Extract Date Parts

ภาพรวม

การสรุปยอดรายเดือนหรือดูว่าวันไหนของสัปดาห์ขายดีที่สุด ต้องแยกส่วนของวันที่ออกมาเป็นคอลัมน์ก่อน เทคนิคนี้สร้างคอลัมน์ใหม่ตามส่วนที่เลือก โดยไม่แตะคอลัมน์วันที่เดิม

เมื่อไหร่ควรใช้

• เตรียมข้อมูลสำหรับ pivot หรือกราฟที่จัดกลุ่มตามปี เดือน หรือไตรมาส
• วิเคราะห์รูปแบบตามวันในสัปดาห์

เมื่อไหร่ไม่ควรใช้

• ยังไม่ได้จัดรูปแบบวันที่ให้เป็น ISO หรือยังไม่ได้ย้าย timezone — ส่วนที่แยกออกมาจะผิดตามไปด้วย
• ต้องการเพียงจัดกลุ่มช่วงของตัวเลข ใช้ bucket_values จะตรงกว่า

หลักการทำงาน

1. อ่านค่าที่เป็น ISO ตามโซนเวลาที่ระบุใน zone
2. สร้างคอลัมน์ใหม่ชื่อ <prefix>_<part> ทีละส่วนตามที่เลือกใน parts
3. weekday ใช้มาตรฐาน ISO คือจันทร์เท่ากับ 1 และอาทิตย์เท่ากับ 7
4. เปิด buddhistEra เพื่อให้ปีเป็น พ.ศ. ซึ่งบวก 543 จากปี ค.ศ.
5. ค่าที่อ่านไม่ได้จะให้คอลัมน์ใหม่เป็นค่าว่าง พร้อมรายงานจำนวนใน Preview

Parameters

โค้ด Python / JavaScript

import json
from datetime import date, datetime

def extract_date_parts(value, buddhist_era=False):
    if not isinstance(value, str):
        return None
    try:
        moment = datetime.fromisoformat(value)
    except ValueError:
        return None
    return {
        'year': moment.year + (543 if buddhist_era else 0),
        'month': moment.month,
        'day': moment.day,
        'weekday': moment.isoweekday(),
        'quarter': (moment.month - 1) // 3 + 1,
    }

values = ['2026-09-23', '2026-09-23T18:30:00', 'ไม่ใช่วันที่', None]
print(json.dumps([extract_date_parts(v) for v in values], ensure_ascii=False))

ตัวอย่างการใช้งาน

คอลัมน์ order_date พร้อมใช้แล้วหลังผ่าน normalize_date เลือก parts เป็น year, month และ weekday ตั้ง prefix เป็น order จะได้คอลัมน์ order_year, order_month และ order_weekday ถ้ารายงานภายในใช้ปี พ.ศ. ให้เปิด buddhistEra และตั้งชื่อ prefix ให้ชัดว่าเป็น พ.ศ. เพื่อไม่ให้สับสนภายหลัง

เทคนิคที่เกี่ยวข้อง

ใช้ normalize_date และ normalize_timezone ก่อนเสมอ และใช้ bucket_values เมื่อจะจัดกลุ่มตัวเลขที่ได้ เช่น จัดเดือนเป็นไตรมาสด้วยเกณฑ์ของตัวเอง

• Normalize Date
• Normalize Timezone
• Bucket / Bin Values

ลองใช้กับ Dataset ของคุณ