data type...???

#พื้นฐานการเขียนเว็ปไซต์

#variable #datatype

#javascrip

Datatype ใน JavaScript คือ ประเภทของค่า ที่ตัวแปรสามารถเก็บได้ การรู้และเข้าใจประเภทข้อมูลช่วยให้คุณสามารถดำเนินการกับค่าเหล่านั้นได้อย่างถูกต้อง

ประเภทข้อมูลหลัก (Primitive Data Types)

JavaScript มีประเภทข้อมูลพื้นฐาน 7 ชนิด:

String 📝

ใช้สำหรับเก็บ ข้อความ หรือลำดับของอักขระ

ต้องล้อมรอบด้วยเครื่องหมายคำพูดเดี่ยว (') หรือคู่ (") หรือ Backticks (``) สำหรับ Template Literals

ตัวอย่าง: 'Hello world', "JavaScript", ชื่อ: ${name}

Number 🔢

ใช้สำหรับเก็บ ตัวเลข ทั้งจำนวนเต็มและทศนิยม

มีค่าพิเศษเช่น Infinity, -Infinity และ NaN (Not a Number)

ตัวอย่าง: 10, 3.14, -50

BigInt 🐘

ใช้สำหรับเก็บ จำนวนเต็ม ที่มีขนาดใหญ่กว่าที่ Number สามารถรองรับได้ (เกิน 2

53

−1)

ต้องต่อท้ายด้วยตัวอักษร n

ตัวอย่าง: 9007199254740991n, 12345678901234567890n

Boolean ✅

ใช้สำหรับเก็บค่า ตรรกศาสตร์ มีเพียงสองค่าเท่านั้นคือ true (จริง) และ false (เท็จ)

มักใช้ในการตัดสินใจ (Conditional logic)

ตัวอย่าง: true, false

Undefined ❓

หมายถึงตัวแปรที่ถูกประกาศแล้ว แต่ยังไม่ได้กำหนดค่า

เป็นค่าเริ่มต้นของตัวแปรที่เพิ่งประกาศ

ตัวอย่าง: let x; // x มีค่าเป็น undefined

Null 🚫

หมายถึง ไม่มีค่า หรือ ค่าว่างเปล่าโดยเจตนา

นักพัฒนาเป็นผู้กำหนดค่านั้นเองเพื่อแสดงว่าตัวแปรไม่มีค่าใด ๆ

ตัวอย่าง: let data = null;

Symbol ✨

เป็นประเภทข้อมูลที่เพิ่มเข้ามาใน ES6 (ECMAScript 2015)

ใช้สำหรับสร้าง ค่าที่ไม่ซ้ำกัน (Unique identifier) เพื่อใช้เป็นคุณสมบัติของ Object (Object properties)

ประเภทข้อมูลแบบอ้างอิง (Non-Primitive / Reference Data Type)

JavaScript มีประเภทข้อมูลแบบอ้างอิงหลัก ๆ คือ:

Object 🧱

ใช้สำหรับเก็บคอลเล็กชันของข้อมูลที่ซับซ้อน (Key-value pairs)

เป็นรากฐานของโครงสร้างข้อมูลที่ซับซ้อนใน JavaScript รวมถึง Array และ Function

ตัวอย่าง:

Plain Object: let person = { name: "Alice", age: 30 };

Array: let colors = ["red", "green", "blue"]; (ทางเทคนิคแล้ว Array คือ Object ชนิดหนึ่ง)

Function: function greet() { /* code */ } (Function ก็ถือว่าเป็น Object ชนิดหนึ่งด้วย)

ข้อสังเกต:

Primitive types จะเก็บค่าโดยตรง (By value)

Reference types จะเก็บการอ้างอิง (Address) ไปยังตำแหน่งของค่าในหน่วยความจำ (By reference)

การทำความเข้าใจประเภทข้อมูลเหล่านี้มีความสำคัญอย่างยิ่งในการเขียนโค้ด JavaScript ที่ถูกต้องและมีประสิทธิภาพ!

2025/10/2 แก้ไขเป็น

... อ่านเพิ่มเติมเมื่อคุณเริ่มเขียนโค้ดใน JavaScript การเข้าใจประเภทข้อมูลหรือ datatype เป็นสิ่งสำคัญมาก เพราะช่วยให้จัดการกับตัวแปรและค่าได้อย่างถูกต้องและมีประสิทธิภาพ นอกจากข้อมูลพื้นฐาน 7 ประเภทที่กล่าวถึงในเนื้อหาแล้ว JavaScript ยังเน้นถึงประเภทข้อมูลที่ไม่เหมือนกันในแง่ของการจัดเก็บข้อมูล ได้แก่ ประเภทข้อมูลพื้นฐาน (Primitive types) ที่เก็บค่าแบบตรง ๆ เช่น String หรือ Number และประเภทข้อมูลแบบอ้างอิง (Reference types) ที่เก็บเป็นที่อยู่ของข้อมูลในหน่วยความจำ ซึ่งเข้าใจความแตกต่างนี้ช่วยหลีกเลี่ยงข้อผิดพลาดเมื่อเปลี่ยนแปลงค่าของตัวแปรที่เป็น Object หรือ Array อีกสิ่งสำคัญคือ datatype Symbol ซึ่งถูกเพิ่มเข้ามาตั้งแต่ ES6 โดยใช้สร้างตัวระบุที่ไม่ซ้ำกัน ทำให้สามารถใช้เป็นกุญแจ (key) ใน Object ได้โดยไม่ต้องกลัวชนกันของชื่อสมบัติเหมือนการใช้ String เรื่อง BigInt เป็นประโยชน์มากเมื่อคุณต้องจัดการกับจำนวนเต็มที่ใหญ่เกินกว่าค่าที่ประเภท Number สามารถเก็บได้ ตัวอย่างเช่น การจัดเก็บเลขประจำตัวประชาชนหรือค่าทางการเงินขนาดใหญ่ที่ต้องการความแม่นยำสูง การมีความรู้เรื่องค่า Undefined และ Null ก็ช่วยให้คุณเข้าใจสถานะของตัวแปรระหว่างเขียนโค้ด เช่น Undefined หมายถึงตัวแปรที่ถูกประกาศแต่ยังไม่ได้กำหนดค่า ขณะที่ Null ใช้แสดงเจตนาเพื่อว่างเปล่าหรือไม่มีค่าอะไร การใช้งาน object ใน JavaScript มีความยืดหยุ่นสูง โดยสามารถเก็บข้อมูลในรูปแบบ key-value pairs และยังสามารถสร้างข้อมูลเชิงซ้อนอย่าง Array หรือ Function ได้ ซึ่งเป็นความสามารถที่สำคัญในการจัดการข้อมูลและสร้างโปรแกรมที่มีโครงสร้างดี หากคุณสนใจเพิ่มพูนความรู้เกี่ยวกับการใช้งาน datatype ในสถานการณ์จริง การทดลองเขียนโค้ดและทดสอบผลลัพธ์ด้วย typeof operator จะช่วยให้เห็นภาพชัดเจนขึ้นว่าข้อมูลแต่ละชนิดทำงานอย่างไร และช่วยให้คุณพัฒนาทักษะเขียนโค้ด JavaScript ที่ถูกต้องและทันสมัยมากขึ้น

1 ความคิดเห็น

รูปภาพของ peemai Ccn
peemai Ccn

🥰🥰🥰

โพสต์ที่เกี่ยวข้อง

100 สูตร Excel ✅ ที่สาย Data ควรรู้ พร้อมหมวดหมู่ ใช้ได้จริง
100 สูตร Excel ที่สาย Data ควรรู้ เขียนแบบกระชับ พร้อมหมวดหมู่ ใช้ได้จริง สายวิเคราะห์ข้อมูลควรมีติดตัวไว้ ⸻ กลุ่มสูตรพื้นฐาน (Basic) ✅ 1. SUM → รวมค่าตัวเลข ✅ 2. AVERAGE → หาค่าเฉลี่ย ✅ 3. MIN → หาค่าต่ำสุด ✅ 4. MAX → หาค่าสูงสุด ✅ 5. COUNT → นับจำนวนข้อมูล ✅ 6. COUNTA → นับจำนวนท
NerdDailyDose

NerdDailyDose

ถูกใจ 11.5K ครั้ง

ภาพชายหนุ่มนั่งยิ้มบนบันได พร้อมข้อความหัวข้อ "เส้นทางการย้ายสาย Data Engineer ใน 364 วัน!" และคำถาม "เป็นไปได้จริง... หรือแค่ฝัน ?"
ภาพแสดงจุดเริ่มต้นจากศูนย์ของผู้เขียนที่จบวิศวกรรมเครื่องกลและทำงานโรงงาน พร้อมภาพเปรียบเทียบชุดครุยและชุดทำงานโรงงาน
ภาพอธิบายประเภทของสายงาน Data (Analyst, Scientist, Engineer) พร้อมภาพประกอบตัวการ์ตูน และข้อความเน้นการเลือกสายงานที่เหมาะสมกับตนเอง
ย้ายสาย Data Engineer ใน 364 วัน ได้จริงหรอ ?!
ตอนที่เริ่มคิดจะเปลี่ยนสาย ผมไม่มีแผนอะไรเลย มีแค่อย่างเดียว… “ไม่อยากใช้ชีวิตแบบเดิมอีกต่อไปแล้ว” ผมจบวิศวะเครื่องกล ทำงานโรงงานมา 3 ปีกว่า ชีวิตวนลูปเหมือนเดิมทุกวัน: – OT เยอะ รายได้โอเค แต่เหนื่อยเกินคำว่า “ล้า” – งานเยอะ แต่ไม่มีอะไรใหม่ให้โต – ความฝันวัยเด็ก ค่อย ๆ หายไปเฉย ๆ
f.sukrit_

f.sukrit_

ถูกใจ 757 ครั้ง

AI Data Skills ที่ทุกคนควรรู้!
ใครยังทำงานแบบไม่ data-driven บอกเลยว่าพลาด 🚨 แต่ไม่ต้องห่วง! คลิปนี้สอนใช้ AI ช่วยจัดการข้อมูลครบ — ตั้งแต่ clean 👉 วิเคราะห์ 👉 ทำกราฟสวย ๆ ง่ายเหมือนกดคีย์ลัด ✨ Prompt ที่ใช้จริง แปะให้ในคอมเมนต์แล้ว ก๊อปไปลองได้เลย 😉 #สอนใช้aiเพื่อการทํางาน #เรียนai #dataanalyst #dataskills #cha
Olyvia Ma

Olyvia Ma

ถูกใจ 1286 ครั้ง

มัดรวม 5 ทักษะ สายงาน Data 📈 ที่ AI ทำแทนไม่ได้
ในสายงาน Data ปัจจุบัน ทักษะทางเทคนิค หรือ Hard Skills)อาจเป็นเพียงประตูบานแรกที่พาเราเข้าสู่สายงานนี้ แต่สิ่งที่จะทำให้เราโดดเด่นและสร้างคุณค่าให้กับองค์กรได้อย่างแท้จริงคือ Soft Skills และเป็นสิ่ง AI ทำแทนไม่ได้แน่นอน! • Critical Thinking : กระบวนการวิเคราะห์และประเมินข้อมูลอย่างมีเหตุผล เพื่
Baitoey

Baitoey

ถูกใจ 115 ครั้ง

ภาพโปรโมทคอร์สเรียนฟรี Data Analytics จากจุฬาฯ สอนโดย ผศ. ดร.อรรถพล ธํารงรัตนฤทธิ์ พร้อมภาพกราฟิกแล็ปท็อปและข้อมูล และผู้หญิงกำลังชี้อย่างตื่นเต้น ระบุว่าเรียนจบได้ใบเซอร์ รหัสวิชา CUVIPC003
ภาพโปรโมทคอร์ส Introduction to DATA ANALYTICS จากจุฬาฯ พร้อมรายละเอียดว่าสอนโดย ผศ. ดร.อรรถพล ธํารงรัตนฤทธิ์ ระยะเวลา 2 ชั่วโมง 25 นาที เนื�้อหาครอบคลุมการวิเคราะห์ข้อมูลและเครื่องมือต่างๆ เพื่อเข้าใจอาชีพนักวิเคราะห์ข้อมูล
ภาพแสดงเกณฑ์การวัดและประเมินผลของคอร์สเรียน โดยผู้เรียนต้องทำแบบทดสอบหลังเรียนให้ได้คะแนนรวมมากกว่า 60% จึงจะได้รับ Certificate of Completion โดยมีเงื่อนไขการทำแบบทดสอบระบุไว้
คอร์สเรียนฟรีจากจุฬา Data Analytics 📈 เรียนจบได้ใบเซอร์
🔘 สอนโดย ผศ. ดร.อรรถพล ธํารงรัตนฤทธิ์ จากจุฬาลงกรณ์มหาวิทยาลัย 🔘 ระยะเวลาเรียน2 ชั่วโมง 25 นาที 🔘 เนื้อหา จะได้เรียนรู้การวิเคราะห์ด้วยข้อมูล (Data Analytics) เรียนรู้ถึงวิธีการคิดและการทำงานด้วยพื้นฐานของการวิเคราะห์ข้อมูล และเรียนรู้เครื่องมือการวิเคราะห์ข้อมูลต่าง ๆ เพื่อทำให้มีความเข้าใจในอ
Baitoey

Baitoey

ถูกใจ 1643 ครั้ง

ภาพหน้าปกแสดงหัวข้อ 'พื้นฐานที่ควรมีก่อนทำ Dashboard ใน Power BI 1. พื้นฐานด้านข้อมูล #2' พร้อมไอคอนที่สื่อถึงการเขียนโค้ด กราฟแท่ง การวิเคราะห์ข้อมูล และประเภทข้อมูลตัวเลขและข้อความ
ภาพอธิบายประเภทข้อมูลหลักใน Power BI โดยเน้นที่ 'ตัวเลข (Number)' ซึ่งแบ่งเป็นจำนวนเต็ม ทศนิยม และสกุลเงิน พร้อมตัวอย่างประ��กอบ
ภาพอธิบายประเภทข้อมูล 'ข้อความ (Text/String)' สำหรับเก็บตัวอักษร และ 'วันที่และเวลา (Date/Time)' สำหรับข้อมูลที่เกี่ยวข้องกับเวลา พร้อมการใช้งาน
พื้นฐานที่ควรมีก่อนทำ Dashboard #2 (Data Type)
🧩 ประเภทข้อมูล (Data Types) ใน Power BI การกำหนดประเภทข้อมูลอย่างถูกต้องเป็นขั้นตอนสำคัญในการสร้างโมเดลข้อมูล เพราะช่วยให้การคำนวณ การกรอง และการแสดงผลข้อมูลเป็นไปอย่างถูกต้องและมีประสิทธิภาพ 📌 ประโยชน์ของการกำหนดประเภทข้อมูลที่ถูกต้อง 1️⃣ ช่วยให้สูตร DAX ทำงานได้อย่างแม่นยำ 2️⃣ ปรับปรุงประสิ
Pram12

Pram12

ถูกใจ 70 ครั้ง

Python Cheat Sheet 📖 ภาษายอดนิยมสำหรับ AI/ML, Data Science, Web (Django/Flask)
Python Cheat Sheet 📖 เกริ่นนำ — ต้องเข้าใจอะไรบ้างก่อนเริ่ม 1. Python คืออะไร? — ภาษายอดนิยมสำหรับ AI/ML, Data Science, Web (Django/Flask), Automation 2. ติดตั้ง/รันที่ไหน? — ดาวน์โหลดจาก python.org รันด้วย python file.py หรือ Jupyter Notebook 3. Syntax พื้นฐาน — ไม่ใช้ {} แต่ใช้ indentatio
NerdDailyDose

NerdDailyDose

ถูกใจ 222 ครั้ง

สาย Data อ่านฟรี สถิติสำหรับ Data Science 📈
สถิติเป็น 1 ในทักษะสำคัญในการทำงานด้าน Data Science และอยู่ในทุกขั้นตอนของ Data Science Process และเป็นพื้นฐานสำคัญในการทำ Data Modeling ทั้ง Statistic Model และ Machine Learning เนื้อหาในหนังสือมีครบตั้งแต่ • การทำ EDA ด้วยหลักการทางสถิติ • การทำ Data Sampling ทางสถิติ • การออกแบบการทดลองทาง
Baitoey

Baitoey

ถูกใจ 325 ครั้ง

ภาพหญิงสาวในชุดสูทกำลังนั่งข้างแล็ปท็อปที่แสดงเอกสารเกี่ยวกับอาชีพสาย Data พร้อมข้อความ 'มัดรวม 6 อาชีพ สาย DATA' และไอคอนกราฟ
ภาพหน้าจอแล็ปท็อปแสดงคำจำกัดความของ Data Engineer: สร้าง Data Pipeline ที่เสถียร, เชื่อมโยงแหล่งข้อมูลหลากหลาย, ดูแลข้อมูลไหลเวียนและรองรับการเพิ่มขึ้น
ภาพหน้าจอแล็ปท็อปแสดงคำจำกัดความของ Data Analyst: แปลงตัวเลขดิบเป็นข้อมูลเชิงลึกผ่าน Reports, Dashboards เพื่อขับเคลื่อนธุรกิจให้ถูกทิศทาง
มัดรวม 6 อาชีพสาย Data 📈
• Data Engineer (วิศวกรข้อมูล) สร้างท่อส่งข้อมูล (Data Pipeline) ที่เสถียร เชื่อมโยงแหล่งข้อมูลที่หลากหลาย และดูแลให้ข้อมูลไหลเวียนผ่านระบบต่าง ๆ อย่างสะอาดและรองรับการขยายตัวได้ • Data Analyst (นักวิเคราะห์ข้อมูล) แปลงตัวเลขดิบ ๆ ให้กลายเป็นข้อมูลเชิงลึกที่นำไปใช้ต่อยอดทางธุรกิจได้ ผ่านการทำร
Baitoey

Baitoey

ถูกใจ 102 ครั้ง

ภาพอินโฟกราฟิกแสดงขั้นตอนการสร้าง Data Table ใน NotebookLM เริ่มจากการสร้างโน้ตบุ๊กใหม่, ป้อนหัวข้อหรือนำเข้าข้อมูล, เข้าสู่ Studio, เลือก Data Table, ปรับแต่งคำสั่งโดยตั้งค่าภาษาและระบุคอลัมน์ที่ต้องการ, และแสดงผลลัพธ์เป็นตารางข้อมูลที่จัดเรียงอย่างเข้าใจง่าย
วิธีการสร้าง Data Table ใน NotebookLM ฉบับคนไม่เคยใช้
เปลี่ยนข้อมูลมหาศาล ให้เป็นตารางสรุปใน 1 นาที ด้วย Data Table ใน NotebookLM . ยุคที่ข้อมูลเยอะการต้องมานั่งก๊อปปี้วาง หรือสรุปข้อมูลเองทีละจุดอาจจะใช้เวลาทั้งวัน . วันนี้เลยขอสรุปการใช้ฟีเจอร์ "Data Table" ที่จะช่วยดึงเนื้อหาสำคัญมาจัดระเบียบ ให้เราแบบอัตโนมัติในคลิกเดียว . 🛠 6 ขั้นตอน
AIทำอะไรได้บ้าง

AIทำอะไรได้บ้าง

ถูกใจ 139 ครั้ง

ภาพปกบทความ "EP.2 Data Analyst ต้องมีสกิลอะไรบ้าง?" แสดงมือคนกำลังพิมพ์บนคีย์บอร์ด พร้อมแก้วกาแฟและปากกาบนโต๊ะทำงาน
ภาพรวมเครื่องมือ Data Analyst เช่น Tableau, Python, Excel, R, SQL, Power BI พร้อมข้อความเกริ่นนำถึงการแบ่งปันประสบการณ์ส่วนตัว
ภาพอธิบายทักษะ Excel สำหรับ Data Analyst เน้นการจัดการข้อมูลเบื้องต้น เช่น Duplicate, Pivot table, Chart, Format, Join, Merge, Filter, Sort และข้อจำกัดสำหรับข้อมูลขนาดใหญ่
ตามคำสัญญาสำหรับสกิลสาย data analyst
#dataanalytics #data #datascience #ย้ายสายงาน
พี่บอส - คายตะขาบดาต้า

พี่บอส - คายตะขาบดาต้า

ถูกใจ 53 ครั้ง

รู้จัก 3 โมเดล ใช้งานบ่อยในสายงาน Data Science 📈
1. Classification Model เป็น model ที่เอาไว้ใช้เพื่อทำนายคำตอบที่เป็น Yes-No Question หรือ two-way answer เช่น - ลูกค้ามีแนวโน้มจะผิดนัด ชำระหนี้หรือไม่ (Yes / No) - ลูกค้ามีแนวโน้มจะกลับซื้อซ้ำหรือไม่ (Yes / No) - ธุรกรรมนี้มีแนวโน้มจะเป็น fraud หรือไม่ (Yes / No) ตัวอย่าง Model : Logis
Baitoey

Baitoey

ถูกใจ 114 ครั้ง

ดูเพิ่มเติม