Thep Excel
Table.AddFuzzyClusterColumn – จัดกลุ่มข้อมูลที่คล้ายกัน
Table.AddFuzzyClusterColumn เพิ่มคอลัมน์ใหม่ที่มีค่าตัวแทนสำหรับแต่ละกลุ่ม โดยจับคู่ข้อมูลที่คล้ายกัน แม้จะมีข้อความที่ต่างกัน เช่น การสะกด ตัวอักษรพิมพ์ใหญ่-เล็ก หรือช่องว่าง
= Table.AddFuzzyClusterColumn(table as table, columnName as text, newColumnName as text, optional options as nullable record) as table
Function Metrics
Popularity
5/10
Difficulty
4/10
Usefulness
6/10
Syntax & Arguments
= Table.AddFuzzyClusterColumn(table as table, columnName as text, newColumnName as text, optional options as nullable record) as table
| Argument | Type | Required | Default | Description |
|---|---|---|---|---|
| table | Table | Yes | ตารางที่ต้องการเพิ่มคอลัมน์เคลสเตอร์ | |
| columnName | Text | Yes | ชื่อคอลัมน์ที่มีข้อมูลที่ต้องการจับคู่แบบ Fuzzy | |
| newColumnName | Text | Yes | ชื่อคอลัมน์ใหม่ที่จะเก็บค่าตัวแทนของแต่ละกลุ่ม | |
| options | Record | Optional | [IgnoreCase = true, IgnoreSpace = true, Threshold = 0.80] | ระเบียนตัวเลือกสำหรับปรับแต่งการทำงาน เช่น Threshold, IgnoreCase, IgnoreSpace, Culture |
How it works
ทำ Data Standardization
ทำ Data Standardization
แก้ปัญหาข้อมูลซ้ำซ้อน (De-duplication)
แก้ปัญหาข้อมูลซ้ำซ้อน (De-duplication)
เตรียมข้อมูล Master Data
เตรียมข้อมูล Master Data
Examples
ตัวอย่างพื้นฐาน – ทำความสะอาดสถานที่
Table.AddFuzzyClusterColumn( Table.FromRecords( { [EmployeeID = 1, Location = "Seattle"], [EmployeeID = 2, Location = "seattl"], [EmployeeID = 3, Location = "Va…
= Table.AddFuzzyClusterColumn(
Table.FromRecords(
{
[EmployeeID = 1, Location = "Seattle"],
[EmployeeID = 2, Location = "seattl"],
[EmployeeID = 3, Location = "Vancouver"],
[EmployeeID = 4, Location = "Seatle"]
},
type table [EmployeeID = nullable number, Location = nullable text]
),
"Location",
"Location_Cleaned",
[IgnoreCase = true, IgnoreSpace = true]
)
ตารางใหม่มี 5 คอลัมน์: EmployeeID, Location, Location_Cleaned
Location_Cleaned จะมีค่า:
- 'Seattle' สำหรับ rows 1, 2, 4
- 'Vancouver' สำหรับ row 3
ตัวอย่างพื้นฐาน – ทำความสะอาดชื่อบริษัท
Table.AddFuzzyClusterColumn( Table.FromRecords( { [CompanyID = 1, CompanyName = "Microsoft Corporation"], [CompanyID = 2, CompanyName = "microsft corporation"],…
= Table.AddFuzzyClusterColumn(
Table.FromRecords(
{
[CompanyID = 1, CompanyName = "Microsoft Corporation"],
[CompanyID = 2, CompanyName = "microsft corporation"],
[CompanyID = 3, CompanyName = "Google Inc"],
[CompanyID = 4, CompanyName = "google INC"]
},
type table [CompanyID = nullable number, CompanyName = nullable text]
),
"CompanyName",
"CompanyName_Standard"
)
ตารางใหม่มี CompanyName_Standard:
- 'Microsoft Corporation' สำหรับ rows 1, 2
- 'Google Inc' สำหรับ rows 3, 4
ตัวอย่างขั้นสูง – ใช้ Threshold สูงสำหรับความแม่นยำ
Table.AddFuzzyClusterColumn( Source, "Product", "Product_Category", [Threshold = 0.95, IgnoreCase = true, IgnoreSpace = false] )
= Table.AddFuzzyClusterColumn(
Source,
"Product",
"Product_Category",
[Threshold = 0.95, IgnoreCase = true, IgnoreSpace = false]
)
จัดกลุ่มเฉพาะสินค้าที่คล้ายกันมากกว่า 95% เท่านั้น ไม่ละเว้นช่องว่าง
ตัวอย่างขั้นสูง – เก็บคะแนนความคล้ายคลึง
Table.AddFuzzyClusterColumn( Source, "CustomerName", "CustomerName_Cleaned", [ Threshold = 0.80, SimilarityColumnName = "MatchScore" ] )
= Table.AddFuzzyClusterColumn(
Source,
"CustomerName",
"CustomerName_Cleaned",
[
Threshold = 0.80,
SimilarityColumnName = "MatchScore"
]
)
ตารางมี 2 คอลัมน์ใหม่:
- CustomerName_Cleaned (ค่าตัวแทน)
- MatchScore (คะแนน 0-1 ว่าค่าดั้งเดิมคล้ายกับตัวแทนเพียงไร)
FAQs
Table.AddFuzzyClusterColumn ต่างจาก Table.Distinct หรือ Table.Group อย่างไร?
ง่ายๆ ก็คือ Table.Distinct มันแค่ลบแถวที่ซ้ำกันทุกตัว (ต้องตรงเป๊ะ) ส่วน Table.Group มันเพียงแค่จัดกลุ่มข้อมูลอย่างโง่ๆ (1+1 กับ 1.0 มันไม่เท่ากัน) แต่ Table.AddFuzzyClusterColumn มันชาญฉลาด มันจับคู่ที่คล้ายกันแล้วให้ค่าตัวแทน 1 ค่า ถ้าข้อมูลของคุณมี typo หรือเขียนไม่สม่ำเสมอ ตัวนี้เป็นทางออก
Threshold ควรตั้งค่าเท่าไหร่?
ขึ้นอยู่กับว่าคุณต้องการความแม่นยำแค่ไหน: 0.70-0.80 = หลวมๆ (ยอมรับความผิดได้) | 0.80-0.90 = ตัวกลาง (ส่วนใหญ่ใช้อันนี้) | 0.90-0.99 = เข้มงวด (กลัวจัดกลุ่มผิด) ส่วนตัวผมชอบเริ่มที่ 0.80 แล้วทดสอบดู
ใช้กับ Power Query เวอร์ชันไหนได้?
ได้ใน Microsoft 365 Excel, Power BI Desktop, Power Query Online, และ SQL Server 2019 ขึ้นไป ถ้าใช้ Excel เก่าๆ อาจต้องอัปเดต
เมื่อไรควรใช้ TransformationTable?
เมื่อคุณมีรายการแมปที่รู้ล่วงหน้า เช่น ‘USA’ มีไว้แล้ว = ‘United States’, ‘NYC’ = ‘New York’ มันจะเร็วกว่า fuzzy matching เหมาะสำหรับข้อมูลที่ซ้ำๆ
ฟังก์ชันนี้จัดการกับภาษาต่างๆ ได้หรือ?
ได้ใช้ Culture parameter: ‘ja-JP’ สำหรับญี่ปุ่น, ‘th-TH’ สำหรับไทย, ‘de-DE’ สำหรับเยอรมัน เป็นต้น ค่าว่าง = Invariant English (ไม่มีข้อความพิเศษ)
แต่ถ้าจัดกลุ่มข้อมูล 1 ล้านแถวนี่ใช้เวลาเท่าไร?
มันขึ้นอยู่กับ Threshold และความซับซ้อนของข้อมูล โดยทั่วไป fuzzy matching เร็วกว่าการ filter-group-replace แบบ manual ส่วนตัวผมเจอข้อมูล 500,000 แถว ใช้เวลาประมาณ 1-2 นาทีเท่านั้น
Resources & Related
Resources
Related functions
Additional Notes
Table.AddFuzzyClusterColumn เป็นฟังก์ชันที่ช่วยทำความสะอาดข้อมูล (data cleaning) แบบฉลาดๆ ด้วยการจับคู่ข้อความที่คล้ายกันแม้มีการเขียนไม่สม่ำเสมอ มันจะจัดกลุ่มค่าต่างๆ เข้าด้วยกัน แล้วให้ค่าตัวแทน 1 ค่าสำหรับทั้งกลุ่ม
ที่เจ๋งคือ ฟังก์ชันนี้ใช้ Fuzzy Matching ซึ่งไม่ได้ตามเนื้อตามตัวแบบ 100% แต่มองหาความคล้ายคลึง เช่น ‘Seattle’, ‘seattl’, ‘Seatle’ มันจะรู้ว่าเหล่านี้ต้องการเขียนเป็นอย่างเดียว ช่วยแก้ปัญหา Typos, ตัวพิมพ์ใหญ่-เล็ก, ช่องว่างได้ครบถ้วน
ส่วนตัวผม เคยจัดการข้อมูลลูกค้า 10,000 รายที่ชื่อเหมือนๆ กันแต่เขียนไม่เท่า (บางคนพิมพ์ ‘microsoft corp’, บางคนพิมพ์ ‘Microsoft Corporation’) ตัวนี้ช่วยได้เยอะ เดี๋ยว 5 นาที ได้ผลลัพธ์ที่ใช้ได้เลย ข้อดี: ตั้งค่า Threshold ได้หลากหลาย ข้อจำกัด: ต้องรู้ว่า 0.80 กับ 0.95 นั้นต่างกันยังไง