Bucket / Bin Values

ภาพรวม

ตัวเลขดิบอย่างอายุหรือยอดซื้อมักอ่านยากเมื่อทำรายงาน การแบ่งเป็นช่วง เช่น 18–25 หรือ ลูกค้าประจำ ทำให้สรุปและเปรียบเทียบง่ายขึ้น เทคนิคนี้สร้างคอลัมน์ช่วงใหม่โดยไม่ทิ้งตัวเลขเดิม

เมื่อไหร่ควรใช้

• ทำกลุ่มอายุ กลุ่มรายได้ หรือระดับคะแนนสำหรับรายงาน
• ลดรายละเอียดของตัวเลขก่อนเปิดเผยข้อมูลให้ภายนอก

เมื่อไหร่ไม่ควรใช้

• ข้อมูลที่ต้องคำนวณต่อเชิงสถิติ การแบ่งช่วงทำให้สูญเสียรายละเอียด
• ค่าที่กระจุกตัวมากจนแบ่งไม่ได้ ระบบจะเตือนและคืนคอลัมน์ว่างแทนการเดา

หลักการทำงาน

1. equal_width แบ่งช่วงเท่ากันจากค่าต่ำสุดถึงสูงสุด เข้าใจง่ายแต่แต่ละช่วงอาจมีจำนวนแถวไม่เท่ากัน
2. quantile แบ่งให้แต่ละช่วงมีจำนวนแถวใกล้เคียงกัน เหมาะกับข้อมูลที่เบ้
3. custom ใช้ขอบเขตที่คุณกำหนดเอง เหมาะกับเกณฑ์ทางธุรกิจที่ตกลงกันไว้แล้ว
4. ทุกช่วงเป็นแบบปิดซ้ายเปิดขวา ยกเว้นช่วงสุดท้ายที่รวมค่าขอบบนไว้ด้วย
5. ค่าที่อยู่นอกขอบเขตของโหมด custom จะเป็นค่าว่าง พร้อมรายงานจำนวนใน Preview

Parameters

โค้ด Python / JavaScript

import json

def label_number(value):
    return str(int(value)) if float(value).is_integer() else str(round(value, 6))

def bucket_values(values, edges, labels=None):
    result = []
    for value in values:
        if not isinstance(value, (int, float)) or isinstance(value, bool):
            result.append(None)
            continue
        if value < edges[0] or value > edges[-1]:
            result.append(None)
            continue
        for i in range(len(edges) - 1):
            last = i == len(edges) - 2
            if edges[i] <= value < edges[i + 1] or (last and value == edges[-1]):
                if labels:
                    result.append(labels[i])
                else:
                    close = ']' if last else ')'
                    result.append(f'[{label_number(edges[i])}, {label_number(edges[i + 1])}{close}')
                break
    return result

values = [5, 18, 45, 80, 100, None, 'x']
print(json.dumps(bucket_values(values, [0, 20, 60, 100]), ensure_ascii=False))

ตัวอย่างการใช้งาน

คอลัมน์ age จะถูกนำไปทำรายงานกลุ่มลูกค้า เลือกโหมด custom ขอบเขต 18, 25, 35, 50, 100 และตั้งชื่อช่วงเป็น 18-24, 25-34, 35-49, 50+ ตรวจคำเตือนว่ามีกี่ค่าที่อยู่นอกขอบเขต ซึ่งมักคืออายุที่กรอกผิด เช่น 999 แล้วจัดการด้วย Outlier Review ก่อน

เทคนิคที่เกี่ยวข้อง

ใช้ round_number เมื่ออยากลดทศนิยมแทนการแบ่งช่วง ใช้ clamp_value เพื่อบังคับค่าที่หลุดช่วง และใช้ outlier_iqr เพื่อตรวจค่าสุดโต่งก่อนกำหนดขอบเขต

• Round Number
• Clamp Value
• Outlier — IQR

ลองใช้กับ Dataset ของคุณ