🐍 Python on Wednesday 💕

ช่วงนี้ฉันกลับมาโฟกัส “ภาษาไพทอน (Python)” แบบจริงจัง เพราะเป็นภาษาที่ใช้ได้กว้างมาก ทั้งงานเขียนโปรแกรมทั่วไป งาน data/AI ไปจนถึงทำเครื่องมือเล็กๆใช้เอง ที่ฉันชอบคือไวยากรณ์อ่านง่าย มือใหม่เริ่มได้ไม่ยาก แล้วค่อยต่อยอดไปเรื่องข้อมูลได้เร็ว พอเริ่มเรียนเรื่อง DataFrame (ส่วนมากจะใช้ผ่านไลบรารี pandas) ฉันรู้สึกว่ามันเป็นจุดเปลี่ยนสำคัญมาก เพราะ DataFrame ทำให้เราจัดข้อมูลเป็นตารางเหมือน Excel แต่ควบคุมด้วยโค้ดได้ เช่น แยกคอลัมน์ กรองข้อมูล รวมกลุ่ม หรือเช็กค่าว่าง ซึ่งเป็นพื้นฐานของการทำ data analysis เลย ตัวอย่างแนวคิดที่ฉันใช้ตอนฝึก “Creating and Visualizing DataFrame” คือแบ่งงานเป็นขั้นๆ (ช่วยคิดเป็นปัญหาย่อย) เช่น 1) เตรียมข้อมูล: มาจาก list/dict, ไฟล์ CSV, หรือไฟล์อื่นๆ 2) สร้าง DataFrame: กำหนดคอลัมน์ให้ชัดเจน 3) ทำความสะอาด: เช็ก missing values, ประเภทข้อมูล (dtype) 4) สรุปผล: ดูสถิติพื้นฐาน เช่น mean, count, groupby 5) Visualize: เลือกกราฟให้ตรงกับคำถาม (แท่ง/เส้น/กระจาย) ถ้าถามว่า “parquet file คืออะไร” จากที่ฉันเจอบ่อยในงานข้อมูล Parquet เป็นไฟล์ข้อมูลแบบคอลัมน์ (columnar format) ที่บีบอัดได้ดี เปิดอ่านเร็ว เหมาะกับข้อมูลขนาดใหญ่และงาน analytics มากๆ เวลาใช้กับ pandas ก็สะดวก เช่นอ่าน/เขียนไฟล์ที่ขนาดเล็กกว่า CSV และโหลดไวกว่าในหลายกรณี (แต่ต้องมีไลบรารีช่วย เช่น pyarrow) อีกเรื่องที่หลายคนชอบถามคือ “Python เวอร์ชัน 2.0 มีฟีเจอร์ใหม่อะไร” จริงๆตอนนี้ Python 2 เลิกซัพพอร์ตไปนานแล้ว แนะนำให้โฟกัส Python 3 เป็นหลัก เพราะไลบรารีใหม่ๆ (โดยเฉพาะสาย data/ai) รองรับ Python 3 เกือบทั้งหมด ถ้าจะเริ่มเรียนตอนนี้ ให้ติดตั้ง Python 3 รุ่นล่าสุดที่เสถียร และใช้เครื่องมืออย่าง Jupyter Notebook จะทำให้ลองโค้ดและดูผลลัพธ์ของ DataFrame/กราฟได้เร็วมาก สรุปจากที่ฉันลองเรียนเอง: เริ่มจากเข้าใจว่า Python คืออะไร → ฝึกสร้าง DataFrame ให้คล่อง → แล้วค่อยฝึก visualize เพื่อ “เล่าเรื่องจากข้อมูล” ถ้าฝึกสม่ำเสมอวันละนิด ความรู้จะต่อกันเป็นเส้นยาวไปถึง data/AI ได้แบบไม่รู้ตัว