5  การบริหารจัดการข้อมูลเศรษฐกิจและการเงินด้วย Pandas

Keywords

Python for Economics, Computational Economics, Applied Econometrics, Python สำหรับเศรษฐศาสตร์, เศรษฐศาสตร์คำนวณ, เศรษฐมิติเชิงประยุกต์

ในงานเศรษฐศาสตร์ เราไม่ได้เจอแค่ตัวเลขดิบๆ แต่เราเจอข้อมูลที่มีโครงสร้างเฉพาะตัว Pandas จึงออกแบบมาเพื่อจัดการกับข้อมูล 3 ประเภทหลักที่นักเศรษฐศาสตร์ต้องเจออยู่เสมอ ได้แก่ Cross-sectional, Time Series, และ Panel Data

Tipการเตรียมความพร้อมและการติดตั้ง

เพื่อให้สามารถจัดการข้อมูลเศรษฐกิจได้อย่างครอบคลุม นอกจากตัวภาษา Python แล้ว เราจำเป็นต้องติดตั้ง Pandas และ Library เสริมที่ช่วยในการอ่านไฟล์เอกสารต่างๆ ดังนี้:

คำสั่งติดตั้งผ่าน Conda (แนะนำสำหรับ Anaconda/Miniconda):

conda install pandas openpyxl

คำสั่งติดตั้งผ่าน pip (สำหรับ Python ทั่วไป):

pip install pandas openpyxl

• pandas: หัวใจหลักในการจัดการตารางข้อมูล (DataFrame)

• openpyxl: จำเป็นสำหรับการทำงานกับไฟล์ .xlsx (Excel) ซึ่งเป็นรูปแบบที่หน่วยงานด้านเศรษฐกิจในไทยนิยมใช้มากที่สุด

5.1 ข้อมูลเศรษฐศาสตร์ในโลกจริง

ในบทก่อนหน้า เราได้ใช้ข้อมูลจำลองเพื่อทำความเข้าใจแนวคิดทางเศรษฐศาสตร์และการคำนวณเชิงเมทริกซ์
อย่างไรก็ตาม ในโลกจริง นักเศรษฐศาสตร์ไม่ได้ทำงานกับข้อมูลที่ “พร้อมใช้งาน” ตั้งแต่ต้น

ข้อมูลทางเศรษฐศาสตร์มักมีลักษณะดังนี้:

• มีขนาดใหญ่ (หลายพันถึงหลายล้านแถว)

• มาจากหลายแหล่งข้อมูล

• มีค่าที่หายไป (missing values)

• มีรูปแบบที่ไม่สม่ำเสมอ

ตัวอย่างเช่น:

• ข้อมูล GDP จากหลายประเทศ

• ข้อมูลรายได้ของประชากร

• ข้อมูลตลาดการเงินรายวัน

5.1.1 ตัวอย่างข้อมูลในโลกจริง

import pandas as pd
from IPython.display import display

df = pd.DataFrame({
    "year": [2018, 2019, 2020, 2021],
    "gdp": [500, None, 480, 510]
})

display(df)

	year	gdp
0	2018	500.0
1	2019	NaN
2	2020	480.0
3	2021	510.0

จากตัวอย่างนี้จะเห็นว่า:

• มีค่าที่หายไป (NaN)

• ข้อมูลยังไม่พร้อมสำหรับการวิเคราะห์

5.1.2 กระบวนการจัดการข้อมูล (Data Wrangling Workflow)

ก่อนที่ข้อมูลจะถูกนำไปวิเคราะห์หรือสร้างแบบจำลอง นักเศรษฐศาสตร์ต้องจัดการข้อมูลให้อยู่ในรูปแบบที่เหมาะสม กระบวนการนี้เรียกว่า Data Wrangling หรือการเตรียมข้อมูลเพื่อการวิเคราะห์

1. ตรวจสอบข้อมูล (explore)

2. ทำความสะอาดข้อมูล (clean)

3. แปลงข้อมูลให้อยู่ในรูปแบบที่เหมาะสม (transform)

flowchart TD
    A[นำเข้าข้อมูล<br/>Import Data] --> B[ตรวจสอบข้อมูล<br/>Inspect Data]
    B --> C[ทำความสะอาดข้อมูล<br/>Clean Data]
    C --> D[แปลงรูปแบบข้อมูล<br/>Transform Data]
    D --> E[สรุปและวิเคราะห์เบื้องต้น<br/>Summarize Data]
    E --> F[สร้างกราฟหรือแบบจำลอง<br/>Visualize / Model]

5.2 Pandas คืออะไร?

จากหัวข้อก่อนหน้า เราได้เห็นว่า ข้อมูลทางเศรษฐศาสตร์ในโลกจริงมักไม่พร้อมใช้งานทันที ดังนั้น นักเศรษฐศาสตร์จำเป็นต้องมีเครื่องมือสำหรับ “จัดการข้อมูล” ก่อนนำไปวิเคราะห์

Pandas คือเครื่องมือหลักใน Python สำหรับงานนี้ ดังนั้นในกระบวนการจัดการข้อมูล

• NumPy → ใช้คำนวณเชิงตัวเลข

• Pandas → ใช้จัดการข้อมูลเชิงตาราง

Pandas ทำหน้าที่เป็น “โต๊ะทำงานของข้อมูล” (data workspace)

5.2.1 โครงสร้างหลักของ Pandas

Pandas มีโครงสร้างข้อมูลสำคัญ 2 แบบ:

• Series → ข้อมูล 1 มิติ (คล้าย vector)

• DataFrame → ข้อมูล 2 มิติ (คล้ายตาราง)

ตัวอย่าง:

import pandas as pd
import numpy as np

# สร้าง DataFrame เบื้องต้น (Cross-sectional: ข้อมูล ณ จุดเวลาหนึ่ง)
data = {
    'Country': ['Thailand', 'Vietnam', 'Singapore', 'Malaysia'],
    'GDP_Growth': [2.5, 5.0, 1.2, 3.8],
    'Inflation': [1.5, 3.2, 5.0, 2.1]
}
df = pd.DataFrame(data)
display(df)

	Country	GDP_Growth	Inflation
0	Thailand	2.5	1.5
1	Vietnam	5.0	3.2
2	Singapore	1.2	5.0
3	Malaysia	3.8	2.1

DataFrame คือรูปแบบข้อมูลที่ใช้บ่อยที่สุดในงานเศรษฐศาสตร์

Cautionทำไมไม่ใช้ NumPy อย่างเดียว?

แม้ว่า NumPy จะมีประสิทธิภาพสูงในการคำนวณ
แต่มีข้อจำกัดเมื่อทำงานกับข้อมูลจริง เช่น:

• ไม่มีชื่อคอลัมน์

• จัดการ missing values ยาก

• ไม่เหมาะกับข้อมูลเชิงตาราง

Pandas ถูกออกแบบมาเพื่อแก้ปัญหาเหล่านี้โดยเฉพาะ และ Pandas ในกระบวนการงานเป็นดังนี้

flowchart TD
    A[นำเข้าข้อมูล<br/>Import Data] --> B[จัดการข้อมูลด้วย Pandas<br/>Data Wrangling]
    B --> C[แปลงเป็น NumPy<br/>Model Input]
    C --> D[วิเคราะห์ด้วยแบบจำลอง<br/>Modeling]

Pandas ทำหน้าที่เป็น “ตัวกลาง” ระหว่างข้อมูลจริงและแบบจำลอง

5.3 DataFrame: โครงสร้างข้อมูลของโลกจริง

ในงานเศรษฐศาสตร์ ข้อมูลส่วนใหญ่จะอยู่ในรูปแบบ “ตาราง” เช่น:

• ตาราง GDP ของหลายประเทศ

• ตารางรายได้ของประชากร

• ตารางข้อมูลตลาดการเงิน

ตัวอย่างเช่น:

year	gdp	inflation
2018	500	2.1
2019	520	2.5
2020	480	3.0

ข้อมูลลักษณะนี้คือสิ่งที่เราใช้วิเคราะห์จริง

5.3.1 DataFrame คืออะไร?

ใน Pandas ตารางแบบนี้เรียกว่า DataFrame

• แถว (rows) → observation

• คอลัมน์ (columns) → ตัวแปร (variables)

ตัวอย่าง DataFrame

import pandas as pd

df = pd.DataFrame({
    "year": [2018, 2019, 2020],
    "gdp": [500, 520, 480],
    "inflation": [2.1, 2.5, 3.0]
})

display(df)

	year	gdp	inflation
0	2018	500	2.1
1	2019	520	2.5
2	2020	480	3.0

5.3.2 การเข้าถึงข้อมูล

เราสามารถเลือกข้อมูลได้ง่าย เช่น:

เลือกตัวแปร GDP

df["gdp"]

0    500
1    520
2    480
Name: gdp, dtype: int64

เลือกหลายตัวแปร

df[["gdp", "inflation"]]

	gdp	inflation
0	500	2.1
1	520	2.5
2	480	3.0

สร้างตัวแปรใหม่จากข้อมูลเดิม

ในงานเศรษฐศาสตร์ เรามักไม่ได้ใช้ข้อมูลดิบเพียงอย่างเดียว แต่จะสร้าง “ตัวแปรใหม่” เพื่อใช้ในการวิเคราะห์ เช่น อัตราการเติบโตของ GDP

เราสามารถใช้ Pandas เพื่อสร้างตัวแปรใหม่ได้ง่าย ๆ ดังนี้:

df["growth"] = df["gdp"].pct_change()

df

	year	gdp	inflation	growth
0	2018	500	2.1	NaN
1	2019	520	2.5	0.040000
2	2020	480	3.0	-0.076923

Tipคำอธิบาย

คำสั่งนี้ประกอบด้วย 2 ส่วนสำคัญ:

• df["gdp"] → เลือกข้อมูล GDP

• .pct_change() → ตราการเปลี่ยนแปลงเป็นเปอร์เซ็นต์ (percentage change) ระหว่างค่าปัจจุบันกับค่าก่อนหน้า

\[ \text { growth }_t=\frac{gdp_t-gdp_{t-1}}{gdp_{t-1}} \]

ผลลัพธ์คือ:

ได้ “อัตราการเติบโตของ GDP” ในแต่ละช่วงเวลา

และค่าที่ได้จะถูกเก็บไว้ในคอลัมน์ใหม่ชื่อ growth

ข้อสังเกต ค่าในแถวแรกจะเป็น NaN เนื่องจากไม่มีข้อมูลก่อนหน้าให้ใช้เปรียบเทียบ

เมื่อทำความสะอาดข้อมูลแล้ว
เราสามารถแปลง DataFrame → NumPy เพื่อใช้ในแบบจำลองได้

X = df[["gdp", "inflation"]].to_numpy()

ถ้าเข้าใจ DataFrame นักศึกษาจะสามารถทำงานกับข้อมูลเศรษฐศาสตร์ได้เกือบทั้งหมด

5.4 การสำรวจข้อมูล (Exploratory Data Analysis: EDA)

เมื่อข้อมูลถูกนำเข้าสู่ระบบในรูปแบบ DataFrame แล้ว ขั้นตอนต่อมาที่ถือเป็น “หัวใจ” ของงานเศรษฐมิติคือการสำรวจข้อมูล (EDA) เพื่อทำความเข้าใจพฤติกรรมแฝงของตัวแปร (Data Behavior) ก่อนที่จะเริ่มทำการประมาณค่าแบบจำลอง

Economics Insight: นักเศรษฐศาสตร์ที่เก่งจะไม่กระโดดเข้าหาการรัน Regression ทันที แต่จะใช้เวลาส่วนใหญ่ในการทำความเข้าใจ “ธรรมชาติของตัวเลข” เพื่อป้องกันปัญหาประเภท Garbage In, Garbage Out

5.4.1 การสุ่มตรวจสอบระนาบข้อมูล (Data Inspection)

นอกจากการใช้ .head() เพื่อดูส่วนหัวของข้อมูลแล้ว นักวิเคราะห์ควรสุ่มดูข้อมูลส่วนอื่นๆ ด้วย

# แสดง 5 แถวแรก
df.head()

	year	gdp	inflation	growth
0	2018	500	2.1	NaN
1	2019	520	2.5	0.040000
2	2020	480	3.0	-0.076923

# แสดง 5 แถวสุดท้าย เพื่อดูจุดสิ้นสุดของอนุกรมเวลาหรือข้อมูล
df.tail()

	year	gdp	inflation	growth
0	2018	500	2.1	NaN
1	2019	520	2.5	0.040000
2	2020	480	3.0	-0.076923

# สุ่มตัวอย่างข้อมูล 5 แถว เพื่อหาค่าที่อาจผิดปกติ (Outliers)
df.sample(5, replace=True)

	year	gdp	inflation	growth
2	2020	480	3.0	-0.076923
2	2020	480	3.0	-0.076923
2	2020	480	3.0	-0.076923
2	2020	480	3.0	-0.076923
1	2019	520	2.5	0.040000

ทำไมต้องทำ?: ข้อมูลเศรษฐกิจมักมีการเรียงลำดับตามเวลา (Time Series) หรือตามพื้นที่ (Cross-sectional) การดูแค่ส่วนหัวอาจทำให้เราพลาดการเห็นความผิดปกติที่เกิดขึ้นในช่วงท้ายของชุดข้อมูล หรือความผิดปกติที่กระจายตัวอยู่ทั่วไป

5.4.2 การตรวจสอบคุณลักษณะทางเทคนิค (Structural Metadata)

การใช้ .info() ช่วยให้เราตรวจสอบ “ความพร้อม” ของข้อมูลในเชิงเทคนิค

df.info()

<class 'pandas.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 4 columns):
 #   Column     Non-Null Count  Dtype  
---  ------     --------------  -----  
 0   year       3 non-null      int64  
 1   gdp        3 non-null      int64  
 2   inflation  3 non-null      float64
 3   growth     2 non-null      float64
dtypes: float64(2), int64(2)
memory usage: 228.0 bytes

สิ่งที่นักเศรษฐศาสตร์ต้องพิจารณา:

• Dtype (Data Type): ตัวแปรทางเศรษฐกิจบางตัวควรจะเป็นตัวเลข (float64) แต่อาจถูกจัดเก็บเป็นตัวอักษร (object) เนื่องจากมีสัญลักษณ์ปนมา (เช่น เครื่องหมาย comma ในค่าเงิน) ซึ่งต้องได้รับการแก้ไขก่อนคำนวณ

• Non-Null Count: ตรวจสอบความสมบูรณ์ของข้อมูล หากพบว่ามี Null จำนวนมาก อาจส่งผลต่อความน่าเชื่อถือของผลการทดสอบทางสถิติ (Degrees of Freedom จะลดลง)

5.4.3 การวิเคราะห์สถิติเชิงพรรณนา (Descriptive Statistics)

คำสั่ง .describe() คือจุดเริ่มต้นของการตั้งสมมติฐานทางเศรษฐศาสตร์

df.describe()

	year	gdp	inflation	growth
count	3.0	3.0	3.000000	2.000000
mean	2019.0	500.0	2.533333	-0.018462
std	1.0	20.0	0.450925	0.082677
min	2018.0	480.0	2.100000	-0.076923
25%	2018.5	490.0	2.300000	-0.047692
50%	2019.0	500.0	2.500000	-0.018462
75%	2019.5	510.0	2.750000	0.010769
max	2020.0	520.0	3.000000	0.040000

วิธีการตีความเชิงลึก:

• Mean vs 50% (Median): หากค่าเฉลี่ยต่างจากค่ามัธยฐานมาก แสดงว่าข้อมูลมีการกระจายตัวที่เบ้ (Skewness) เช่น ข้อมูลรายได้ประชากร

• Std (Standard Deviation): บอกถึงความผันผวน (Volatility) ของตัวแปร หากค่า Std สูงมากเมื่อเทียบกับ Mean แสดงว่าข้อมูลมีความแตกต่างกันสูง (Heterogeneity)

• Min/Max: ช่วยตรวจสอบค่าที่ “เป็นไปไม่ได้” ในทางเศรษฐศาสตร์ เช่น อัตราเงินเฟ้อที่ติดลบมหาศาล หรืออายุของประชากรที่เป็นค่าลบ

5.4.4 การสำรวจความสัมพันธ์เบื้องต้น (Correlation Matrix)

ก่อนการสร้าง Multiple Regression เราควรดูความสัมพันธ์ระหว่างตัวแปรอิสระก่อนเสมอ

# ดูความสัมพันธ์ระหว่างตัวแปร
df.corr()

	year	gdp	inflation	growth
year	1.000000	-0.500000	0.997949	-1.0
gdp	-0.500000	1.000000	-0.554416	1.0
inflation	0.997949	-0.554416	1.000000	-1.0
growth	-1.000000	1.000000	-1.000000	1.0

คำเตือน: หากตัวแปรอิสระสองตัวมีความสัมพันธ์กันสูงมาก (Correlation > 0.8) อาจนำไปสู่ปัญหา Multicollinearity ซึ่งจะทำให้ค่าสถิติ \(t\) ของแบบจำลองเศรษฐมิติไม่น่าเชื่อถือ

5.5 การจัดการข้อมูลด้วย Pandas (The 5 Verbs of Data Manipulation)

หากนักศึกษาคุ้นเคยกับการจัดการข้อมูลในภาษา R ด้วย tidyverse คุณจะพบว่า pandas มีชุดคำสั่งที่ทำงานได้เหมือนกันอย่างมีประสิทธิภาพ โดยเราจะใช้ข้อมูลตัวอย่างสินทรัพย์ 5 วันในการสาธิต:

import pandas as pd

# สร้างชุดข้อมูลจำลอง: ผลตอบแทนสินทรัพย์ (Asset Returns)
data = {
    'Asset': ['Gold', 'Stock', 'Bitcoin', 'Gold', 'Stock'],
    'Return': [0.5, -1.2, 5.4, 0.3, 2.1],
    'Volume': [100, 500, 200, 150, 450]
}
df = pd.DataFrame(data)

1. Filter (เลือกแถวตามเงื่อนไข) \(\rightarrow\) query() หรือ Boolean Indexing ในทางเศรษฐศาสตร์ เรามักต้องกรองข้อมูล เช่น เลือกเฉพาะช่วงวิกฤตเศรษฐกิจ หรือเลือกสินทรัพย์ที่มีผลตอบแทนเป็นบวก

# เลือกเฉพาะแถวที่ Return > 0
positive_returns = df[df['Return'] > 0]
display(positive_returns)

	Asset	Return	Volume
0	Gold	0.5	100
2	Bitcoin	5.4	200
3	Gold	0.3	150
4	Stock	2.1	450

# หรือใช้ .query() เพื่อความอ่านง่าย
positive_returns = df.query('Return > 0')
display(positive_returns)

	Asset	Return	Volume
0	Gold	0.5	100
2	Bitcoin	5.4	200
3	Gold	0.3	150
4	Stock	2.1	450

2. Mutate (สร้างคอลัมน์ใหม่) \(\rightarrow\) assign() หรือ Direct Assignment ใช้ในการคำนวณตัวแปรใหม่ เช่น การคำนวณ Real Interest Rate จาก Nominal Rate และ Inflation

# สร้างคอลัมน์ Turnover (Return * Volume)
df['Turnover'] = df['Return'] * df['Volume']
display(df)

	Asset	Return	Volume	Turnover
0	Gold	0.5	100	50.0
1	Stock	-1.2	500	-600.0
2	Bitcoin	5.4	200	1080.0
3	Gold	0.3	150	45.0
4	Stock	2.1	450	945.0

## หรือ
df.assign(Turnover = lambda x: x.Return * x.Volume)
display(df)

	Asset	Return	Volume	Turnover
0	Gold	0.5	100	50.0
1	Stock	-1.2	500	-600.0
2	Bitcoin	5.4	200	1080.0
3	Gold	0.3	150	45.0
4	Stock	2.1	450	945.0

3. Select (เลือกคอลัมน์) \(\rightarrow\) [] หรือ filter() นักเศรษฐศาสตร์มักดึงเฉพาะตัวแปรอิสระที่สนใจออกมาจาก Dataset ขนาดใหญ่

# เลือกเฉพาะคอลัมน์ Asset และ Return
df_subset = df[['Asset', 'Return']]
display(df_subset)

	Asset	Return
0	Gold	0.5
1	Stock	-1.2
2	Bitcoin	5.4
3	Gold	0.3
4	Stock	2.1

4. Arrange (เรียงลำดับข้อมูล) \(\rightarrow\) sort_values() ใช้ในการจัดลำดับ เช่น การหาจังหวัดที่มีรายได้สูงสุด (Top Income) หรือเรียงลำดับเหตุการณ์ตามเวลา

# เรียงตาม Return จากมากไปน้อย (Descending)
df_sorted = df.sort_values(by='Return', ascending=False)
display(df_sorted)

	Asset	Return	Volume	Turnover
2	Bitcoin	5.4	200	1080.0
4	Stock	2.1	450	945.0
0	Gold	0.5	100	50.0
3	Gold	0.3	150	45.0
1	Stock	-1.2	500	-600.0

5. Summarize (สรุปผลข้อมูล) \(\rightarrow\) groupby() + agg() หัวใจสำคัญของการทำ Descriptive Statistics รายกลุ่ม เช่น หาค่าเฉลี่ยรายได้แยกตามรายภาค

# หาค่าเฉลี่ยผลตอบแทน (Return) แยกตามประเภทสินทรัพย์ (Asset)
summary_stats = df.groupby('Asset')['Return'].mean()
# หรือใช้ .agg() เพื่อหาหลายค่าพร้อมกัน
# summary_stats = df.groupby('Asset').agg({'Return': ['mean', 'std'], 'Volume': 'sum'})
display(summary_stats)

Asset
Bitcoin    5.40
Gold       0.40
Stock      0.45
Name: Return, dtype: float64

5.5.1 ตัวอย่าง การวิเคราะห์พฤติกรรมการบริโภครายภูมิภาค

เราจะผสมผสานทั้ง 5 Verbs เพื่อหาว่า “ในภูมิภาค Central และ North ใครมีอัตราการออม (Savings) สูงที่สุด 3 อันดับแรก”

import pandas as pd
import numpy as np

# 1. สร้างข้อมูลจำลอง (Synthetic Data)
data = {
    'ID': range(1, 7),
    'Region': ['Central', 'North', 'Central', 'South', 'North', 'Central'],
    'Income': [50000, 32000, 45000, 38000, 29000, 60000],
    'Spending': [42000, 28000, 35000, 39000, 25000, 48000]
}
df = pd.DataFrame(data)

# 2. ใช้ Mixed 5 Verbs ด้วย Method Chaining
# (Filter -> Mutate -> Select -> Arrange -> Summary)
report = (
    df
    # [Verb 1: Filter] เลือกเฉพาะภูมิภาค Central และ North
    .query("Region in ['Central', 'North']")
    
    # [Verb 2: Mutate] คำนวณเงินออม (Savings) และ อัตราการออม (Savings_Rate)
    .assign(
        Savings = lambda x: x['Income'] - x['Spending'],
        Savings_Rate = lambda x: (x['Income'] - x['Spending']) / x['Income']
    )
    
    # [Verb 3: Select] เลือกเฉพาะคอลัมน์ที่ต้องการรายงาน
    [['Region', 'Savings', 'Savings_Rate']]
    
    # [Verb 4: Arrange] เรียงลำดับตามอัตราการออมจากมากไปน้อย
    .sort_values(by='Savings_Rate', ascending=False)
    
    # [Verb 5: Summary] ในที่นี้ขอแสดงผล 3 อันดับแรก (Top 3) 
    .head(3)
)

print("--- รายงานวิเคราะห์การออมรายบุคคล (Top 3) ---")
display(report)

--- รายงานวิเคราะห์การออมรายบุคคล (Top 3) ---

	Region	Savings	Savings_Rate
2	Central	10000	0.222222
5	Central	12000	0.200000
0	Central	8000	0.160000

# แถมท้าย: [Verb 5: Summary แบบกลุ่ม] หาค่าเฉลี่ยรายภูมิภาค
regional_summary = (
    df.groupby('Region')
    .agg(
        Avg_Income = ('Income', 'mean'),
        Max_Savings = ('Income', lambda x: (df.loc[x.index, 'Income'] - df.loc[x.index, 'Spending']).max())
    )
)
print("\n--- สรุปภาพรวมรายภูมิภาค ---")
display(regional_summary)

--- สรุปภาพรวมรายภูมิภาค ---

	Avg_Income	Max_Savings
Region
Central	51666.666667	12000
North	30500.000000	4000
South	38000.000000	-1000

ในตัวอย่างต่อไป เราจะใช้ Method Chaining แบบเต็มรูปแบบเพื่อคำนวณหา “รายได้ที่แท้จริง” (Real Income) และคัดเลือกเฉพาะปีที่เศรษฐกิจมีประสิทธิภาพสูง

5.5.2 ตัวอย่าง การวิเคราะห์รายได้ที่แท้จริงและประสิทธิภาพการผลิต

เราจะใช้ข้อมูลย้อนหลัง 5 ปีของประเทศสมมติแห่งหนึ่ง เพื่อดูว่าในปีใดที่รายได้เพิ่มขึ้นชนะเงินเฟ้อ

graph TD
    A[(Raw Data)] --> B[Assign: คำนวณค่า Real/Productivity]
    B --> C[Query: กรองเงินเฟ้อ CPI > 102]
    C --> D[Select: เลือกเฉพาะคอลัมน์สำคัญ]
    D --> E[Sort: เรียงตามประสิทธิภาพ]
    E --> F[/Final Report/]

import pandas as pd

# 1. สร้างข้อมูลมหภาคจำลอง
data = {
    'Year': [2019, 2020, 2021, 2022, 2023],
    'Nominal_Income': [50000, 52000, 55000, 60000, 62000],
    'CPI': [100, 102, 105, 112, 115], # ดัชนีราคาผู้บริโภค
    'Labor_Hours': [2000, 2100, 2050, 2200, 2150]
}
df_macro = pd.DataFrame(data)

# 2. การประมวลผลข้อมูลด้วย 5 Verbs (Mixed Method Chaining)
# เป้าหมาย: คำนวณ Real_Income และ Productivity แล้วเลือกปีที่ Productivity > 25
analysis_result = (
    df_macro
    # [Verb 2: Mutate] คำนวณค่าทางเศรษฐศาสตร์ที่แท้จริง
    .assign(
        Real_Income = lambda x: (x['Nominal_Income'] / x['CPI']) * 100,
        Productivity = lambda x: x['Nominal_Income'] / x['Labor_Hours']
    )
    
    # [Verb 1: Filter] เลือกเฉพาะปีที่ค่าครองชีพ (CPI) มากกว่า 102
    .query("CPI > 102")
    
    # [Verb 3: Select] เลือกเฉพาะตัวแปรเชิงเปรียบเทียบ
    [['Year', 'Real_Income', 'Productivity']]
    
    # [Verb 4: Arrange] เรียงจากปีที่มีประสิทธิภาพการผลิตสูงสุด
    .sort_values(by='Productivity', ascending=False)
    
    # [Verb 5: Summary] แสดงผลทั้งหมดที่ผ่านเงื่อนไข
)

print("--- ผลการวิเคราะห์รายได้ที่แท้จริงและประสิทธิภาพการผลิต ---")
display(analysis_result)

--- ผลการวิเคราะห์รายได้ที่แท้จริงและประสิทธิภาพการผลิต ---

	Year	Real_Income	Productivity
4	2023	53913.043478	28.837209
3	2022	53571.428571	27.272727
2	2021	52380.952381	26.829268

Tipสรุปขั้นตอนการทำงาน

ขั้นตอน (Verbs)	คำสั่งที่ใช้	วัตถุประสงค์ในตัวอย่างนี้
Mutate	.assign()	คำนวณ Real_Income และ Productivity
Filter	.query()	คัดกรองเฉพาะปีที่มีเงินเฟ้อสูงกว่าปีฐาน
Select	[[...]]	ตัดตัวแปรดิบออก เหลือเฉพาะตัวแปรที่คำนวณแล้ว
Arrange	.sort_values()	จัดอันดับปีที่แรงงานทำงานคุ้มค่าที่สุด

ImportantEconomics Connection: ทำไมต้อง 5 Verbs?

ในงานวิจัยทางเศรษฐมิติ การเตรียมข้อมูล (Data Cleaning) มักใช้เวลากว่า 80% ของโปรเจกต์ การมองการจัดการข้อมูลเป็น 5 ขั้นตอนนี้จะช่วยให้นักศึกษาเขียนโค้ดได้อย่างเป็นระบบ:

• Filter: กำจัด Outliers หรือเลือกช่วงเวลาวิเคราะห์

• Mutate: แปลงค่าตัวแปร (เช่น ทำ Log Transformation)

• Select: กำจัดตัวแปรที่ไม่เกี่ยวข้อง (Irrelevant features)

• Arrange: เตรียมข้อมูลสำหรับ Time-series Analysis

• Summarize: สรุปภาพรวมเพื่อนำไปเขียนในตารางสถิติพรรณนา

5.6 การนำเข้าข้อมูลจากแหล่งภายนอก (Data Input/Output)

ในโลกความเป็นจริง นักเศรษฐศาสตร์ไม่ได้สร้างข้อมูลด้วยมือ แต่ต้องดึงข้อมูลมาจากแหล่งต่างๆ เช่น ธนาคารแห่งประเทศไทย (BOT) หรือธนาคารโลก (World Bank) ซึ่ง Pandas มีฟังก์ชันที่รองรับการดึงข้อมูลทั้งจากไฟล์ในเครื่องและจาก URL โดยตรง:

1. การอ่านไฟล์จาก URL (ตัวอย่างข้อมูลจริง)

วิธีนี้สะดวกที่สุดสำหรับนักศึกษา เพราะไม่ต้องดาวน์โหลดไฟล์ลงเครื่องก่อน เราจะลองดึงข้อมูล GDP ของประเทศไทย ย้อนหลังจากชุดข้อมูลของธนาคารโลก (ผ่าน GitHub)

import pandas as pd
from IPython.display import display
# ดึงข้อมูลจาก URL โดยตรง (ข้อมูล GDP รายประเทศทั่วโลก)
url = "https://raw.githubusercontent.com/datasets/gdp/master/data/gdp.csv"
df_world_gdp = pd.read_csv(url)

# กรองข้อมูล (Filtering) เฉพาะประเทศไทย
thailand_gdp = df_world_gdp[df_world_gdp['Country Name'] == 'Thailand']

# แสดงข้อมูล 5 แถวแรก
display(thailand_gdp.head())

	Country Name	Country Code	Year	Value
12606	Thailand	THA	1960	2.760751e+09
12607	Thailand	THA	1961	3.034038e+09
12608	Thailand	THA	1962	3.308913e+09
12609	Thailand	THA	1963	3.540403e+09
12610	Thailand	THA	1964	3.889130e+09

2. การอ่านไฟล์ Excel (.xlsx)

ในไทย ข้อมูลเศรษฐกิจมักจัดเก็บในรูป Excel เราจะลองจำลองการสร้างไฟล์ Excel ที่มีหลาย Sheet แล้วฝึกการเลือกอ่านเฉพาะบาง Sheet

# จำลองการสร้างไฟล์ Excel เพื่อใช้เป็นกรณีศึกษาในห้องเรียน
with pd.ExcelWriter('economic_data.xlsx') as writer:
    # Sheet 1: ข้อมูล GDP
    thailand_gdp.to_excel(writer, sheet_name='GDP_Historical', index=False)
    # Sheet 2: ข้อมูลจำลองอัตราดอกเบี้ย
    pd.DataFrame({'Year': [2022, 2023], 'Rate': [1.25, 2.50]}).to_excel(writer, sheet_name='Interest_Rate', index=False)

# --- ขั้นตอนการเลือกอ่าน Sheet ที่ต้องการ ---
# หากไม่ระบุ sheet_name Pandas จะอ่านเฉพาะ Sheet แรกเสมอ
df_interest = pd.read_excel('economic_data.xlsx', sheet_name='Interest_Rate')
display(df_interest)

	Year	Rate
0	2022	1.25
1	2023	2.50

5.7 การจัดการข้อมูลภาคตัดขวางและข้อมูลพื้นฐาน

ข้อมูลประเภทนี้คือการเปรียบเทียบตัวแปรระหว่างหน่วย (เช่น ประเทศ) ณ จุดเวลาใดเวลาหนึ่ง เพื่อความต่อเนื่อง เราจะสร้างชุดข้อมูลเศรษฐกิจของกลุ่มประเทศอาเซียนขึ้นมาเพื่อใช้ในตัวอย่างถัดไป:

import pandas as pd
from IPython.display import display

# สร้างชุดข้อมูลสำหรับใช้งานทั้งบท
data = {
    'Year': [2022, 2022, 2023, 2023, 2022, 2022, 2023, 2023],
    'Country': ['TH', 'VN', 'TH', 'VN', 'MY', 'SG', 'MY', 'SG'],
    'GDP': [500, 400, 520, 430, 300, 600, 310, 610],
    'Inflation': [1.5, 3.2, 2.1, 4.0, 2.5, 5.0, 2.8, 4.5]
}
df = pd.DataFrame(data)

# กรองข้อมูล (Filtering): เลือกเฉพาะแถวที่มี Inflation > 3
high_inflation = df[df['Inflation'] > 3]
display(high_inflation)

	Year	Country	GDP	Inflation
1	2022	VN	400	3.2
3	2023	VN	430	4.0
5	2022	SG	600	5.0
7	2023	SG	610	4.5

เมื่อเรามีข้อมูลที่มีทั้งมิติหน่วย (Country) และเวลา (Year) เราสามารถใช้เทคนิคขั้นสูงเพื่อเตรียมข้อมูลสำหรับงานเศรษฐมิติได้ทันที:

# 1. การทำ De-meaning: ลบค่าเฉลี่ยรายกลุ่มเพื่อกำจัด Fixed Effects
df['GDP_mean'] = df.groupby('Country')['GDP'].transform('mean')
df['GDP_demeaned'] = df['GDP'] - df['GDP_mean']

# 2. การสร้างตัวแปร Lag (ปีก่อนหน้า): สำคัญมากในการวิเคราะห์ Time Lag
# ต้อง groupby ประเทศก่อนเพื่อไม่ให้ข้อมูลข้ามประเทศกัน
df['GDP_lag1'] = df.groupby('Country')['GDP'].shift(1)

display(df.head())

	Year	Country	GDP	Inflation	GDP_mean	GDP_demeaned	GDP_lag1
0	2022	TH	500	1.5	510.0	-10.0	NaN
1	2022	VN	400	3.2	415.0	-15.0	NaN
2	2023	TH	520	2.1	510.0	10.0	500.0
3	2023	VN	430	4.0	415.0	15.0	400.0
4	2022	MY	300	2.5	305.0	-5.0	NaN

5.8 ข้อมูลอนุกรมเวลา

นี่คือจุดแข็งที่สุดของ Pandas สำหรับนักเศรษฐศาสตร์ (Economists) เพราะ Pandas รองรับการจัดการ Datetime Index ได้อย่างยอดเยี่ยม

# สร้างข้อมูลอนุกรมเวลาจำลอง
dates = pd.date_range(start='2023-01-01', periods=12, freq='ME')
prices = [100, 102, 105, 104, 108, 110, 115, 112, 118, 120, 125, 130]

ts_df = pd.DataFrame({'Price': prices}, index=dates)

# การคำนวณอัตราการเปลี่ยนแปลง (Inflation/Returns)
ts_df['Returns'] = ts_df['Price'].pct_change() * 100

# การทำ Resampling (เช่น จากข้อมูลรายเดือน เป็นรายไตรมาส)
quarterly_avg = ts_df.resample('ME').mean()

5.8.1 การวิเคราะห์แนวโน้มด้วยหน้าต่างเลื่อน (Rolling Windows)

ข้อมูลทางเศรษฐศาสตร์มักจะมีความผันผวน (Volatility) สูงในระยะสั้น การมองหาแนวโน้ม (Trend) ที่แท้จริงจึงทำได้ยาก เทคนิค Rolling Window หรือการคำนวณแบบหน้าต่างเลื่อน จะช่วยให้เราหา “ค่าเฉลี่ยเคลื่อนที่” (Moving Average) เพื่อดูทิศทางของข้อมูลได้ชัดเจนขึ้น

1. การหาค่าเฉลี่ยเคลื่อนที่ (Simple Moving Average: SMA)

สมมติว่าเรามีข้อมูลราคาสินค้ารายวัน และต้องการดูค่าเฉลี่ยย้อนหลังทุกๆ 3 วัน เพื่อลดความผันผวนของราคา

# สร้างข้อมูลจำลองราคาที่มีความผันผวน
prices = pd.DataFrame({
    'Price': [100, 102, 98, 105, 110, 108, 115]
})

# คำนวณค่าเฉลี่ยเคลื่อนที่ย้อนหลัง 3 ช่วงเวลา (3-day Moving Average)
prices['MA3'] = prices['Price'].rolling(window=3).mean()

display(prices)

	Price	MA3
0	100	NaN
1	102	NaN
2	98	100.000000
3	105	101.666667
4	110	104.333333
5	108	107.666667
6	115	111.000000

2. การประยุกต์ใช้กับอัตราเงินเฟ้อ (Smoothing Data)

ในทางเศรษฐศาสตร์ เรามักจะทำ 12-month Moving Average กับข้อมูลเงินเฟ้อรายเดือน เพื่อตัดปัจจัยทางฤดูกาล (Seasonal factors) ออกไป

# ตัวอย่างการคำนวณค่าเฉลี่ยย้อนหลัง 12 เดือน (ในที่นี้จำลองข้อมูล 5 ช่วง)
# window=3 หมายถึงเอาค่าปัจจุบันรวมกับ 2 ค่าก่อนหน้ามาหาค่าเฉลี่ย
prices['Moving_Sum'] = prices['Price'].rolling(window=3).sum() # หาผลรวมย้อนหลัง
prices['Moving_Std'] = prices['Price'].rolling(window=3).std() # หาความผันผวนย้อนหลัง (Volatility)

display(prices)

	Price	MA3	Moving_Sum	Moving_Std
0	100	NaN	NaN	NaN
1	102	NaN	NaN	NaN
2	98	100.000000	300.0	2.000000
3	105	101.666667	305.0	3.511885
4	110	104.333333	313.0	6.027714
5	108	107.666667	323.0	2.516611
6	115	111.000000	333.0	3.605551

5.9 การเชื่อมรวมข้อมูลจากหลายแหล่ง (Merging and Joining)

งานวิจัยทางเศรษฐศาสตร์ส่วนใหญ่มักต้องรวมข้อมูลจากหลายแหล่งเข้าด้วยกัน เช่น การนำข้อมูลดัชนีความเชื่อมั่นผู้บริโภคมาเชื่อมกับข้อมูลยอดขายรายเดือน โดยใช้ “วันที่” หรือ “ชื่อประเทศ” เป็นตัวเชื่อม (Key)

1. การใช้ pd.merge() (เปรียบเสมือน VLOOKUP ใน Excel) สมมติว่าเรามีตาราง GDP และตารางอัตราการว่างงานแยกกัน เราต้องการรวมให้เป็นตารางเดียว

# ตารางที่ 1: ข้อมูล GDP
df_gdp = pd.DataFrame({
    'Country': ['Thailand', 'Vietnam', 'Malaysia'],
    'GDP': [500, 400, 350]
})

# ตารางที่ 2: ข้อมูล Unemployment
df_unemp = pd.DataFrame({
    'Country': ['Thailand', 'Vietnam', 'Singapore'],
    'Unemployment': [1.2, 2.1, 3.5]
})

# รวมข้อมูลเข้าด้วยกันโดยใช้ Country เป็นตัวเชื่อม
# How='inner' คือเอาเฉพาะประเทศที่มีข้อมูลในทั้งสองตาราง
merged_df = pd.merge(df_gdp, df_unemp, on='Country', how='inner')

display(merged_df)

	Country	GDP	Unemployment
0	Thailand	500	1.2
1	Vietnam	400	2.1

2. การเลือกรูปแบบการรวม (Inner, Outer, Left, Right Join)

• Inner Join: เอาเฉพาะแถวที่มี Key ตรงกันทั้งสองตาราง (เช่น สิงคโปร์และมาเลเซียจะหายไปเพราะข้อมูลไม่ครบ)

• Left Join: เอาตารางซ้ายเป็นหลัก (เช่น เอาทุกประเทศในตาราง GDP แม้ไม่มีข้อมูลว่างงาน) ซึ่งนักเศรษฐศาสตร์นิยมใช้มากที่สุดเพื่อรักษาชุดข้อมูลหลักไว้

# ลองใช้ Left Join เพื่อรักษาข้อมูล Malaysia ไว้ (แม้จะไม่มีข้อมูล Unemployment)
left_merged = pd.merge(df_gdp, df_unemp, on='Country', how='left')

display(left_merged)

	Country	GDP	Unemployment
0	Thailand	500	1.2
1	Vietnam	400	2.1
2	Malaysia	350	NaN

5.10 ข้อมูลภาคตัดขวาง

ข้อมูลพาเนลคือข้อมูลที่มีทั้งมิติของ “หน่วย” (Cross-section) และ “เวลา” (Time) รวมอยู่ด้วยกัน (เช่น ข้อมูล GDP ของ 10 ประเทศ ย้อนหลัง 20 ปี)

ใน Pandas เราจัดการข้อมูลประเภทนี้ด้วย MultiIndex หรือการจัดรูปแบบแบบ Long Format

# ตัวอย่างโครงสร้างข้อมูลพาเนล (Country-Year)
panel_data = {
    'Year': [2022, 2022, 2023, 2023],
    'Country': ['TH', 'VN', 'TH', 'VN'],
    'GDP': [500, 400, 520, 430]
}
panel_df = pd.DataFrame(panel_data)

# ตั้งค่า Index เป็น 2 มิติ (Entity, Time)
panel_df = panel_df.set_index(['Country', 'Year'])
display(panel_df)

		GDP
Country	Year
TH	2022	500
VN	2022	400
TH	2023	520
VN	2023	430

# การเข้าถึงข้อมูลเฉพาะกลุ่ม (เช่น ดูเฉพาะของ Thailand)
display(panel_df.loc['TH'])

	GDP
Year
2022	500
2023	520

5.11 การจัดการข้อมูลที่ขาดหาย (Handling Missing Data)

ในงานเศรษฐศาสตร์จริง ข้อมูลมักจะไม่ครบถ้วน (Missing Data) เช่น บางประเทศอาจไม่มีการรายงานตัวเลข GDP ในบางปี หรือข้อมูลอัตราการว่างงานที่จัดเก็บรายไตรมาสแต่เราต้องการรายเดือน ในทางสถิติเราเรียกค่าว่างเหล่านี้ว่า NaN (Not a Number)

1. การตรวจสอบช่องโหว่ของข้อมูล ก่อนจะเริ่มวิเคราะห์เราต้องรู้ก่อนว่าข้อมูลหายไปจุดไหนบ้าง

# สร้างข้อมูลที่มีค่าว่าง (None หรือ np.nan)
data_missing = {
    'Year': [2020, 2021, 2022, 2023],
    'GDP_Growth': [2.5, np.nan, 3.1, np.nan],
    'Unemployment': [1.2, 1.5, np.nan, 1.8]
}
df_miss = pd.DataFrame(data_missing)

# ตรวจสอบจำนวนค่าว่างในแต่ละคอลัมน์
print(df_miss.isnull().sum())

Year            0
GDP_Growth      2
Unemployment    1
dtype: int64

2. กลยุทธ์การจัดการข้อมูล (Strategies) นักเศรษฐศาสตร์มีวิธีรับมือกับ NaN หลักๆ 3 วิธี ขึ้นอยู่กับบริบทของข้อมูล:

   • การลบข้อมูล (Dropping) ใช้เมื่อข้อมูลส่วนที่หายไปนั้นมีน้อยมาก และไม่กระทบต่อความเป็นตัวแทนของกลุ่มตัวอย่าง

# ลบแถวที่มีค่าว่างอย่างน้อย 1 คอลัมน์ออกไป
df_dropped = df_miss.dropna()
display(df_dropped)

	Year	GDP_Growth	Unemployment
0	2020	2.5	1.2

* การเติมด้วยค่าสถิติ (Imputation) เช่น การเติมด้วยค่าเฉลี่ย (Mean) หรือมัธยฐาน (Median) ของกลุ่ม

# เติมค่าว่างใน GDP_Growth ด้วยค่าเฉลี่ยของปีที่มีข้อมูล
df_miss['GDP_filled'] = df_miss['GDP_Growth'].fillna(df_miss['GDP_Growth'].mean())

* การเติมข้อมูลอนุกรมเวลา (Time Series Interpolation) สำหรับนักเศรษฐศาสตร์ วิธีนี้สำคัญมาก เช่น การใช้ค่าของปีก่อนหน้ามาแทนที่ (`Forward Fill`) หรือการลากเส้นแนวโน้มระหว่างจุด (`Interpolate`)

# Forward Fill (ffill): ใช้ค่าปีก่อนหน้ามาเติม (เช่น นโยบายปีก่อนยังส่งผลต่อเนื่อง)
df_miss['GDP_ffill'] = df_miss['GDP_Growth'].ffill()

# Linear Interpolation: ลากเส้นตรงเชื่อมระหว่างจุดข้อมูลที่มีอยู่
df_miss['Unemp_linear'] = df_miss['Unemployment'].interpolate()

display(df_miss)

	Year	GDP_Growth	Unemployment	GDP_filled	GDP_ffill	Unemp_linear
0	2020	2.5	1.2	2.5	2.5	1.20
1	2021	NaN	1.5	2.8	2.5	1.50
2	2022	3.1	NaN	3.1	3.1	1.65
3	2023	NaN	1.8	2.8	3.1	1.80

Géron, Aurélien. 2019. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow. 2nd ed. O’Reilly Media.

Greene, William H. 2018. Econometric Analysis. 8th ed. Pearson.

Hamilton, James D. 1994. Time Series Analysis. Princeton University Press.

Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. 2009a. The Elements of Statistical Learning. Springer.

Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. 2009b. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer.

Hyndman, Rob J., and George Athanasopoulos. 2021. Forecasting: Principles and Practice. 3rd ed.

McKinney, Wes. 2022. Python for Data Analysis. 3rd ed. O’Reilly Media.

Quarto Team. 2024. Quarto Documentation. https://quarto.org.

Stock, James H., and Mark W. Watson. 2020. Introduction to Econometrics. 4th ed. Pearson.

VanderPlas, Jake. 2016. Python Data Science Handbook. O’Reilly Media.

Wickham, Hadley, Mine Cetinkaya-Rundel, and Garrett Grolemund. 2023. R for Data Science. 2nd ed.

Wooldridge, Jeffrey M. 2020. Introductory Econometrics: A Modern Approach. 7th ed. Cengage Learning.

Xie, Yihui, J. J. Allaire, and Garrett Grolemund. 2018. R Markdown: The Definitive Guide. Chapman; Hall/CRC.