2.2 Leading Zeros 🔥

นี่คือ bug ที่พบบ่อยที่สุดในงาน data — ทุกคนเจอ ไม่มียกเว้น คุณเปิดไฟล์ CSV ใน Sheets แล้วรหัสนักเรียน 00123 กลายเป็น 123 ทันที JOIN กับฐานข้อมูลเดิมไม่ได้ ข้อมูลกลายเป็นขยะ

Danger

บทเรียนนี้สำคัญที่สุดใน Module 2 — ถ้าจะจำแค่เรื่องเดียวจากทั้ง module ให้จำเรื่องนี้

ปัญหา

สมมติฐานข้อมูลมีนักเรียน:

student_id (VARCHAR)	name
00123	Ploy
00456	Som
00789	Tong

ขั้นตอนที่ทำ bug:

1. Export เป็น CSV → student_id ยังเป็น 00123
2. เปิด CSV ใน Google Sheets → Sheets เห็น 00123 คิดว่าเป็น “ตัวเลข” → ตัด leading zeros → 123
3. พยายาม JOIN กลับ → 123 ≠ 00123 → ไม่ match!

ทำไมมันเกิดขึ้น

กฎง่ายๆ: ตัวเลข 123 กับ 00123 เป็นค่าเดียวกัน (หนึ่งร้อยยี่สิบสาม) แต่ text "123" กับ "00123" เป็น คนละค่า

เครื่องมือที่ “ช่วยเยอะ” (เช่น Sheets, Excel) จะพยายาม auto-detect type — ถ้ามันเห็นค่าที่หน้าตาเป็นตัวเลข มันจะแปลงให้ → leading zeros หาย

กฎทอง:

Caution

ถ้าคุณไม่มีวันเอาค่า 2 ค่ามาบวกกัน — มันไม่ใช่ตัวเลข มันเป็น text

ตัวอย่าง: รหัสนักเรียน, เลขบัตรประชาชน, รหัสไปรษณีย์, เบอร์โทร — ไม่มีใครเอา 2 รหัสนักเรียนมาบวกกัน → เก็บเป็น text เสมอ

ลองทำ

Google Sheets

ทดลอง 1: เห็นปัญหา

1. เปิด Sheet ใหม่
2. พิมพ์ 00123 ในเซลล์ A1 → Sheets เปลี่ยนเป็น 123 ทันที!
3. ลอง =A1 → ได้ 123 (leading zeros หายแล้ว กู้คืนไม่ได้)

ทดลอง 2: วิธีป้องกัน

วิธี 1: ใส่ apostrophe นำหน้า

1. พิมพ์ '00123 ในเซลล์ B1 → แสดงเป็น 00123 (text)
2. =ISTEXT(B1) → TRUE
3. =ISNUMBER(B1) → FALSE

วิธี 2: Format cell ก่อนพิมพ์

1. เลือก column C → Format → Number → Plain text
2. พิมพ์ 00123 ใน C1 → leading zeros อยู่ครบ!

วิธี 3: Import CSV อย่างปลอดภัย

1. ไปที่ File → Import
2. เลือก “Convert text to numbers, dates, and formulas” → No
3. ทุก column จะถูก import เป็น text → leading zeros อยู่ครบ

ทดลอง 3: เปรียบเทียบ

=A1=B1     →  FALSE  (123 ≠ "00123")
=A1=123    →  TRUE   (123 = 123)
=B1="00123" →  TRUE  ("00123" = "00123")

C

#include <stdio.h>
#include <string.h>
#include <stdlib.h>

int main() {
    // ถูก: เก็บ ID เป็น text
    char id_text[] = "00123";
    printf("Text ID: \"%s\" (len=%zu)\n", id_text, strlen(id_text));
    // Text ID: "00123" (len=5)

    // ผิด: เก็บ ID เป็น integer
    int id_num = 00123;  // C ตีความเลขนำด้วย 0 เป็น octal!
    printf("Numeric ID: %d\n", id_num);
    // Numeric ID: 83 (!!) — 00123 ในฐาน 8 = 83 ในฐาน 10

    // ถูก: ถ้าจะแปลง text → int ต้องทำชัดเจน
    int parsed = atoi("00123");
    printf("Parsed: %d\n", parsed);
    // Parsed: 123 — leading zeros หาย

    // ถ้าต้องการ leading zeros กลับ ต้อง format
    printf("Formatted: %05d\n", parsed);
    // Formatted: 00123 — ใช้ %05d เพื่อเติม 0 นำ

    // แต่ถ้าความยาวไม่แน่นอน (บาง ID 3 หลัก บาง 5 หลัก)
    // → ไม่มีทางรู้ว่าต้องเติม 0 กี่ตัว → เก็บเป็น text เสมอ!

    return 0;
}

Key insight: ใน C ตัวเลขที่ขึ้นต้นด้วย 0 ถูกตีความเป็น octal (ฐาน 8) → 00123 = 83 ในฐาน 10 — ยิ่งอันตรายกว่า Sheets!

Python

import pandas as pd

# ปัญหา: อ่าน CSV โดยไม่ระบุ dtype
# สมมติไฟล์ students.csv มีเนื้อหา:
# student_id,name
# 00123,Ploy
# 00456,Som
# 00789,Tong

# วิธีผิด
df_bad = pd.read_csv('students.csv')
print(df_bad)
#    student_id  name
# 0         123  Ploy    ← leading zeros หาย!
# 1         456  Som
# 2         789  Tong
print(df_bad.dtypes)
# student_id     int64   ← pandas แปลงเป็นตัวเลข!

# วิธีถูก: ระบุ dtype
df_good = pd.read_csv('students.csv', dtype={'student_id': str})
print(df_good)
#   student_id  name
# 0      00123  Ploy    ← leading zeros อยู่ครบ!
# 1      00456  Som
# 2      00789  Tong
print(df_good.dtypes)
# student_id    object   ← เก็บเป็น string

# วิธีปลอดภัยสุด: ทุก column เป็น string ก่อน แล้วค่อยแปลงทีหลัง
df_safe = pd.read_csv('students.csv', dtype=str)

สำหรับไม่มีไฟล์ — ลองสร้างเอง:

import io

csv_data = """student_id,name
00123,Ploy
00456,Som
00789,Tong"""

# ผิด
df_bad = pd.read_csv(io.StringIO(csv_data))
print(df_bad['student_id'].tolist())   # [123, 456, 789]

# ถูก
df_good = pd.read_csv(io.StringIO(csv_data), dtype={'student_id': str})
print(df_good['student_id'].tolist())  # ['00123', '00456', '00789']

SQL

-- ถูก: เก็บ ID เป็น VARCHAR
CREATE TABLE students_good (
    student_id VARCHAR(10),
    name       VARCHAR(50)
);

INSERT INTO students_good VALUES ('00123', 'Ploy');
INSERT INTO students_good VALUES ('00456', 'Som');
INSERT INTO students_good VALUES ('00789', 'Tong');

SELECT * FROM students_good;
-- student_id | name
-- 00123      | Ploy    ← leading zeros อยู่ครบ

-- ผิด: เก็บ ID เป็น INTEGER
CREATE TABLE students_bad (
    student_id INTEGER,
    name       VARCHAR(50)
);

INSERT INTO students_bad VALUES (00123, 'Ploy');
INSERT INTO students_bad VALUES (00456, 'Som');

SELECT * FROM students_bad;
-- student_id | name
-- 123        | Ploy    ← leading zeros หาย!

-- ปัญหา: JOIN ระหว่างตารางที่เก็บต่างกัน
SELECT g.name, b.name
FROM students_good g
JOIN students_bad b ON g.student_id = CAST(b.student_id AS VARCHAR);
-- ไม่ match! '00123' ≠ '123'

-- ต้อง pad ให้ตรงกัน
SELECT g.name, b.name
FROM students_good g
JOIN students_bad b ON g.student_id = LPAD(CAST(b.student_id AS VARCHAR), 5, '0');
-- ตอนนี้ match: LPAD('123', 5, '0') = '00123'

กฎ: ID, รหัส, เบอร์โทร → ใช้ VARCHAR เสมอ ห้ามใช้ INTEGER

สรุปวิธีป้องกัน

เครื่องมือ	วิธีป้องกัน
Google Sheets	ใส่ ' นำหน้า หรือ format column เป็น “Plain text” ก่อน import
C	เก็บ ID เป็น char[] ไม่ใช่ int
Python (pandas)	pd.read_csv(file, dtype={'id_col': str})
SQL	ใช้ VARCHAR ไม่ใช่ INTEGER สำหรับ ID columns

สรุป

Tip

ถ้าค่า 2 ค่าไม่มีทางเอามาบวกกัน — เก็บเป็น text เสมอ Leading zeros ที่หายไปแล้วกู้คืนไม่ได้ (ถ้าไม่รู้ว่าต้นฉบับยาวกี่หลัก) ป้องกันตั้งแต่ต้นง่ายกว่าแก้ทีหลังเสมอ