1.1 One Dataset, Three Tools

ลองนึกว่าคุณมีไฟล์ CSV ไฟล์เดียว เปิดใน Sheets เห็นแบบหนึ่ง เปิดใน Python เห็นอีกแบบ query ใน SQL เห็นอีกแบบ — ข้อมูลเดียวกัน แต่ “เรื่อง” ที่เครื่องมือเล่าให้คุณฟังต่างกัน

ตัวอย่างข้อมูล

สมมติเรามีตารางนักเรียน 1 แถว:

student_id	name	price	enrolled_on	active
00123	Ploy	199.00	2026-04-24	TRUE

ดูเรียบง่ายใช่ไหม? แต่แต่ละเครื่องมือจะตีความคอลัมน์เหล่านี้ต่างกัน

ลองทำ

เปิด Google Sheets ใหม่ แล้วพิมพ์ข้อมูลนี้ตามคอลัมน์:

A (student_id)	B (name)	C (price)	D (enrolled_on)	E (active)
00123	Ploy	199.00	2026-04-24	TRUE

สังเกต:

00123 → Sheets อาจเปลี่ยนเป็น 123 ทันที! (leading zeros หายไป)
199.00 → อาจแสดงเป็น 199 (ตัด .00 ทิ้ง)
2026-04-24 → อาจเปลี่ยนเป็น Apr 24, 2026 (auto-format เป็นวันที่)
TRUE → แสดงเป็น checkbox หรือข้อความ ขึ้นอยู่กับ format

Sheets พยายาม “ช่วย” คุณ — แต่บางทีมันช่วยผิดทาง

ลองตรวจสอบ: ใช้ =ISNUMBER(A2) กับ =ISTEXT(A2) เพื่อดูว่า Sheets ตีความ cell เป็นอะไร

ใน C คุณต้องประกาศ type ให้ทุก field ตั้งแต่ต้น:

#include <stdio.h>
#include <stdbool.h>

struct Student {
    char student_id[6];   // "00123" + null terminator
    char name[50];
    double price;
    char enrolled_on[11]; // "2026-04-24" + null
    bool active;
};

int main() {
    struct Student s = {"00123", "Ploy", 199.00, "2026-04-24", true};

    printf("ID:   %s\n", s.student_id);   // 00123 (text!)
    printf("Name: %s\n", s.name);          // Ploy
    printf("Price: %.2f\n", s.price);      // 199.00
    printf("Date: %s\n", s.enrolled_on);   // 2026-04-24 (แค่ text)
    printf("Active: %d\n", s.active);      // 1 (true)
    return 0;
}

สังเกต:

student_id เป็น char[] ไม่ใช่ int → leading zeros อยู่ครบ
enrolled_on เป็นแค่ text — C ไม่มี date type ในตัว
active เป็น bool แต่ print ออกมาเป็น 1

import pandas as pd

data = {
    'student_id': ['00123'],
    'name': ['Ploy'],
    'price': [199.00],
    'enrolled_on': ['2026-04-24'],
    'active': [True]
}
df = pd.DataFrame(data)
print(df)
print(df.dtypes)

ผลลัพธ์ df.dtypes:

student_id      object    ← string (ถ้าสร้างถูก)
name            object    ← string
price          float64    ← ตัวเลขทศนิยม
enrolled_on     object    ← string (ยังไม่ใช่ datetime!)
active            bool    ← boolean

สังเกต:

pandas เรียก text ว่า object (ชื่อแปลก แต่หมายถึง string)
enrolled_on เป็นแค่ text ยังไม่ใช่ datetime — ต้อง convert เอง
ถ้าอ่านจาก CSV โดยไม่ระบุ dtype, student_id อาจกลายเป็น int64 → leading zeros หาย!

ลอง:

df_csv = pd.read_csv('students.csv')         # 00123 → 123 (!)
df_safe = pd.read_csv('students.csv', dtype={'student_id': str})  # 00123 อยู่ครบ

CREATE TABLE students (
    student_id  VARCHAR(10),
    name        VARCHAR(50),
    price       DECIMAL(10,2),
    enrolled_on DATE,
    active      BOOLEAN
);

INSERT INTO students
VALUES ('00123', 'Ploy', 199.00, '2026-04-24', TRUE);

SELECT * FROM students;

ผลลัพธ์:

student_id | name | price  | enrolled_on | active
00123      | Ploy | 199.00 | 2026-04-24  | t

สังเกต:

student_id เป็น VARCHAR → leading zeros อยู่ครบ
price เป็น DECIMAL(10,2) → บังคับ 2 ตำแหน่งทศนิยมเสมอ
enrolled_on เป็น DATE จริงๆ — ไม่ใช่แค่ text
active แสดงเป็น t (true) ใน PostgreSQL

ถ้าเปลี่ยน student_id เป็น INTEGER:

-- อย่าทำ!
student_id INTEGER  -- 00123 → 123 (leading zeros หาย)

เปรียบเทียบ

คอลัมน์	Sheets (auto)	C	Python (pandas)	SQL
student_id	123 (เปลี่ยน!)	“00123” (char[])	“00123” หรือ 123 (ขึ้นกับ dtype)	‘00123’ (VARCHAR)
price	199	199.000000 (double)	199.0 (float64)	199.00 (DECIMAL)
enrolled_on	Apr 24, 2026	”2026-04-24” (text)	“2026-04-24” (object)	2026-04-24 (DATE)
active	TRUE / checkbox	1 (int)	True (bool)	t (boolean)

1.1 One Dataset, Three Tools

ตัวอย่างข้อมูล

ลองทำ

เปรียบเทียบ

สรุป