# พื้นฐาน Pandas (Data Science & ML)

> DataFrames, Series, การทำดัชนี, การเลือก, การกรอง, ค่าที่หายไป, ชนิดข้อมูล

- 22 คำถามสัมภาษณ์
- Junior
- [คำถามสัมภาษณ์: Data Science & ML](https://sharpskill.dev/th/technologies/data-science/interview-questions.md)

## 1. โครงสร้างข้อมูลหลักของ Pandas สำหรับจัดเก็บข้อมูลแบบตารางที่มีแถวและคอลัมน์ที่มีชื่อคืออะไร?

**คำตอบ**

DataFrame เป็นโครงสร้างข้อมูลหลักของ Pandas ที่ออกแบบมาเพื่อจัดเก็บข้อมูลตารางสองมิติ แต่ละคอลัมน์สามารถเก็บชนิดข้อมูลที่แตกต่างกันได้ และทั้งแถวและคอลัมน์มีป้ายกำกับ (index) โครงสร้างนี้คล้ายกับสเปรดชีต Excel หรือตาราง SQL ทำให้จัดการข้อมูลที่มีโครงสร้างได้ง่าย

## 2. โครงสร้าง Pandas ใดที่แสดงข้อมูลคอลัมน์เดียวพร้อมดัชนี?

**คำตอบ**

Series คือโครงสร้างหนึ่งมิติที่สามารถเก็บชนิดข้อมูลใดก็ได้ (จำนวนเต็ม, สตริง, ทศนิยม, ออบเจกต์ Python) แต่ละองค์ประกอบมีดัชนีที่เชื่อมโยง ทำให้สามารถเข้าถึงค่าโดยใช้ป้ายกำกับได้ คอลัมน์ที่แยกออกจาก DataFrame จะถูกแปลงเป็น Series โดยอัตโนมัติ

## 3. จะสร้าง DataFrame จาก Python dictionary โดยที่ key กลายเป็นชื่อคอลัมน์ได้อย่างไร?

**คำตอบ**

ฟังก์ชัน pd.DataFrame() รับ Python dictionary โดยตรง คีย์ของ dictionary จะกลายเป็นชื่อคอลัมน์โดยอัตโนมัติ และค่า (list หรือ array) จะกลายเป็นข้อมูลของแต่ละคอลัมน์ วิธีนี้เป็นวิธีที่นิยมที่สุดในการสร้าง DataFrame จากข้อมูลที่มีโครงสร้างใน Python

## มีอีก 19 คำถาม

- ควรใช้เมธอดใดในการอ่านไฟล์ CSV และโหลดเข้าสู่ DataFrame?
- เมธอดใดที่แสดงแถวแรกของ DataFrame เพื่อดูตัวอย่างข้อมูลอย่างรวดเร็ว?

สมัครฟรี: https://sharpskill.dev/th/login

## หัวข้อสัมภาษณ์ Data Science & ML อื่นๆ

- [พื้นฐาน Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-basics.md): 25 คำถาม, Junior
- [การเขียนโปรแกรมเชิงวัตถุด้วย Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-oop.md): 20 คำถาม, Junior
- [โครงสร้างข้อมูล Python](https://sharpskill.dev/th/technologies/data-science/interview-questions/python-data-structures.md): 20 คำถาม, Junior
- [พื้นฐาน Git](https://sharpskill.dev/th/technologies/data-science/interview-questions/git-fundamentals.md): 18 คำถาม, Junior
- [พื้นฐาน SQL](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-basics.md): 20 คำถาม, Junior
- [พื้นฐาน NumPy](https://sharpskill.dev/th/technologies/data-science/interview-questions/numpy-fundamentals.md): 22 คำถาม, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/th/technologies/data-science/interview-questions/jupyter-colab.md): 16 คำถาม, Junior
- [SQL Joins และคิวรีขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/sql-joins-advanced.md): 22 คำถาม, Mid-Level
- [Pandas ขั้นสูง](https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-advanced.md): 24 คำถาม, Mid-Level
- [การแสดงผลข้อมูลด้วย Matplotlib & Seaborn](https://sharpskill.dev/th/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20 คำถาม, Mid-Level
- [การแสดงผลแบบโต้ตอบด้วย Plotly](https://sharpskill.dev/th/technologies/data-science/interview-questions/plotly-interactive.md): 18 คำถาม, Mid-Level
- [สถิติเชิงพรรณนา](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-descriptive.md): 20 คำถาม, Mid-Level
- [สถิติเชิงอนุมาน](https://sharpskill.dev/th/technologies/data-science/interview-questions/statistics-inferential.md): 24 คำถาม, Mid-Level
- [Web Scraping](https://sharpskill.dev/th/technologies/data-science/interview-questions/web-scraping.md): 18 คำถาม, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/th/technologies/data-science/interview-questions/bigquery-cloud.md): 18 คำถาม, Mid-Level
- [Feature Engineering](https://sharpskill.dev/th/technologies/data-science/interview-questions/feature-engineering.md): 22 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การถดถอย](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-regression.md): 24 คำถาม, Mid-Level
- [ML แบบมีผู้สอน: การจำแนกประเภท](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-supervised-classification.md): 24 คำถาม, Mid-Level
- [Decision Trees และ Ensembles](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24 คำถาม, Mid-Level
- [Unsupervised ML](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-unsupervised.md): 22 คำถาม, Mid-Level
- [ML Pipelines และการตรวจสอบ](https://sharpskill.dev/th/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22 คำถาม, Mid-Level
- [Time Series และการพยากรณ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/time-series-forecasting.md): 22 คำถาม, Mid-Level
- [พื้นฐาน Deep Learning](https://sharpskill.dev/th/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24 คำถาม, Senior
- [TensorFlow & Keras](https://sharpskill.dev/th/technologies/data-science/interview-questions/tensorflow-keras.md): 22 คำถาม, Senior
- [CNN และการจำแนกภาพ](https://sharpskill.dev/th/technologies/data-science/interview-questions/cnn-image-classification.md): 24 คำถาม, Senior
- [RNN และซีเควนซ์](https://sharpskill.dev/th/technologies/data-science/interview-questions/rnn-sequences.md): 22 คำถาม, Senior
- [Transformers และ Attention](https://sharpskill.dev/th/technologies/data-science/interview-questions/transformers-attention.md): 24 คำถาม, Senior
- [NLP และ Hugging Face](https://sharpskill.dev/th/technologies/data-science/interview-questions/nlp-huggingface.md): 24 คำถาม, Senior
- [GenAI และ LangChain](https://sharpskill.dev/th/technologies/data-science/interview-questions/genai-langchain.md): 24 คำถาม, Senior
- [MLOps และการ Deploy](https://sharpskill.dev/th/technologies/data-science/interview-questions/mlops-deployment.md): 24 คำถาม, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/th/technologies/data-science/interview-questions/pandas-basics