Python Pandas - สร้าง Pipeline และลบคอลัมน์ออกจาก DataFrame ด้วย pdpipe

ไลบรารี pdpipe ให้เครื่องมือสร้าง Pipeline สำหรับการแปลงข้อมูล (Data Transformation) แบบขั้นตอน (step-by-step) ซึ่งทำให้โค้ดอ่านง่าย จัดการได้ง่าย และนำไปใช้ซ้ำได้ ในที่นี้จะสาธิตการลบคอลัมน์ออกจาก DataFrame ด้วย ColDrop

ขั้นตอนการทำงาน

1. ติดตั้งและนำเข้าไลบรารี

pip install pdpipe

import pdpipe as pdp
import pandas as pd

2. สร้าง DataFrame ตัวอย่าง

dataFrame = pd.DataFrame({
    "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
    "Units": [100, 150, 110, 80, 110, 90]
})

3. สร้าง Pipeline ลบคอลัมน์ "Units"

# สร้าง stage ลบคอลัมน์
drop_units = pdp.ColDrop("Units")

# ใช้ pipeline กับ DataFrame
resDF = drop_units.apply(dataFrame)

โค้ดตัวอย่างสมบูรณ์

import pdpipe as pdp
import pandas as pd

# สร้าง DataFrame
dataFrame = pd.DataFrame({
    "Car": ['BMW', 'Lexus', 'Audi', 'Mustang', 'Bentley', 'Jaguar'],
    "Units": [100, 150, 110, 80, 110, 90]
})
print("DataFrame เดิม:\n", dataFrame)

# ลบแถวที่ Car == 'Jaguar' (ตัวอย่างเพิ่มเติม)
dataFrame = pdp.ValDrop(['Jaguar'], 'Car').apply(dataFrame)
print("\nDataFrame หลังลบแถว Jaguar:\n", dataFrame)

# ลบคอลัมน์ Units
resDF = pdp.ColDrop("Units").apply(dataFrame)
print("\nDataFrame หลังลบคอลัมน์ Units:\n", resDF)

ผลลัพธ์

DataFrame เดิม:
       Car  Units
0      BMW    100
1    Lexus    150
2     Audi    110
3  Mustang     80
4  Bentley    110
5   Jaguar     90

DataFrame หลังลบแถว Jaguar:
       Car  Units
0      BMW    100
1    Lexus    150
2     Audi    110
3  Mustang     80
4  Bentley    110

DataFrame หลังลบคอลัมน์ Units:
       Car
0      BMW
1    Lexus
2     Audi
3  Mustang
4  Bentley

ข้อดีของ pdpipe

• สร้าง Pipeline ที่ใช้ซ้ำได้ (reusable)
• รองรับการ chain หลายขั้นตอน (fit -> transform)
• มี stage สำเร็จรูปมากมาย: ColDrop, ValDrop, ApplyByCols, OneHotEncode, ฯลฯ
• เข้ากันได้กับ scikit-learn Pipeline

การติดตั้ง

pip install pdpipe