Lookup Table Replace

ภาพรวม

map_values เหมาะกับการจับคู่ไม่กี่สิบค่า แต่ถ้าองค์กรมีตารางมาตรฐานอยู่แล้ว เช่น รหัสจังหวัด 77 รายการ หรือรหัสสินค้า 900 รายการ การพิมพ์ทีละคู่ไม่ไหว เทคนิคนี้รับตารางทั้งชุดเป็น CSV สองคอลัมน์ แล้วแทนค่าให้ทีเดียว

เมื่อไหร่ควรใช้

• มีตารางมาตรฐานเป็นไฟล์อยู่แล้ว และต้องใช้ซ้ำทุกเดือน
• แปลงรหัสเป็นชื่อ หรือชื่อเป็นรหัส ก่อนส่งเข้าระบบอื่น

เมื่อไหร่ไม่ควรใช้

• ยังไม่รู้ว่าค่าไหนควรจับคู่กับอะไร ให้เปิด Cluster Review ดูก่อน
• การแทนที่ขึ้นกับรูปแบบมากกว่าค่าตรงตัว เช่น รหัสที่ขึ้นต้นด้วย TH- ทั้งหมด ใช้ find_replace แบบ regex

หลักการทำงาน

1. อ่านตารางจาก lookup ซึ่งเป็นข้อความ CSV คอลัมน์แรกคือค่าเดิม คอลัมน์ที่สองคือค่าใหม่ และแถวแรกเป็นหัวตาราง
2. ตารางถูกเก็บไว้ใน Pipeline และ Recipe ด้วย จึงให้ผลเหมือนเดิมทุกครั้งโดยไม่ต้องแนบไฟล์แยก
3. caseSensitive ปิดอยู่เป็นค่าเริ่มต้น และค่าจะถูกตัดช่องว่างหัวท้ายก่อนเทียบ
4. ค่าที่ไม่อยู่ในตารางขึ้นกับ unmapped — keep เก็บไว้ หรือ null ทำให้ว่างเพื่อให้เห็นว่ายังไม่ได้จัดการ
5. ถ้าตารางยังว่าง ระบบจะเตือนแต่ไม่ทำให้ Pipeline พัง

Parameters

โค้ด Python / JavaScript

import csv
import io
import json

def parse_lookup(text, case_sensitive=False):
    reader = csv.reader(io.StringIO(text))
    rows = [row for row in reader if len(row) >= 2]
    mapping = {}
    for source, target in (row[:2] for row in rows[1:]):
        key = source.strip()
        mapping[key if case_sensitive else key.lower()] = target
    return mapping

def lookup_replace(value, mapping, case_sensitive=False, unmapped='keep'):
    if value is None:
        return None
    key = str(value).strip()
    found = mapping.get(key if case_sensitive else key.lower())
    if found is not None:
        return found
    return value if unmapped == 'keep' else None

table = 'from,to\nTH,Thailand\nJP,Japan\n'
mapping = parse_lookup(table)
values = ['TH', 'jp', 'ไทย', None]
print(json.dumps([lookup_replace(v, mapping) for v in values], ensure_ascii=False))

ตัวอย่างการใช้งาน

ทีมบัญชีมีไฟล์รหัสศูนย์ต้นทุน 420 รายการ เปิดไฟล์นั้นแล้วคัดลอกสองคอลัมน์มาวางในช่อง lookup ตั้ง unmapped เป็น null ในรอบแรกเพื่อให้เห็นว่ามีรหัสไหนในข้อมูลที่ไม่อยู่ในตารางมาตรฐาน ส่งรายการนั้นกลับไปถามทีมบัญชี แล้วค่อยเปลี่ยนเป็น keep เมื่อตารางครบ

เทคนิคที่เกี่ยวข้อง

ใช้ map_values เมื่อมีคู่ไม่กี่คู่ ใช้ find_similar_values เพื่อหาว่าค่าไหนควรจับคู่ และใช้ validate_regex ตรวจรูปแบบรหัสหลังแทนค่าแล้ว

• Map / Standardize Values
• Find Similar Values
• Validate by Pattern

ลองใช้กับ Dataset ของคุณ