Validate Date Range

ภาพรวม

วันที่ที่เป็นไปไม่ได้เป็นสัญญาณของข้อมูลเสีย เช่น วันเกิดปี 1900 ที่มาจากค่าเริ่มต้นของระบบ หรือวันที่ทำรายการในอนาคตที่เกิดจากการพิมพ์ผิด เทคนิคนี้ตรวจว่าค่าอยู่ในช่วงที่สมเหตุสมผลหรือไม่ โดยค่าเริ่มต้นเพียงทำเครื่องหมายไว้ ไม่ลบให้เอง

เมื่อไหร่ควรใช้

• ตรวจคุณภาพคอลัมน์วันเกิด วันทำรายการ หรือวันหมดอายุ
• หาแถวที่วันที่อยู่นอกช่วงที่โครงการสนใจ ก่อนตัดสินใจกรอง

เมื่อไหร่ไม่ควรใช้

• ใช้แทนการกรองข้อมูล — ถ้าตั้งใจจะตัดแถวออกจริง filter_rows อธิบายเจตนาได้ตรงกว่า
• คอลัมน์ที่ยังไม่เป็น ISO ให้ normalize_date ก่อน ไม่อย่างนั้นทุกค่าจะถูกนับว่าไม่ผ่าน

หลักการทำงาน

1. อ่านค่าที่เป็น ISO ตามโซนที่ระบุ ค่าที่อ่านไม่ได้ถือว่าไม่ผ่านการตรวจ
2. max ที่ระบุเฉพาะวันจะนับถึงสิ้นวันนั้น ดังนั้นเวลาบ่ายของวันขอบยังผ่าน ซึ่งตรงกับที่คนทั่วไปเข้าใจ
3. min และ max เว้นว่างได้ ถ้าเว้นทั้งคู่ระบบจะเตือนว่าทุกค่าที่อ่านได้จะผ่านทั้งหมด
4. action กำหนดผล — flag เพิ่มคอลัมน์ผลตรวจ null ทำให้ค่าที่ไม่ผ่านเป็นค่าว่าง และ remove_row ลบทั้งแถว
5. ค่าที่หายไปอยู่แล้วจะได้ผลตรวจเป็นค่าว่าง ไม่ใช่ "ไม่ผ่าน"

Parameters

โค้ด Python / JavaScript

import json
import re
from datetime import datetime, time

def parse_iso(value):
    try:
        return datetime.fromisoformat(value)
    except (TypeError, ValueError):
        return None

def validate_date_range(value, minimum='', maximum=''):
    if value is None:
        return None
    moment = parse_iso(str(value).strip())
    if moment is None:
        return False
    low = parse_iso(minimum) if minimum else None
    high = parse_iso(maximum) if maximum else None
    if high is not None and re.fullmatch(r'\d{4}-\d{2}-\d{2}', maximum):
        high = datetime.combine(high.date(), time.max)
    if low is not None and moment < low:
        return False
    return not (high is not None and moment > high)

values = ['2026-09-23T18:30:00', '2026-09-23', '2025-12-31', 'ไม่ใช่วันที่', None]
print(json.dumps([validate_date_range(v, '2026-01-01', '2026-09-23') for v in values], ensure_ascii=False))

ตัวอย่างการใช้งาน

คอลัมน์ birth_date ควรอยู่ระหว่างปี 1920 ถึงวันนี้ ตั้ง min เป็น 1920-01-01 และ max เป็นวันที่ปัจจุบัน ใช้ action แบบ flag แล้วกรองดูเฉพาะแถวที่ไม่ผ่าน ถ้าพบวันที่ 1900-01-01 จำนวนมาก แปลว่าระบบต้นทางใส่ค่าเริ่มต้นแทนค่าว่าง ควรเปลี่ยนเป็น null ด้วย find_replace หรือ detect_null_like แทนการลบแถว

เทคนิคที่เกี่ยวข้อง

ใช้ normalize_date ก่อนเพื่อให้ทุกค่าอ่านได้ ใช้ filter_rows เมื่อจะตัดแถวออกจริง และใช้ flag_missing เพื่อแยกแถวที่ไม่มีวันที่ตั้งแต่ต้น

• Normalize Date
• Filter Rows
• Add Missing Indicator

ลองใช้กับ Dataset ของคุณ