get-price

Introduction

หัวข้อนี้จะเจาะลึกการใช้งานกลุ่มฟังก์ชัน get_*_prices ซึ่งประกอบด้วย get_daily_prices(), get_weekly_prices(), และ get_monthly_prices()

กฎข้อสำคัญ

การค้นหาจะรับพารามิเตอร์หลักเพียงโหมดเดียวเท่านั้น - คุณไม่สามารถใช้ category_code ร่วมกับ product_code ได้

ก่อนเริ่มต้นดึงข้อมูล คุณควรตรวจสอบรหัสที่ต้องการจากฟังก์ชัน show_*() ที่เหมาะสม: - show_daily_categories() / show_daily_products() - สำหรับรายวัน - show_weekly_categories() / show_weekly_products() - สำหรับรายสัปดาห์และรายเดือน

library(talatThaiR)
library(dplyr)

# ตรวจสอบรหัสที่มี
show_daily_categories()
show_weekly_products()

---

ราคาสินค้ารายวัน (get_daily_prices)

ฟังก์ชันนี้มีความยืดหยุ่นสูง โดยรองรับโหมดการค้นหา 3 แบบ:

โหมด	พารามิเตอร์	คำอธิบาย
Category	category_code	ค้นหาตามหมวดหมู่
Product	product_code	ค้นหาตามสินค้า
Date	date	ดึงข้อมูลสินค้าทุกชนิดที่มีในวันที่กำหนด

โหมดที่ 1: ค้นหาด้วย Category

ค้นหาราคาของสินค้าทั้งหมดในหมวดหมู่หนึ่ง

# ดึงข้อมูลราคาข้าวหอมมะลิทุกขนาด ทั้งหมดที่มี
rice_mali_all <- get_daily_prices(category_code = "RICE_MALI")
head(rice_mali_all)

# ดูสถิติพื้นฐาน
nrow(rice_mali_all)      # จำนวนระเบียน
summary(rice_mali_all$day_price)  # สถิติราคา

โหมดที่ 2: ค้นหาด้วย Product

ค้นหาราคาของสินค้าระดับตัวเฉพาะ

# ดึงข้อมูลราคามะนาวขนาด XL
lime_xl <- get_daily_prices(product_code = "LIME_XL")
head(lime_xl)

# ดึงข้อมูลราคาไข่ไก่ (เบอร์ 3)
egg_3 <- get_daily_prices(product_code = "EGG_3")
head(egg_3)

โหมดที่ 3: ดึงข้อมูลทุกอย่างในวันที่กำหนด

ดึงราคาของสินค้าทุกประเภทหลักในวันที่ระบุ

# ดึงข้อมูลราคาสินค้าทุกชนิดของวันนี้
all_prices_today <- get_daily_prices(date = as.character(Sys.Date()))
head(all_prices_today)

# ดึงข้อมูลของวันที่เฉพาะ
all_prices_date <- get_daily_prices(date = "2026-01-15")
head(all_prices_date)

การกรองด้วยช่วงเวลา (Date Filtering)

หากคุณค้นหาด้วยรหัส (category_code หรือ product_code) คุณสามารถกำหนด start_date และ end_date เพื่อจำกัดผลลัพธ์ได้

# ดึงข้อมูลราคาข้าวหอมมะลิ ตั้งแต่ 1 มค. 2026 เป็นต้นไป
rice_mali_2026 <- get_daily_prices(
  category_code = "RICE_MALI",
  start_date = "2026-01-01"
)

# ดึงข้อมูลในช่วงเวลาที่ระบุ
lime_range <- get_daily_prices(
  product_code = "LIME_M",
  start_date = "2026-01-01",
  end_date = "2026-03-31"
)

# end_date ค่าเริ่มต้นคือวันนี้ ถ้าไม่ระบุ
tomorrow_range <- get_daily_prices(
  category_code = "CHICKEN",
  start_date = "2026-01-01"
  # end_date จะเป็นวันนี้อัตโนมัติ
)

ตัวอย่าง: การวิเคราะห์แนวโน้ราคา

# ดึงข้อมูลและคำนวณแนวโน้
lime_daily <- get_daily_prices(
  product_code = "LIME_M",
  start_date = "2026-01-01",
  end_date = "2026-03-31"
)

# วิเคราะห์แนวโน้ราคา

trend_analysis <- lime_daily |>
  dplyr::mutate(data_date = as.Date(data_date)) |>
  dplyr::arrange(data_date) |>
  dplyr::mutate(
    moving_avg_7 = stats::filter(day_price, rep(1/7, 7), sides = 2),
    price_diff   = day_price - dplyr::lag(day_price, 1)
  ) |>
  dplyr::select(data_date, day_price, moving_avg_7, price_diff)

head(trend_analysis)

---

ราคาสินค้ารายสัปดาห์ (get_weekly_prices)

สำหรับรายสัปดาห์ การระบุเวลาจะใช้ปีพุทธศักราช (year_th) และเดือน (month) แทนรูปแบบวันที่

โหมด	พารามิเตอร์	คำอธิบาย
Category	category_code	ค้นหาตามหมวดหมู่
Product	product_code	ค้นหาตามสินค้า
Date	year_th + month	ค้นหาของทุกสินค้าในเดือนที่ระบุ

ข้อควรระวัง

1. year_th และ month ต้องระบุคู่กันเสมอ เมื่อใช้ร่วมกันหรือใช้แยกเป็นโหมดสุดท้าย
2. month ไม่สามารถระบุเดี่ยวๆ ได้ ต้องมี year_th กำกับเสมอ

ตัวอย่างการใช้งาน

โหมด Standalone: ดึงข้อมูลทุกสินค้าในเดือนหนึ่ง

# ดึงข้อมูลสัปดาห์ของสินค้าทั้งหมดในเดือน 2 ปี 2569
all_weekly_feb2569 <- get_weekly_prices(year_th = 2569, month = 2)

# ดูว่ามีสินค้าอะไรบ้างในข้อมูล
unique(all_weekly_feb2569$product_name)

โหมด Category: ค้นหาด้วยหมวดหมู่

# ดึงข้อมูลรายสัปดาห์ของหมวดกระบือ เฉพาะเดือน 2 ปี 2569
buffalo_weekly <- get_weekly_prices(
  category_code = "BUFFALO",
  year_th = 2569,
  month = 1
)

# สถิติราคากระบือรายสัปดาห์
summary(buffalo_weekly)

โหมด Product: ค้นหาด้วยสินค้า

# ดึงข้อมูลรายสัปดาห์ของสุกรมีชีวิต
pork_weekly <- get_weekly_prices(product_code = "PORK_LIVE_100")

# กรองเฉพาะปี 2569
pork_weekly_2569 <- pork_weekly |>
  dplyr::filter(year_th == "2569")

# ดูราคาเฉลี่ยในแต่ละเดือน
pork_monthly_avg <- pork_weekly_2569 |>
  dplyr::group_by(month) |>
  dplyr::summarise(
    avg_price = mean(value),
    min_price = min(value),
    max_price = max(value)
  )
print(pork_monthly_avg)

---

ราคาสินค้ารายเดือน (get_monthly_prices)

รายเดือนใช้โครงสร้างคล้ายกับรายสัปดาห์ แต่มีความแตกต่างที่สำคัญ:

ความแตกต่าง	รายสัปดาห์	รายเดือน
การระบุ month	ไม่สามารถระบุเดี่ยวๆ	ไม่สามารถระบุเดี่ยวๆ ต้องมี year_th กำกับ
ระดับต่ำสุด	ใช้ year_th + month แยกเป็นโหมดสุดท้าย	ใช้ year_th + month แยกเป็นโหมดสุดท้าย

ตัวอย่างการใช้งาน

ดึงข้อมูลรายเดือนของหมวดหมู่

# ดึงข้อมูลหมวดกระบือรายเดือน (ข้อมูลทั้งหมดที่มี)
buffalo_monthly_all <- get_monthly_prices(category_code = "BUFFALO")

# วิเคราะห์แนวโน้ราคาระยเดือน
buffalo_trend <- buffalo_monthly_all |>
  dplyr::arrange(month, year_th)

head(buffalo_trend)

ดึงข้อมูลรายเดือนพร้อมกรองปี

# ดึงข้อมูลสินค้ารายเดือน เฉพาะปี 2569
pork_monthly_2569 <- get_monthly_prices(
  product_code = "PORK_LIVE_100",
  year_th = 2569
)

# เปรียบเทียบราคาเฉลี่ยเดือน
pork_monthly_2569 |>
  dplyr::arrange(month) |>
  dplyr::select(year_th, month, value)

ดึงข้อมูลรายเดือนพร้อมกรองทั้งปีและเดือน

# กรองข้อมูลเฉพาะไตรมาสที่ 1 ของทุกปี
q1_cassava <- get_monthly_prices(
  category_code = "CASSAVA"
) |>
  dplyr::filter(month %in% 1:3)

# คำนวณราคาเฉลี่ยไตรมาส
q1_avg <- q1_cassava |>
  dplyr::group_by(year_th) |>
  dplyr::summarise(
    q1_avg = mean(value, na.rm = TRUE),
    q1_min = min(value, na.rm = TRUE),
    q1_max = max(value, na.rm = TRUE)
  )
print(q1_avg)

---

Advanced Use Cases

เปรียบเทียบราคาระหว่างสินค้า

# ดึงข้อมูลราคาข้าวหอมมะลิและข้าวเปลือกเจ้า ในช่วงเวลาเดียวกัน
cassava_prices_20260101_20260201 <- get_daily_prices(
  category_code = "CASSAVA",
  start_date = "2026-01-01",
  end_date = "2026-02-01"
)

# เรียกชื่อข้าวทุกชนิดในหมวด
cassava_names <- show_daily_products() |>
  dplyr::filter(grepl("^CASSAVA", Code)) |>
  dplyr::pull(Name)

cassava_prices_20260101_20260201 |> 
  dplyr::summarise(avg_price = mean(day_price, na.rm = TRUE), .by = product_name)

การติดตามราคาสินค้าหลายชนิด

# สร้างฟังก์ชันสำหรับติดตามราคา
track_prices <- function(product_code, start_date, end_date) {
  get_daily_prices(
    product_code = product_code,
    start_date = start_date,
    end_date = end_date
  ) |>
    dplyr::mutate(
      product_code = product_code,
      data_date = as.Date(data_date)
    ) |>
    dplyr::select(product_code, data_date, day_price, year_th, month)
}

# ติดตามราคามะนาวหลายขนาด พร้อมกัน
products_to_track <- c("LIME_XL", "LIME_S")

XL_vs_S_lime_prices <- purrr::map_dfr(
  products_to_track,
  track_prices,
  start_date = "2026-01-01",
  end_date   = "2026-02-01"
)

---

Tips and Best Practices

1. เริ่มจาก show_*() เสมอ - ตรวจสอบรหัสที่มีก่อนดึงข้อมูล
2. ใช้ start_date และ end_date สำหรับช่วงเวลา - ดึงเฉพาะข้อมูลที่ต้องการเพื่อประหบเวลาและประหบเครือขาง
3. ตรวจสอบปีพุทธศักราช - รายสัปดาห์และรายเดือนใช้ year_th (พ.ศ.)
4. สังเกตปัญหาของ Pagination - ข้อมูลจำนวนมากจะดึงช้ากว่าปกติ
5. จัดเก็บข้อมูล - ถ้าดึงข้อมูลบ่อย ควรจัดเก็บลงไฟล์เพื่อไม่ต้องดึงซ้ำ