน	ประเภท
1	Histogram	1	Categorical
2	Box plot	1	Categorical
3	Scatter plot	2	All continuous
4	Line plot	2	All continuous
5	Bar plot	2	Categorical x Continuous
6	Dot plot	2	Categorical x Continuous
7	Pair plot	>2	Any
8	Heatmap	>2	Continuous
9	Parallel coordinates	>2	Continuous
10	Pie chart	1	Categorical

Bonus: เพิ่มตัวแปรใน Data Viz อย่างง่าย ๆ

เราสามารถใช้ 4 สิ่งเหล่านี้ เพื่อเพิ่มตัวแปรที่ 3 เข้าไปใน data viz สำหรับ 2 ตัวแปรได้:

สี (colour)
ขนาด (size)
ความโปร่งใส (transparency)
รูปทรง (shape)

มาดูตัวอย่างกัน:

ความสัมพันธ์ระหว่างความพึงพอใจและประสิทธิภาพในการทำงาน โดยแบ่งตามแผนก

1. แบ่งแผนกด้วยสี

2. แบ่งแผนกด้วยขนาด

3. แบ่งแผนกด้วยความโปร่งใส

4. แบ่งแผนกด้วยรูปทรง

Note: จากตัวอย่างเราจะเห็นว่า การใช้สีเป็นวิธีนำเสนอตัวแปรที่สามได้ดีที่สุด ในขณะที่ขนาด ความโปร่งใส และรูปทรง

2024-12-26

Microcopy: 4 หลักการ + 7 รูปแบบการเขียนคำบนเว็บให้ Users อยากใช้งาน
การที่เราจะออกแบบเว็บไซต์ที่น่าสนใจและน่าดึงดูด ต้องพึ่งองค์ประกอบต่าง ๆ ที่เราใส่ลงบนหน้าเว็บ ทั้ง …
- รูปภาพ
- ไอคอน
- โทนสี
- ฟอนต์ (font)
รวมไปถึง microcopy หรือคำที่เราใส่ลงบนเว็บด้วย

Microcopy: จิ๋ว แต่แจ๋วยังไง?

ลองจินตนาการว่า เราสร้างเว็บขึ้นมาหน้าหนึ่ง โดยในหน้าเว็บมีรูปและไอคอนที่สื่อสารการใช้เว็บ แต่ไม่มีคำหรือข้อความใด ๆ user ของเราอาจจะยังใช้งานได้ …

… แต่ไม่ง่ายนัก โดยเฉพาะถ้าเทียบกับเวอชันที่มาพร้อม microcopy ที่ user เข้ามาถึงแล้ว สามารถใช้งานได้ทันที:

Microcopy เป็นองค์ประกอบที่ช่วยให้ user ทำความเข้าใจและใช้งานเว็บของเราได้ง่ายและมีประสิทธิภาพ

ประโยชน์ของ microcopy ไม่หยุดเพียงช่วยให้เว็บของเราใช้งานได้และใช้งานง่าย แต่ยังช่วยเพิ่ม engagement ให้กับเว็บของเราอีกด้วย

ยกตัวอย่าง Google ที่เปลี่ยนคำบนหน้าค้นหาที่พัก จากคำว่า …

Book a room

เป็น …

Check availability

ก็ทำให้ยอด engagement เพิ่มขึ้น 17%

ตัวอย่างของ Google แสดงให้เห็นว่า แม้ microcopy อาจจะเป็นเพียงคำเล็ก ๆ บนเว็บ แต่ก็ส่งผลที่สร้างความแตกต่างอย่างเห็นได้ชัด

ดังนั้น ถ้าเราอยากจะสร้างเว็บไซต์ที่อยากให้คนเข้ามาใช้ เราก็ควรมี microcopy ที่ดีบนเว็บบนเว็บไซต์

Microcopy: How-to

การจะเขียน microcopy ที่ดีไม่ใช่เรื่องยาก และใคร ๆ ก็สามารถทำได้ โดยเริ่มจากการทำความเข้าใจ …
1. หลักการ UX writing
2. Patterns ของ microcopy
UX Writing Principles

UX (user experience) writing เป็นศาสตร์ในการเขียนเพื่อประสบการณ์ของ user

หลักของ UX writing ในการเขียน microcopy มีอยู่ 4 ข้อ ได้แก่
1. Clear
2. Concise
3. Useful
4. On Brand
.

Principle #1: Clear

Clear หมายถึง ความชัดเจนของคำที่ใช้ ซึ่งเราสามารถทำได้โดย …
1. หลีกเลี่ยงศัพท์เทคนิค
2. ให้ข้อมูลบริบท (context) กับ user
ยกตัวอย่าง microcopy ที่แจ้งเตือน error ในการเข้าสู่ระบบจาก Google I/O:

จะเห็นได้ว่า microcopy นี้ขาดความชัดเจน เพราะ …
1. มีศัพท์เทคนิคที่ user บางคนอาจจะไม่รู้จัก คือ authentication
2. ไม่มีข้อมูลให้ user ว่า ทำไม error นี้ถึงเกิดขึ้น
ถ้าเราปรับ microcopy ตามหลัก Clear แล้ว เราจะได้ microcopy ใหม่แบบนี้:

จะเห็นได้ว่า microcopy ใหม่ (ขวามือ) มีความชัดเจนมากขึ้น เพราะตอนนี้ user รู้แล้ว ผ่านการสื่อสารด้วยคำง่าย ๆ (sign-in error แทน authentication error) ว่า error นี้เกิดจากการใช้รหัสผ่านผิด

.

Principle #2: Concise

Concise ไม่ใช่การเขียนคำให้สั้นที่สุด แต่หมายถึง การเขียนคำให้กระชับ โดย …
1. ใช้คำอย่างประหยัด แต่ชาญฉลาด
2. Frontloaded: ใส่ใจความสำคัญไว้ต้นประโยค เพื่อให้ user รู้ในทันว่า สารที่ต้องการสื่อคืออะไร
จากตัวอย่างของ Google I/O เราจะเห็นว่า microcopy ที่ปรับแก้แล้ว ยังไม่ concise เพราะ …
1. มีการสื่อสารที่ซ้ำซ้อน โดยวลี “Sign-in error” และ “You entered an incorrect password” สื่อความหมายเดียวกัน คือ เกิดขึ้นผิดพลาดในการเข้าสู่ระบบ
2. ใจความสำคัญ (incorrect password) อยู่หลังสุด ทำให้ user ต้องเสียเวลาอ่านก่อนจะเข้าใจสารที่ต้องสื่อ
ถ้าแก้ไขทั้ง 2 ข้อนี้แล้ว เราจะได้ microcopy ที่ตรงกับหลัก Concise มากขึ้น:

ตอนนี้ user แค่กวาดตาอ่าน microcopy ของเรา ก็สามารถทำความเข้าใจสิ่งที่เกิดขึ้นได้ในทันที

.

Principle #3: Useful

Useful หมายถึง microcopy บอก next action ให้กับ user

จากตัวอย่างของ Google I/O เราสามารถปรับ microcopy ข้างต้นให้ useful มากขึ้นได้ ดดยการปรับปุ่ม “OK” ให้เป็นปุ่มอื่นที่ช่วยให้ user แก้ error ที่กำลังเจอได้:
- “TRY AGAIN”
- “RECOVER PASSWORD”
ตอนนี้ microcopy ไม่เพียงแค่ให้ข้อมูล แต่ยังช่วยให้ user แก้ปัญหา และใช้งานเว็บต่อไปได้

.

Principle #4: On Brand

Principle #4: On Brand

On Brand หมายถึง การใช้คำที่สอดคล้องกับ brand identity หรือความเป็นตัวตนของเรา

จากตัวอย่างของ Google I/O ถ้าทุกคนใช้แค่ 3 หลักการแรก microcopy ของทุกเว็บก็อาจจะออกมาเหมือน ๆ กัน แต่ถ้าเราใส่ความเอกลักษณ์ของเราเข้าไป เราก็จะช่วยให้เว็บไซต์ของเราแตกต่าง ซึ่งอาจช่วยเพิ่ม engagement ให้กับ user ที่เราต้องการได้

มาลองดูตัวอย่าง On Brand กัน สมมุติว่า brand identity ของเราเป็นคนชิล ๆ เราอาจจะปรับ microcopy เป็น …

Whoops! Looks like that password’s playing hard to get.

[Give it another shot!]

[Lost your password pal?]

หรือถ้าเราอยากให้ดูทางการ เราอาจจะปรับเป็นแบบนี้ …

Incorrect password. Please verify your entry.

[Retry]

[Recover password]

.

สรุปหลักการ UX Writing

หลักการ UX writing มี 4 ข้อ คือ
1. Clear: ชัดเจน มีบริบท
2. Concise: กระชับ ไม่ซ้ำซ้อน
3. Useful: มีประโยชน์ รู้วิธีใช้
4. On Brand: โดดเด่น เป็นตัวของตัวเอง
Microcopy Patterns

นอกจากหลักการ UX writing แล้ว เรายังควรทำความเข้าใจ patterns เพื่อจะสามารถเขียน microcopy ได้อย่างมีประสิทธิภาพอีกด้วย

Microcopy patterns เป็นการจัดประเภท microcopy ที่อยู่บนเว็บ โดยหลัก ๆ microcopy สามารถจัดได้เป็น 7 รูปแบบ ได้แก่
1. Title
2. Button
3. Error message
4. Confirmation message
5. Text-input field
6. Empty state
7. Waiting time
แต่ละรูปแบบมีจุดประสงค์และการเขียนที่แตกต่างกันไป เราไม่จำเป็นต้องจำรูปแบบการเขียนให้ได้ทั้งหมด เพียงแต่ต้องเข้าใจจุดประสงค์ของแต่ละรูปแบบเท่านั้น ว่าแต่รูปแบบให้อะไรกับ user บ้าง

Pattern #1: Title

Pattern แรก คือ title หรือคำที่ทำหน้าที่เหมือนป้ายบอกทาง คอยบอก user ว่ากำลังอยู่ส่วนไหนของเว็บ และ/หรือทำ action อะไรได้บ้าง

.

Title แบ่งออกเป็น 4 ประเภท ซึ่งมีการเขียนไม่เหมือนกัน ได้แก่

.

ประเภทที่ 1. Single task หรือ title ของหน้าเว็บที่ user สามารถทำได้แค่ 1 action:

การเขียน: ใช้คำกริยาที่สื่อถึง action ดังกล่าว

ตัวอย่าง: คำว่า “Save to board” ของ Pinterest ในหน้า save pin ซึ่ง user สามารถทำได้ 1 action คือ บันทึก pin ไปยัง board ที่ต้องการ

.

ประเภทที่ 2. Ambiguous task หรือ title ในหน้าเว็บที่ user สามารถทำได้มากกว่า 1 action:

การเขียน: ใช้คำที่ครอบคลุม action หรือ content ของหน้านั้น

ตัวอย่าง: คำว่า “Settings” ในหน้าตั้งค่าของ Duolingo เพราะหน้านี้ user สามารถทำได้อย่างน้อย 2 อย่าง คือ จัดการโปรไฟล์ และตั้งค่าแอป

.

ประเภทที่ 3. Content name หรือ title ในหน้าเว็บที่มี content ให้อ่าน:

การเขียน: ใช้ชื่อหัวของ content นั้น

ตัวอย่าง: “Here’s every Samsung phone, …” ของหน้าบทความในแอป Pocket

.

ประเภทที่ 4. Brand name หรือ title ในหน้าเว็บของเราที่เชื่อมมาจากเว็บอื่น:

การเขียน: ในกรณีที่ user เข้ามาหาเว็บเราจากเว็บอื่น เราก็อยากให้ user รู้ว่าหน้าที่เพิ่งมาถึงเป็น domain ของเรา ดังนั้น เราควรใช้คำที่แสดงถึง brand ของเรา เช่น ชื่อเว็บ หรือชื่อ brand

ตัวอย่าง: Instagram ที่เขียนชื่อ brand ไว้ในหน้า feed เพื่อให้ user รู้ว่ากำลังใช้แอป Instagram อยู่

Pattern #2: Button

Button เป็น microcopy ที่อยู่ตามปุ่มต่าง ๆ บนระบบ

Button แตกต่างจาก microcopy ประเภทอื่น เพราะเป็นประเภทเดียวที่ช่วยให้ user บอกเว็บไซต์ได้ว่า ต้องทำ action อะไร (ในขณะที่ประเภทอื่นเป็นเว็บไซต์บอก user ว่าต้องทำอะไร)

จุดประสงค์ของ button คือ ช่วยให้ user ได้ทำ action ที่ต้องการ เพื่อไปถึงเป้าหมาย (เช่น ไปหน้าอ่านบทความ)

.

การเขียน button แบ่งได้เป็น 2 ประเภท:

.

ประเภทที่ 1. Conversion หรือปุ่มที่มีจุดประสงค์เพื่อเปลี่ยน user มาเป็น customer:

การเขียน: ใช้สูตร value + relevance
- Value คือ สื่อสารสิ่งที่ user จะได้รับเมื่อกดปุ่ม
- Relevance คือ สื่อสารว่าสิ่งที่จะได้รับมีความเกี่ยวข้องกับ user
ตัวอย่าง: ปุ่ม “Save more on App!” ของ Agoda ที่ชวนให้ user โหลดแอป โดยชี้ให้เห็นว่าถ้าโหลดแล้วจะช่วยประหยัดเงินได้

.

ประเภทที่ 2. Function หรือปุ่มที่เน้นการใช้งานมากกว่าสร้าง engagement จาก user:

การเขียน: สำหรับปุ่มที่ไม่ต้องการให้ user กดบ่อย ๆ และเน้นการใช้งานเป็นหลัก เราสามารถใช้คำกริยาที่สื่อถึง action ที่ user จะทำได้

ตัวอย่าง: คำว่า “Send” ในหน้า Gmail

Pattern #3: Error Message

Error message เป็น microcopy ที่ user จะเห็นเมื่อเกิดข้อผิดพลาดบางอย่าง ไม่ว่าจะเป็นจาก user หรือจากตัวเว็บเอง

.

จุดประสงค์หลักของ error message มีอยู่ 2 อย่าง คือ
1. ช่วยให้ user จัดการกับ error ที่เกิดขึ้น
2. ช่วยลดความรู้สึกที่ไม่ดีลง เพราะบางครั้ง error ทำให้ user รู้สึกตกใจหรืออารมณ์เสียได้
.

Error message มีอยู่ 2 ประเภท คือ
1. Error ที่ user แก้ด้วยตัวเองได้ เช่น กรอกข้อมูลผิด
2. Error ที่ user ไม่สามารถแก้เองได้ เช่น server ล่ม
.

ทั้งสองประเภทมีสูตรการเขียนเหมือนกัน คือ What + Why + How
- What: บอก user ว่า error ที่เกิดขึ้นคืออะไร เช่น “Sign-in error”
- Why: บอก user ว่า ทำไมถึงเกิด error นี้ขึ้น เช่น “You entered an incorrect password”
- How: เสนอแนะทางการแก้ไข error ให้กับ user เช่น “Try again”
.

แต่การใช้สูตรมีความแตกต่างกัน ตรงที่ …

.

ถ้าเป็น error ที่ user แก้ไขได้เอง ให้เขียน What, Why, How ให้ชัดเจนและมีความเจาะจง (specific) เพื่อให้ user สามารถแก้ไข error ที่เกิดขึ้นได้

เช่น error message ของ Slack ที่แจ้งเตือนเมื่อ user อัปโหลดรูปไม่ตรงกับเงื่อนไขที่กำหนด

รูปจาก https://uxwritinghub.com/error-message-examples/

จะเห็นได้ว่า microcopy บอก user อย่างละเอียดว่า จะต้องเลือกรูปที่จะอัปโหลดยังไง พร้อมปุ่มให้ทำ action ต่อ เพื่อให้การอัปโหลดสำเร็จ

.

ถ้าเป็น error ที่ user ไม่สามารถแก้ไขได้เอง สามารถเขียน What และ How แบบกว้าง ๆ (generic) ได้ (เช่น “Server error”) และไม่ต้องบอก Why ก็ได้ เพราะ user ไม่ต้องแก้ไข error นี้ด้วยตัวเอง

เช่น error message ของ Instagram

รูปจาก https://uxwritinghub.com/error-message-examples/

จะเห็นว่า microcopy นี้ ไม่ได้บอกอะไรมากนัก (เช่น บอกให้รอ แต่ไม่ได้บอกว่า รอนานขนาดไหน)

.

เพื่อให้เข้าใจง่าย เราสามารถสรุปการใช้สูตร error message ได้ตามตาราง

Error What Why How
User แก้ได้เอง Specific Require Specific
User แก้ไขเองไม่ได้ Generic Optional Generic

.

Pro tips:

เพราะ error message เป็น microcopy จะเจอกับ user ในช่วงเวลาที่อาจจะไม่ดีนัก เราจึงควรเขียน error message ให้มีความเป็นคนมากที่สุด เพื่อให้ user รู้สึกสบายใจมากขึ้น

เราเพิ่มความเป็นมนุษย์ลงไปใน error message โดยหลีกเลี่ยง …
1. ประโยคคำสั่ง เช่น “ต้องกรอกข้อมูลนี้” vs “โปรดกรอกข้อมูลนี้”
2. ศัพท์เทคนิค เช่น “Authentication error” vs “Wrong password”
3. คำที่สื่อถึงความผิดพลาด เช่น “เกิดข้อผิดพลาดในระบบ” vs “ระบบไม่สามารถตอบสนองได้ในขณะนี้ กรุณาลองใหม่อีกครั้ง”
Pattern #4: Confirmation Message

Confirmation message เป็น microcopy ที่เกิดขึ้นหลังจาก user ทำ action บางอย่างแล้ว และทำให้ user รู้ว่า action ที่ทำไปสำเร็จไปได้ด้วยดี

.

การเขียน confirmation message ทำได้ง่าย ๆ ด้วยสูตร object + V3 เช่น

“Song removed” หรือ “ย้ายเพลงออกจากเพลย์ลิสต์”

“Message sent” หรือ “ส่งข้อความสำเร็จ”

“File moved to trash” หรือ “ไฟล์ถูกย้ายไปถังขยะ”

ตัวอย่าง confirmation message เมื่อลบไฟล์ใน Google Drive

.

ในบางกรณีที่เราต้องให้ข้อมูลเพิ่มเติมกับ user เช่น บอกว่า หลังจากทำ action นี้แล้ว จะเกิดอะไรขึ้นต่อ เราสามารถเขียนข้อความต่อท้ายได้ เช่น
- “ส่งข้อความสำเร็จ ทีมงานจะติดต่อกลับภายใน 7 วัน”
- “ไฟล์ถูกย้ายไปถังขยะ คุณสามารถกู้ไฟล์คืนได้ภายใน 30 วัน”
- “ย้ายเพลงออกจากเพลย์ลิสต์ คุณสามารถเพิ่มเพลงใหม่ตลอดเวลา”
Pattern #5: Text-Input Field

Text-input field เป็น microcopy ที่อยู่กับกล่องกรอกข้อมูล และมีหน้าที่ช่วยให้ user กรอกข้อมูลได้สะดวก ถูกต้อง และครบถ้วน

.

Text-input field ประกอบด้วย 4 ส่วน ได้แก่

.

ส่วนที่ 1. Title หรือ ชื่อข้อมูลที่ต้องกรอก:
- การเขียน: บอก user ว่าข้อมูลที่ต้องกรอกในช่องนี้คืออะไร
- ตัวอย่าง: “อีเมล” หรือ “เบอร์โทรศัพท์”
.

ส่วนที่ 2. Instruction หรือ คำชี้แจงในการกรอก:
- การเขียน: บอก user ว่าต้องกรอกอะไร
- ตัวอย่าง: “กรอกอีเมลที่ต้องการรับข่าวสาร” หรือ “กรอกเบอร์โทรศัพท์ที่ต้องการใช้ลงทะเบียนบัญชี”
.

ส่วนที่ 3. Hint หรือ ตัวช่วยในการกรอก:
- การเขียน: เขียนตัวอย่าง หรือรูปแบบการกรอก เพื่อให้ user รู้ว่าต้องกรอกข้อมูลที่ถูกต้องยังไง
- ตัวอย่าง: “example@domain.com” หรือ “09-xxxx-xxxx”
.

ส่วนที่ 4. Guidance หรือ เงื่อนไขในการกรอก:
- การเขียน: เขียนระบุเงื่อนไขการกรอกให้ชัดเจน
- ตัวอย่าง: “กรอกอีเมลส่วนตัวเท่านั้น” หรือ “กรอกเบอร์โทรศัพท์ 10 หลัก”
.

เราสามารถใช้องค์ประกอบทั้งสี่ส่วนในการสร้าง text-input field ที่ทำให้ user อยากกรอก form และ engage กับเว็บไซต์ของเราได้

Pattern #6: Empty State

Empty state หมายถึง microcopy ในหน้าเว็บที่ว่างเพราะยังไม่มีข้อมูล หรือโหลดข้อมูลไม่สำเร็จ

.

จุดประสงค์ของ empty state คือ เพื่อให้ user รู้ว่าในหน้านี้ควรจะมีข้อมูลอะไร

.

Empty state มี 4 ประเภท คือ
1. First use หรือ หน้าว่าง เพราะเป็นการใช้งานครั้งแรก
2. Clear หรือ หน้าว่างจากการลบข้อมูล
3. No results หรือ หน้าว่าง เพราะไม่พบข้อมูลค้นหา
4. 404 error หรือ หน้าว่าง เพราะหาหน้าที่ต้องการไม่เจอ
.

การเขียนของ first use, no results, 404 error มีองค์ประกอบเหมือนกัน คือ
1. Title แจ้งว่า หน้านี้ควรมีข้อมูลอะไร
2. Description แจ้งว่า ทำไมหน้าถึงว่างเปล่า
3. Call to action ชวนให้ user ทำ action บางอย่าง
4. Button เพื่อให้ user ทำ action ได้
.

ตัวอย่าง pattern นี้ ที่เห็นได้ทั่วไป คือ Google Search เวลาที่ไม่พบสิ่งที่เราต้องการค้นหา

Note: Google Search ไม่มี button เพราะ user สามารถใช้ search bar ด้านบนได้

.

ส่วน clear ให้เขียนแค่ …
1. Title
2. Description
เพราะ clear เป็นหน้าว่างที่เกิดจากความตั้งใจของ user เอง เช่น user ลบอีเมลทั้งหมดจาก inbox เราไม่จำเป็นต้องมี call to action กับ button เพื่อชวนให้ user หาอีเมลมาเติม inbox ให้เต็มอีกครั้ง

ตัวอย่างเช่น หน้า inbox ของ Outlook เมื่อเราเคลียร์อีเมลจนหมด:

รูปจาก https://amrabed.medium.com/enjoy-your-empty-inbox-191307c6b0a7

Pattern #7: Waiting Time

Waiting time เป็น microcopy ที่แสดงระหว่างการเปลี่ยนหน้าหรือรอเว็บประมวลผลข้อมูล และเอื้อให้ user รู้ว่า ระบบกำลังทำงานอยู่

.

การเขียน: ใช้ V-ing เช่น
- “Submitting” หรือ “กำลังส่ง”
- “Removing …” หรือ “กำลังลบ …”
.

Pro tips

ในระหว่างรอ เราสามารถเพิ่มคุณค่าให้กับ waiting time ได้โดย …
- บอกว่า เว็บกำลังทำอะไรอยู่ เพื่อให้ user มีส่วนร่วมในการระหว่างรอ โดยการบอกว่า เช่น Gmail ที่เขียนว่า “กำลังโหลดข้อความของคุณ …” แทนการเขียนว่า “กำลังโหลด …” เพื่อให้ user รู้สึกว่า สิ่งที่รอเกี่ยวข้องกับตนเอง
- เราสามารถนำเสนอข่าวสารหรือข้อมูล เช่น fun fact, product ตัวใหม่, หรือการใช้งาน feature ต่าง ๆ ให้กับ user ได้ ตัวอย่างเช่น Duolingo ที่ให้ fun fact ระหว่างรอโหลดบทเรียน
Recap

Microcopy เป็นคำเล็ก ๆ ที่อยู่บนหน้าเว็บของเรา ซึ่งไม่เพียงแต่ช่วยให้ user ใช้งานได้ แต่ยังสร้าง engagement ให้กับ user ได้ด้วย

การจะสร้าง microcopy ที่ดี จะต้องมีความเข้าใจ 2 อย่าง คือ
1. หลักการ UX writing (4 ข้อ)
  1. Clear
  2. Concise
  3. Useful
  4. On Brand
2. Microcopy patterns (7 รูปแบบ)
  1. Title
  2. Button
  3. Error message
  4. Confirmation message
  5. Text-input field
  6. Empty state
  7. Waiting time
Tips ส่งท้าย

Tip #1 – Start microcopy early: การเขียน microcopy ควรเริ่มพร้อม ๆ กับตอนออกแบบเว็บไซต์ เพื่อที่เราจะได้จัดวาง element และคำให้เข้ากัน และหลีกเลี่ยงความไม่ลงตัว เช่น ปุ่มสั้นกว่าคำ หรือคำยาวกกว่ากล่อง

.

Tip #2 – Conversational writing: เวลาร่าง microcopy ให้ลองคิดว่า ถ้าเราคุยกับ user เราจะพูดว่ายังไง และ user จะตอบว่าอะไร แล้วนำการสนทนามาแปลงเป็น microcopy

เช่น …

เรา: สวัสดีครับ ยินดีต้อนรับ

user: สวัสดีค่ะ

เรา: วันนี้มีอะไรให้ช่วยบ้างครับ?

user: อยากรู้ว่า เคยทำ project อะไรมาบ้าง

เรา: อ่อ ลองมาดูทางนี้เลย ครับ project ของผมเป็นการออกแบบเว็บไซต์ เพื่อให้คนที่สนใจเรื่อง UX design เข้ามาอ่าน

user: แล้วประสบการณ์การทำงานละ

เรา: จะเป็นทางนี้เลยครับ ผมเคยทำงาน …

จาก role-play นี้ เราอาจแปลงบทสนทนาให้เป็นหน้าเว็บและ microcopy ในเว็บได้แบบนี้:

Note: ถ้าจะให้ดี การ role-play ควรใช้ persona ของเราและ user ที่เราอยากจะดึงดูดเข้ามาในเว็บของเรา เพื่อให้ microcopy ที่ได้สะท้อน brand ของเรา และดึงดูด user มากที่สุด

Further Reading

สำหรับคนที่สนใจอ่านเพิ่มเติมเกี่ยวกับ microcopy หรืออยากศึกษาในเชิงลึก สามารถอ่านหนังสือ 2 เล่มนี้ได้:
1. Microcopy: The Complete Guide โดย Kinneret Yifrah และ Jacqui Licht
2. Strategic Writing for UX: Drive Engagement, Conversion, and Retention with Every Word โดย Torrey Podmajersky
Share this:
X
Facebook
Like Loading…
2024-12-18

เล่นกับข้อมูลง่าย ๆ ด้วย 5 functions จาก dplyr: วิธีใช้งาน dplyr เบื้องต้น พร้อมตัวอย่างการทำงานกับข้อมูล HR

💻 ภาษา R

R เป็นภาษาคอมพิวเตอร์ที่ออกแบบมาเพื่อทำงานกับ data เหมาะกับสายงานที่ต้องทำงานกับ data เช่น

Researcher ที่ต้องการวิเคราะห์ลักษณะกลุ่มตัวอย่าง เช่น จำนวนตัวอย่างแบ่งตามเพศ หรือช่วงอายุ
Data analyst ที่ต้องการหา insight จากข้อมูลขององค์กร เช่น วิเคราะห์แนวโน้มทางธุรกิจ
Sale ที่ต้องการวิเคราะห์ข้อมูลการขาย เช่น จำนวนลูกค้า ยอดขาย และกำไร
หรือแม้แต่ HR ที่ต้องการทำข้อมูลพนักงาน เช่น วิเคราะห์ performance, engagement, และ job satisfaction

🔢 dplyr: Library สำหรับหมุนข้อมูล

R มี built-in functions และ libraries หลากหลายที่รองรับการทำงานกับ data ในรูปแบบต่าง ๆ ซึ่งหนึ่งใน libraries ที่นิยมใช้กัน ได้แก่ dplyr

dplyr เป็น library ที่ออกแบบมาเพื่อ data transformation หรือการแปลงข้อมูล ช่วยให้การทำงานกับ data ง่ายขึ้น เมื่อเทียบกับ built-in functions

Use case ของ dplyr เช่น:

สำรวจข้อมูล (data exploration)
ทำความสะอาดข้อมูล (data cleaning)
วิเคราะห์ข้อมูล (data analysis)

ในบทความนี้ เราจะไปทำความรู้จักกับ 5 functions พื้นฐานของ dplyr ที่ใช้ทำงานกับข้อมูลกัน ซึ่งได้แก่:

select()
filter()
arrange()
summarise() หรือ summarize() (เขียนได้ทั้งสองแบบ)
mutate()

🧑‍💼 ตัวอย่างข้อมูล HR

ในบทความนี้ เราจะใช้ชุดข้อมูลจำลอง hr_data เพื่อช่วยอธิบายการใช้งาน 5 functions ของ dplyr

hr_data ช่วยจำลองสถานการณ์ของ HR ที่ต้องวิเคราะห์ข้อมูลพนักงาน เพื่อหาวิธีแก้ปัญหาพนักงานลาออก (attrition)

โดย hr_data ประกอบด้วย 8 ตัวแปร:

No.	Column	Data
1	`ID`	รหัสพนักงาน
2	`Name`	ชื่อพนักงาน
3	`Department`	แผนก
4	`Age`	อายุ
5	`Engagement`	คะแนนการมีส่วนร่วม (1 ถึง 100)
6	`YearsAtCompany`	อายุงาน
7	`AttritionRisk`	ความเสี่ยงที่จะลาออก (Low, Medium, High)
8	`Salary`	เงินเดือน

Code ในการสร้างและเรียกดู hr_data:

# Create the dataset
hr_data <- data.frame(
  ID = 1:15,
  Name = c("Alice", "Bob", "Carol", "David", "Eve", "Frank", "Grace", 
           "Henry", "Ivy", "Jack", "Karen", "Liam", "Mona", "Nate", "Olivia"),
  Department = c("HR", "IT", "Finance", "HR", "Sales", "IT", "Finance", 
                 "Sales", "IT", "HR", "Finance", "Sales", "IT", "HR", "Sales"),
  Age = c(34, 29, 45, 50, 27, 30, 42, 35, 31, 40, 38, 28, 33, 55, 26),
  Engagement = c(85, 70, 65, 55, 90, 75, 60, 88, 80, 50, 68, 72, 78, 40, 95),
  YearsAtCompany = c(5, 2, 15, 25, 1, 3, 10, 7, 4, 20, 12, 1, 6, 30, 0),
  AttritionRisk = c("Low", "Medium", "High", "High", "Low", "Medium", "High", 
                    "Low", "Medium", "High", "High", "Low", "Medium", "High", "Low"),
  Salary = c(55000, 60000, 70000, 75000, 50000, 62000, 68000, 58000, 
             61000, 77000, 72000, 51000, 64000, 80000, 49000)
)

# View the dataset
hr_data

ผลลัพธ์:

✍️ Pattern การเขียน Function

แม้ว่าทั้ง 5 functions จะมีหน้าที่แตกต่างกัน แต่มีการเรียกใช้งานที่เหมือนกัน:

func(dataset,
     condition)

func = ชื่อ function เช่น select, filter, arrange
dataset = ชุดข้อมูลที่เป็น input
condition = เงื่อนไขในการใช้งานทำงานของ function

1️⃣ Function #1: select()

select() ใช้เลือก column ข้อมูลที่ต้องการ

ตัวอย่าง:

ผู้บริหารต้องการข้อมูลที่มีแค่รายชื่อพนักงาน แผนก และคะแนนการมีส่วนร่วม

เราสามารถใช้ select() เลือกเฉพาะ column ที่ต้องการได้:

# Select only desired columns
select(hr_data,
       Name,
       Department,
       Engagement)

ผลลัพธ์:

Note:

เวลาเลือก column ด้วย select() เราสามารถกำหนดลำดับของ column ที่จะมาแสดงได้ เช่น ต้องการแสดง Department ก่อน Name ก็ให้เขียน Department, Name

dplyr มี helper function ที่ช่วยในการเลือก column ให้ง่ายขึ้น เช่น:

Function	Meaning
`starts_with()`	เลือก column ที่เริ่มด้วย x
`ends_with()`	เลือก column ที่ลงท้ายด้วย x
`contains()`	เลือก column ที่มีคำว่า x
`matches()`	เลือก column ที่ตรงกับ regular expression
`last_col()`	เลือก column สุดท้ายในชุดข้อมูล
`~`	เลือกทุก column ยกเว้น column ที่ระบุ

เราสามารถตั้งชื่อ column ใหม่ได้ ด้วยใช้ = เช่น FullName = Name เพื่อให้หัว column แสดงคำว่า Fullname แทน Name

2️⃣ Function #2: filter()

filter() ใช้เลือก row ที่ตรงกับเงื่อนไขที่กำหนดมาแสดง

ตัวอย่าง:

ผู้บริหารต้องการข้อมูลพนักงานที่ความเสี่ยงที่จะลาออกสูง

เราสามารถใช้ filter() เพื่อกำหนดเงื่อนไขเพื่อกรองข้อมูลออกมาได้:

# Filter for high attrition risk
filter(hr_data,
       AttritionRisk == "High")

ผลลัพธ์:

Note:

เราสามารถใช้ boolean operator และ comparison operator ร่วมได้:

Operator	Meaning
`==`	เท่ากับ
`!=`	ไม่เท่ากับ
`>`	มากกว่า
`<`	น้อยกว่า
`&`	and
`\|`	or
`!`	not

เช่น:

ผู้บริหารต้องการข้อมูลพนักงานที่ความเสี่ยงที่จะลาออกสูง ในแผนกการเงิน (Finance)

# Filter for high attrition risk in Finance
filter(hr_data,
       AttritionRisk == "High" & Department == "Finance")

ผลลัพธ์:

3️⃣ Function #3: arrange()

arrange() ใช้เรียงข้อมูลตามเงื่อนไข

ตัวอย่าง:

ผู้บริหารอยากได้ข้อมูลพนักงานเรียงจากคะแนนการมีส่วนร่วม

เราสามารถใช้ arrange() จัดลำดับตาม column ที่ต้องการได้:

# Sort employees by engagement
arrange(hr_data,
        Engagement)

ผลลัพธ์:

Note:

Default ของ arrange() เป็นเรียงจากน้อยไปมาก (A-Z)

ถ้าต้องการเรียงจากน้อยไปมาก (Z-A) ให้ใช้ desc() เช่น:

# Sort employees by engagement, from high to low
arrange(hr_data,
        desc(Engagement))

ผลลัพธ์:

4️⃣ Function #4: summarise()

summarise() ใช้ย่อยข้อมูลให้น้อยลง ช่วยให้เข้าใจข้อมูลได้ง่ายขึ้น

ตัวอย่าง:

ผู้บริการต้องการรู้ค่าเฉลี่ยคะแนนการมีส่วนร่วม

เราสามารถใช้ summarise() เพื่อหาค่าเฉลี่ยได้:

# Calculate mean engagement
summarise(hr_data,
          mean(Engagement))

ผลลัพธ์:

Note:

Functions ที่มักใช้กับ summarise() ได้แก่:

Function	Meaning
`mean()`	หาค่าเฉลี่ย
`min()`	หาค่าต่ำสุด
`max()`	หาค่าสูงสุด
`sd()`	หาค่าเบี่ยงเบนมาตรฐาน (standard deviation)
`n()`	นับจำนวนข้อมูล

summarise() มักใช้กับ group_by() เพื่อหาค่าสถิติตามกลุ่มข้อมูล เช่น หาค่าเฉลี่ยคะแนนการทำงานตามระดับความเสี่ยงในการลาออก:

# Calculate mean engagement by attrition risk
summarise(group_by(hr_data, AttritionRisk),
          mean(Engagement))

ผลลัพธ์:

นอกจากนี้ เราสามารถตั้งชื่อ column ของค่าสถิติได้โดยใช้ = ได้ เช่น:

# Naming the output
summarise(group_by(hr_data, AttritionRisk),
          AvgEng = mean(Engagement))

ผลลัพธ์:

5️⃣ Function #5: mutate()

mutate() ใช้สำหรับสร้างข้อมูลใหม่จากข้อมูลที่มีอยู่แล้ว

ตัวอย่าง:

ผู้บริหารอยากรู้ว่า พนักงานแต่ละคนเหลือเวลาก่อนเกษียณอายุเท่าไร

เราสามารถใช้ mutate() เพื่อสร้าง column ใหม่ที่แสดงจำนวนปีก่อนเกษียณได้:

# Add a new column
mutate(hr_data,
       YearsUntilRetirement = 60 - Age)

ผลลัพธ์:

จากผลลัพธ์ จะเห็นได้ว่า column ใหม่จะต่อท้ายสุด (ด้านขวาสุด)

Note:

ถ้าต้องการเห็นแค่ข้อมูลใหม่ เราสามารถเปลี่ยน mutate() เป็น transmute() ได้

โดยหลังจากได้ข้อมูลใหม่แล้ว transmute() จะทิ้งข้อมูลตั้งต้น และเก็บเฉพาะข้อมูลใหม่ไว้

🫂 Put Everything Together: Pipe Operator

เราจะเห็นความสามารถที่แท้จริงของ dplyr ได้เมื่อใช้งานทั้ง 5 functions ร่วมกัน โดยใช้ pipe operator: %>% หรือ |>

Pipe operator เป็นสิ่งที่ช่วยส่ง output จาก function หนึ่งไปเป็น input ของ function ต่อไป

เช่น จาก code หาค่าเฉลี่ยคะแนนการทำงานตามระดับความเสี่ยงในการลาออก ก่อนหน้านี้:

# Calculate mean engagement by attrition risk
summarise(group_by(hr_data, AttritionRisk),
          AvgEng = mean(Engagement))

ถ้าใช้ pipe operator แล้ว จะเขียนได้แบบนี้:

# Calculate mean engagement by attrition risk
hr_data |>
  
  # Group by AttritionRisk
  group_by(AttritionRisk) |>
  
  # Calculate mean
  summarise(AvgEng = mean(Engagement))

ซึ่ง code ทั้งสองชุดให้ผลลัพธ์ที่เหมือนกัน:

แต่จะเห็นได้ว่า code ที่ใช้ pipe operator มีความชัดเจนและอ่านง่ายกว่า เพราะไม่จำเป็นต้องเขียน code ที่ซ้อนกันเป็นชั้น ๆ

ทีนี้ ถ้าเราใช้ pipe operator เพื่อรวมทั้ง 5 functions เข้าด้วยกันแล้ว จะทำให้เราใช้ข้อมูลเพื่อตอบคำถามที่ซับซ้อนขึ้นได้

ตัวอย่าง:

ผู้บริหารอยากได้รายชื่อพนักงานในกลุ่มเสี่ยงลาออกสูง โดยเรียงตามอายุงานและเงินเดือน จากมากไปน้อย

เราสามารถใช้ pipe operator ร่วมกัน group_by() + summarise() + arrange() เพื่อตอบโจทย์ได้:

# Find employees with high attrition risk
# and sort by tenure and salary
hr_data |>
  
  # Filter for high attrition risk
  filter(AttritionRisk == "High") |>
  
  # Sort descending by tenure and salary
  arrange(desc(YearsAtCompany),
          desc(Salary))

ผลลัพธ์:

หรือ

ผู้บริหารต้องการรู้ว่า จำนวนพนักงานและค่าเฉลี่ยคะแนนการมีส่วนร่วมของแต่ละแผนก โดยเรียงแผนกจากค่าเฉลี่ยมากไปน้อย

hr_data |> 
  
  # Group by department
  group_by(Department) |>
  
  # Calculate mean and count the number of employees
  summarise(AvgEng = mean(Engagement),
            EmpCount = n()) |>
  
  # Sort descending by average engagement
  arrange(desc(AvgEng))

ผลลัพธ์:

หรือ

ผู้บริหารต้องการรู้สัดส่วนพนักงานในกลุ่มความเสี่ยงสูงในแต่ละแผนก โดยเรียงจากมากไปน้อย และขอให้เรียงข้อมูลดังนี้: แผนก สัดส่วนเสี่ยงสูง จำนวนพนักงานทั้งหมด จำนวนพนักงานในกลุ่มเสี่ยงสูง

hr_data |>
  
  # Group by department
  group_by(Department) |>
  
  # Count high attrition risk and find attrition risk ratio
  summarise(HighRiskCount = sum(AttritionRisk == "High"),
            TotalEmp = n(),
            HighRiskRatio = (HighRiskCount / TotalEmp) * 100) |>
  
  # Select desired columns
  select(Department, HighRiskRatio, TotalEmp, HighRiskCount) |>
  
  # Sort descending by high rish ratio
  arrange(desc(HighRiskRatio))

ผลลัพธ์:

🔥 สรุป 5 Functions จาก dplyr

5 functions พื้นฐาน ของ dplyr เป็น functions ที่สามารถใช้ร่วมกันเพื่อทำงานกับข้อมูลต่าง ๆ เช่น ข้อมูลพนักงาน ได้อย่างมีประสิทธิภาพ

No.	Function	Explain
1	`select()`	เลือก column ที่ต้องการ
2	`filter()`	เลือก row ที่ต้องการ
3	`arrange()`	จัดลำดับข้อมูล
4	`sumamrise()`	สรุปข้อมูล
5	`mutate()`	แปลงข้อมูล

Note: ใช้ %>% หรือ |> เพื่อเชื่อม functions เข้าด้วยกัน

💪 Try It Yourself

สำหรับใครที่อยากลองเล่นใช้ R เล่นกับข้อมูล HR สามารถดาวน์โหลด code ตัวอย่างในบทความได้ที่ GitHub

📚 อ่านเพิ่มเติมเกี่ยวกับ dplyr

หนังสือ R for Data Science – สอนใช้ 5 functions ของ dplyr ด้วยชุดข้อมูล nycflights13 พร้อมแบบฝึกหัด: https://r4ds.hadley.nz/data-transform.html
Posit Cheatsheets – สรุปการใช้งาน 5 functions ของ dplyr: https://rstudio.github.io/cheatsheets/html/data-transformation.html
Official dplyr Documentation – คู่มืออย่างเป็นทางการในการใช้ 5 functions ของ dplyr: https://dplyr.tidyverse.org/

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

📕 ขอฝากหนังสือเล่มแรกในชีวิตด้วยนะครับ 😆

Correlation
t-tests
ANOVA
Reliability
Factor analysis

แล้วทุกคนจะแปลกใจว่า ทำไมภาษา R ง่ายขนาดนี้ 🙂‍↕️

👉 สนใจดูรายละเอียดหนังสือได้ที่ meb:

ดูรายละเอียดหนังสือ R Book for Psychologists

2024-12-11

Error	What	Why	How
User แก้ได้เอง	Specific	Require	Specific
User แก้ไขเองไม่ได้	Generic	Optional	Generic

Author: Shinin Varongchayakul

1️⃣ What Is Statistics?

2️⃣ Central Tendency

3️⃣ Spread

4️⃣ Position

5️⃣ Probability

6️⃣ Sampling

7️⃣ Distributions & Central Limit Theorem (CLT)

8️⃣ Confidence Interval

9️⃣ Hypothesis Testing

🔟 Experimental Designs

📄 References

Share this:

🔤 gg for “Grammar of Graphics”

🏁 Getting Started With ggplot2

✍️ Basic Syntax

📊 Basic Plotting: Data, Aesthetics, & Geom

🎨 Aesthetics

⏹️ Geom

🔧 More Customisations

🖼️ Theme

🔤 Text

✌️ Facet

🔥 Summary

📚 Learn More About ggplot2

😺 GitHub

📖 Read More About ggplot2

📰 Cheat Sheets

📃 References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

Share this:

🏁 Get Started With data.table

✈️ Example Dataset: flights

1️⃣ Intro to flights

2️⃣ Get flights

✍️ Syntax: DT[i, j, by]

🍦 1st Argument: i

1️⃣ Select Rows

2️⃣ Filter

3️⃣ Sort

🧮 2nd Argument: j

1️⃣ Select Columns

2️⃣ Compute

3️⃣ Create Columns

🤝 3rd Argument: by

🔗 Combining & Chaining

1️⃣ Combining

2️⃣ Chaining

🍩 Special Symbols

1️⃣ .N

2️⃣ .SD

3️⃣ .SDcols

😎 Conclusion

🎒 Learn More About data.table

😺 GitHub

📚 อ่านเพิ่มเติมเกี่ยวกับ data.table

📑 Cheat Sheets ในการใช้งาน data.table

📃 References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

Share this:

🕹️ If-Else

1️⃣ if

2️⃣ else

3️⃣ else if

🔁 Loops

1️⃣ for

2️⃣ while

🚸 Loop Control

1️⃣ next

2️⃣ break

💪 Summary

🗒️ Practice Control Flow

😺 GitHub

📃 References

✅ R Book for Psychologists: หนังสือภาษา R สำหรับนักจิตวิทยา

Share this:

ภาษา R คืออะไร?

R vs Python: แตกต่างกันยังไง?

Objects & Functions: โลกทั้งใบของ R

Objects: Existing in R