Unpivot (Wide → Long)

ภาพรวม

ตารางที่คนทำไว้อ่านมักเป็นแบบกว้าง คือมีคอลัมน์ ม.ค., ก.พ., มี.ค. เรียงกันไป ซึ่งอ่านง่ายแต่เอาไปทำกราฟหรือ pivot ต่อไม่ได้ เครื่องมือวิเคราะห์เกือบทั้งหมดต้องการข้อมูลแบบยาว คือหนึ่งแถวต่อหนึ่งการสังเกต เทคนิคนี้แปลงจากกว้างเป็นยาวให้

เมื่อไหร่ควรใช้

• ไฟล์รายงานที่มีคอลัมน์เป็นเดือน ไตรมาส หรือปี
• เตรียมข้อมูลให้ pivot table, กราฟ หรือฐานข้อมูล

เมื่อไหร่ไม่ควรใช้

• ตารางที่แต่ละคอลัมน์เป็นคนละสิ่งจริง ๆ เช่น ชื่อ, อายุ, เมือง — การยุบรวมจะทำให้ข้อมูลไม่มีความหมาย
• ไฟล์ใหญ่มากอยู่แล้ว เพราะจำนวนแถวจะคูณด้วยจำนวนคอลัมน์ที่เลือก ระบบจะเตือนจำนวนแถวสูงสุดก่อนเสมอ

หลักการทำงาน

1. idColumns คือคอลัมน์ที่ต้องติดไปกับทุกแถวผลลัพธ์ เช่น ชื่อสาขาหรือรหัสสินค้า
2. valueColumns คือคอลัมน์ที่จะถูกยุบ แต่ละค่ากลายเป็นหนึ่งแถว
3. ได้คอลัมน์ใหม่สองคอลัมน์ ชื่อตาม nameTo (เก็บชื่อคอลัมน์เดิม) และ valueTo (เก็บค่า)
4. เปิด dropNulls เพื่อไม่สร้างแถวสำหรับช่องที่ว่าง ซึ่งมักลดขนาดผลลัพธ์ได้มากกับตารางที่มีช่องว่างเยอะ
5. หมายเลขแถวต้นฉบับยังติดไปด้วย หน้า Review จึงยังบอกได้ว่าค่ามาจากแถวไหน

| ก่อน | | | | หลัง | | | |---|---|---|---|---|---|---| | city | jan | feb | → | city | variable | value | | ไทย | 1 | 2 | | ไทย | jan | 1 | | | | | | ไทย | feb | 2 |

Parameters

โค้ด Python / JavaScript

import json

def unpivot(rows, id_columns, value_columns, name_to='variable', value_to='value', drop_nulls=False):
    result = []
    for row in rows:
        for column in value_columns:
            value = row.get(column)
            if drop_nulls and value is None:
                continue
            entry = {key: row.get(key) for key in id_columns}
            entry[name_to] = column
            entry[value_to] = value
            result.append(entry)
    return result

rows = [
    {'city': 'ไทย', 'jan': 1, 'feb': None},
    {'city': 'Chiang Mai', 'jan': 3, 'feb': 4},
]
print(json.dumps(unpivot(rows, ['city'], ['jan', 'feb']), ensure_ascii=False))

ตัวอย่างการใช้งาน

รายงานยอดขายรายสาขามี 12 คอลัมน์เดือนและ 40 สาขา เลือก idColumns เป็น branch และ valueColumns เป็นทั้ง 12 เดือน จะได้ 480 แถว เปิด dropNulls ถ้าสาขาใหม่ยังไม่มียอดในเดือนต้นปี จากนั้นใช้ normalize_date หรือ map_values เพื่อเปลี่ยนชื่อเดือนในคอลัมน์ variable ให้เป็นวันที่จริงก่อนทำกราฟ

เทคนิคที่เกี่ยวข้อง

ใช้ merge_columns และ split_column สำหรับการจัดรูปแบบระดับคอลัมน์ และใช้ sort_rows เพื่อจัดลำดับผลลัพธ์ให้อ่านง่ายหลังแปลงเป็นแบบยาว

• Merge Columns
• Split Column
• Sort Rows

ลองใช้กับ Dataset ของคุณ