Overview

Dataset statistics

Number of variables14
Number of observations22787
Missing cells13457
Missing cells (%)4.2%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory2.4 MiB
Average record size in memory112.0 B

Variable types

Numeric2
Categorical12

Alerts

name_department has a high cardinality: 76 distinct values High cardinality
kpi_no has a high cardinality: 117 distinct values High cardinality
name has a high cardinality: 576 distinct values High cardinality
detail has a high cardinality: 6778 distinct values High cardinality
measurement_value is highly correlated with target_type and 1 other fieldsHigh correlation
target_level_score is highly correlated with levelHigh correlation
target_type is highly correlated with measurement_value and 1 other fieldsHigh correlation
level is highly correlated with target_level_scoreHigh correlation
cycle_name is highly correlated with target_type and 2 other fieldsHigh correlation
name_composition is highly correlated with measurement_value and 2 other fieldsHigh correlation
name_department is highly correlated with name_ministryHigh correlation
data_kpi_type is highly correlated with cycle_name and 1 other fieldsHigh correlation
name_ministry is highly correlated with name_departmentHigh correlation
year is highly correlated with cycle_name and 4 other fieldsHigh correlation
cycle_name is highly correlated with year and 4 other fieldsHigh correlation
name_ministry is highly correlated with name_departmentHigh correlation
name_department is highly correlated with name_ministryHigh correlation
name_composition is highly correlated with year and 3 other fieldsHigh correlation
data_kpi_type is highly correlated with year and 4 other fieldsHigh correlation
target_type is highly correlated with year and 3 other fieldsHigh correlation
weight_x is highly correlated with measurement_valueHigh correlation
level is highly correlated with target_level_scoreHigh correlation
target_level_score is highly correlated with levelHigh correlation
measurement_value is highly correlated with year and 5 other fieldsHigh correlation
target_type has 2418 (10.6%) missing values Missing
weight_x has 1418 (6.2%) missing values Missing
level has 315 (1.4%) missing values Missing
target_level_score has 314 (1.4%) missing values Missing
detail has 5174 (22.7%) missing values Missing
measurement_value has 3789 (16.6%) missing values Missing

Reproduction

Analysis started2026-09-09 04:17:48.120283
Analysis finished2026-09-09 04:17:52.255862
Duration4.14 seconds
Software versionpandas-profiling v3.1.0
Download configurationconfig.json

Variables

year
Real number (ℝ≥0)

HIGH CORRELATION

Distinct7
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean2566.112081
Minimum2562
Maximum2568
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size178.1 KiB
2026-09-09T11:17:52.307306image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum2562
5-th percentile2562.3
Q12565
median2567
Q32568
95-th percentile2568
Maximum2568
Range6
Interquartile range (IQR)3

Descriptive statistics

Standard deviation1.815598755
Coefficient of variation (CV)0.0007075290158
Kurtosis-0.5598621113
Mean2566.112081
Median Absolute Deviation (MAD)1
Skewness-0.7601595815
Sum58473996
Variance3.29639884
MonotonicityDecreasing
2026-09-09T11:17:52.425572image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=7)
ValueCountFrequency (%)
25686402
28.1%
25675925
26.0%
25663226
14.2%
25642553
 
11.2%
25652057
 
9.0%
25631484
 
6.5%
25621140
 
5.0%
ValueCountFrequency (%)
25621140
 
5.0%
25631484
 
6.5%
25642553
 
11.2%
25652057
 
9.0%
25663226
14.2%
25675925
26.0%
25686402
28.1%
ValueCountFrequency (%)
25686402
28.1%
25675925
26.0%
25663226
14.2%
25652057
 
9.0%
25642553
 
11.2%
25631484
 
6.5%
25621140
 
5.0%

cycle_name
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct9
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size178.1 KiB
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน
3891 
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2567 รอบ 12 เดือน
3669 
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2566 รอบ 12 เดือน
3226 
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2564 รอบ 12 เดือน
2553 
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 6 เดือน
2511 
Other values (4)
6937 

Length

Max length59
Median length59
Mean length58.79080177
Min length58

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowการประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน
2nd rowการประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน
3rd rowการประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน
4th rowการประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน
5th rowการประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน

Common Values

ValueCountFrequency (%)
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือน3891
17.1%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2567 รอบ 12 เดือน3669
16.1%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2566 รอบ 12 เดือน3226
14.2%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2564 รอบ 12 เดือน2553
11.2%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 6 เดือน2511
11.0%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2567 รอบ 6 เดือน2256
9.9%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2565 รอบ 12 เดือน2057
9.0%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2563 รอบ 12 เดือน1484
 
6.5%
การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือน1140
 
5.0%

Length

2026-09-09T11:17:52.575322image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:52.683856image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
เดือน22787
14.3%
รอบ22787
14.3%
พ.ศ22787
14.3%
ประจำปีงบประมาณ22787
14.3%
การประเมินของจังหวัด22787
14.3%
1218020
11.3%
25686402
 
4.0%
25675925
 
3.7%
64767
 
3.0%
25663226
 
2.0%
Other values (4)7234
 
4.5%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

name_ministry
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct18
Distinct (%)0.1%
Missing0
Missing (%)0.0%
Memory size178.1 KiB
กลุ่มจังหวัดภาคกลางตอนบน
1914 
กลุ่มจังหวัดภาคใต้ฝั่งอันดามัน
1648 
กลุ่มจังหวัดภาคตะวันออก 2
1601 
กลุ่มจังหวัดภาคเหนือตอนล่าง 1
1547 
กลุ่มจังหวัดภาคใต้ฝั่งอ่าวไทย
1535 
Other values (13)
14542 

Length

Max length42
Median length29
Mean length30.70048712
Min length24

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowกลุ่มจังหวัดภาคเหนือตอนล่าง 2
2nd rowกลุ่มจังหวัดภาคเหนือตอนล่าง 2
3rd rowกลุ่มจังหวัดภาคเหนือตอนล่าง 2
4th rowกลุ่มจังหวัดภาคเหนือตอนล่าง 2
5th rowกลุ่มจังหวัดภาคเหนือตอนล่าง 2

Common Values

ValueCountFrequency (%)
กลุ่มจังหวัดภาคกลางตอนบน1914
 
8.4%
กลุ่มจังหวัดภาคใต้ฝั่งอันดามัน1648
 
7.2%
กลุ่มจังหวัดภาคตะวันออก 21601
 
7.0%
กลุ่มจังหวัดภาคเหนือตอนล่าง 11547
 
6.8%
กลุ่มจังหวัดภาคใต้ฝั่งอ่าวไทย1535
 
6.7%
กลุ่มจังหวัดภาคตะวันออกเฉียงเหนือตอนบน 11522
 
6.7%
กลุ่มจังหวัดภาคเหนือตอนล่าง 21263
 
5.5%
กลุ่มจังหวัดภาคเหนือตอนบน 11244
 
5.5%
กลุ่มจังหวัดภาคตะวันออกเฉียงเหนือตอนกลาง1222
 
5.4%
กลุ่มจังหวัดภาคตะวันออกเฉียงเหนือตอนล่าง 21198
 
5.3%
Other values (8)8093
35.5%

Length

2026-09-09T11:17:52.902693image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
17262
19.5%
27163
19.2%
กลุ่มจังหวัดภาคเหนือตอนล่าง2810
 
7.6%
กลุ่มจังหวัดภาคตะวันออก2419
 
6.5%
กลุ่มจังหวัดภาคตะวันออกเฉียงเหนือตอนบน2410
 
6.5%
กลุ่มจังหวัดภาคตะวันออกเฉียงเหนือตอนล่าง2385
 
6.4%
กลุ่มจังหวัดภาคเหนือตอนบน2316
 
6.2%
กลุ่มจังหวัดภาคกลางตอนล่าง2085
 
5.6%
กลุ่มจังหวัดภาคกลางตอนบน1914
 
5.1%
กลุ่มจังหวัดภาคใต้ฝั่งอันดามัน1648
 
4.4%
Other values (4)4800
12.9%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

name_department
Categorical

HIGH CARDINALITY
HIGH CORRELATION
HIGH CORRELATION

Distinct76
Distinct (%)0.3%
Missing0
Missing (%)0.0%
Memory size178.1 KiB
ตาก
 
449
จันทบุรี
 
363
สระบุรี
 
359
สิงห์บุรี
 
358
นครสวรรค์
 
348
Other values (71)
20910 

Length

Max length15
Median length7
Mean length7.538684338
Min length3

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowพิจิตร
2nd rowพิจิตร
3rd rowพิจิตร
4th rowพิจิตร
5th rowพิจิตร

Common Values

ValueCountFrequency (%)
ตาก449
 
2.0%
จันทบุรี363
 
1.6%
สระบุรี359
 
1.6%
สิงห์บุรี358
 
1.6%
นครสวรรค์348
 
1.5%
พัทลุง347
 
1.5%
กาฬสินธุ์345
 
1.5%
นครพนม344
 
1.5%
นครปฐม343
 
1.5%
สระแก้ว336
 
1.5%
Other values (66)19195
84.2%

Length

2026-09-09T11:17:53.064015image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
ตาก449
 
2.0%
จันทบุรี363
 
1.6%
สระบุรี359
 
1.6%
สิงห์บุรี358
 
1.6%
นครสวรรค์348
 
1.5%
พัทลุง347
 
1.5%
กาฬสินธุ์345
 
1.5%
นครพนม344
 
1.5%
นครปฐม343
 
1.5%
สระแก้ว336
 
1.5%
Other values (66)19195
84.2%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

name_composition
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct10
Distinct (%)< 0.1%
Missing0
Missing (%)0.0%
Memory size178.1 KiB
Performance Base
14852 
Potential Base
5311 
Agenda Base
 
684
Agenda Base, Area Base, Potential Base,
 
585
Agenda Base, Area Base,
 
471
Other values (5)
 
884

Length

Max length39
Median length16
Mean length16.10900952
Min length9

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowPerformance Base
2nd rowPerformance Base
3rd rowPerformance Base
4th rowPerformance Base
5th rowPerformance Base

Common Values

ValueCountFrequency (%)
Performance Base14852
65.2%
Potential Base5311
 
23.3%
Agenda Base684
 
3.0%
Agenda Base, Area Base, Potential Base,585
 
2.6%
Agenda Base, Area Base,471
 
2.1%
Area Base, Potential Base,254
 
1.1%
Area Base228
 
1.0%
Innovation Base228
 
1.0%
Area Base,168
 
0.7%
Area Base, Innovation Base,6
 
< 0.1%

Length

2026-09-09T11:17:53.222663image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:53.483522image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
base24688
50.0%
performance14852
30.1%
potential6150
 
12.5%
agenda1740
 
3.5%
area1712
 
3.5%
innovation234
 
0.5%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

kpi_no
Categorical

HIGH CARDINALITY

Distinct117
Distinct (%)0.5%
Missing0
Missing (%)0.0%
Memory size178.1 KiB
3
1814 
2
1693 
1
1673 
5
1666 
4
1603 
Other values (112)
14338 

Length

Max length6
Median length3
Mean length2.403256243
Min length1

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row1
2nd row1
3rd row1
4th row1.1
5th row1.1

Common Values

ValueCountFrequency (%)
31814
 
8.0%
21693
 
7.4%
11673
 
7.3%
51666
 
7.3%
41603
 
7.0%
61140
 
5.0%
1.1888
 
3.9%
1.2807
 
3.5%
7780
 
3.4%
1.3741
 
3.3%
Other values (107)9982
43.8%

Length

2026-09-09T11:17:53.673294image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
31814
 
8.0%
21693
 
7.4%
11673
 
7.3%
51666
 
7.3%
41603
 
7.0%
61140
 
5.0%
1.1888
 
3.9%
1.2807
 
3.5%
7780
 
3.4%
1.3741
 
3.3%
Other values (104)9982
43.8%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

name
Categorical

HIGH CARDINALITY

Distinct576
Distinct (%)2.5%
Missing12
Missing (%)0.1%
Memory size178.1 KiB
รายได้จากการจำหน่ายผลิตภัณฑ์ชุมชน (OTOP)
 
1074
รายได้จากการท่องเที่ยว
 
1071
ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)
 
965
การประเมินสถานะของหน่วยงานในการเป็นระบบราชการ 4.0 (PMQA 4.0)
 
912
ร้อยละของปริมาณขยะมูลฝอยชุมชนได้รับการจัดการอย่างถูกต้อง
 
741
Other values (571)
18012 

Length

Max length231
Median length50
Mean length50.29554336
Min length2

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique3 ?
Unique (%)< 0.1%

Sample

1st rowตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)
2nd rowตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)
3rd rowตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)
4th rowรายได้จากการท่องเที่ยว
5th rowรายได้จากการท่องเที่ยว

Common Values

ValueCountFrequency (%)
รายได้จากการจำหน่ายผลิตภัณฑ์ชุมชน (OTOP)1074
 
4.7%
รายได้จากการท่องเที่ยว1071
 
4.7%
ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)965
 
4.2%
การประเมินสถานะของหน่วยงานในการเป็นระบบราชการ 4.0 (PMQA 4.0)912
 
4.0%
ร้อยละของปริมาณขยะมูลฝอยชุมชนได้รับการจัดการอย่างถูกต้อง741
 
3.3%
การพัฒนาระบบข้อมูลให้เป็นดิจิทัล (Digitized Data) เพื่อนำไปสู่การเปิดเผยข้อมูลภาครัฐ (Open Data)507
 
2.2%
ร้อยละของการดำเนินการแก้ไขปัญหายาเสพติดในระดับพื้นที่456
 
2.0%
ร้อยละของหมู่บ้าน/ชุมชนที่ไม่พบปัญหายาเสพติด456
 
2.0%
ร้อยละความพึงพอใจต่อการให้บริการประชาชนด้วยระบบอิเล็กทรอนิกส์ (e-Service)456
 
2.0%
จำนวนผลิตภัณฑ์ชุมชนในกลุ่มปรับตัวสู่การพัฒนา (Quadrant D) ได้รับการพัฒนายกระดับเพื่อเตรียมความพร้อมเข้าสู่มาตรฐาน456
 
2.0%
Other values (566)15681
68.8%

Length

2026-09-09T11:17:53.844398image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
4.02286
 
4.8%
otop1452
 
3.1%
data1266
 
2.7%
pmqa1140
 
2.4%
รายได้จากการจำหน่ายผลิตภัณฑ์ชุมชน1086
 
2.3%
รายได้จากการท่องเที่ยว1071
 
2.3%
2.51029
 
2.2%
ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน965
 
2.0%
joint965
 
2.0%
kpis965
 
2.0%
Other values (778)35039
74.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

data_kpi_type
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct7
Distinct (%)< 0.1%
Missing17
Missing (%)0.1%
Memory size178.1 KiB
Shopping
7767 
MENU
7130 
Regulate
5548 
Menu
2238 
IDEN
 
57
Other values (2)
 
30

Length

Max length8
Median length8
Mean length6.339964866
Min length4

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowShopping
2nd rowShopping
3rd rowShopping
4th rowShopping
5th rowShopping

Common Values

ValueCountFrequency (%)
Shopping7767
34.1%
MENU7130
31.3%
Regulate5548
24.3%
Menu2238
 
9.8%
IDEN57
 
0.3%
IDEN 21
 
0.1%
INNO9
 
< 0.1%
(Missing)17
 
0.1%

Length

2026-09-09T11:17:54.020495image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:54.134022image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
menu9368
41.1%
shopping7767
34.1%
regulate5548
24.4%
iden78
 
0.3%
inno9
 
< 0.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

target_type
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct6
Distinct (%)< 0.1%
Missing2418
Missing (%)10.6%
Memory size178.1 KiB
Quantity
10784 
เชิงปริมาณ
6836 
Milestone
2330 
เชิงผลผลิต
 
365
เชิงคุณภาพ
 
33

Length

Max length10
Median length8
Mean length8.822622613
Min length6

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowQuantity
2nd rowQuantity
3rd rowQuantity
4th rowQuantity
5th rowQuantity

Common Values

ValueCountFrequency (%)
Quantity10784
47.3%
เชิงปริมาณ6836
30.0%
Milestone2330
 
10.2%
เชิงผลผลิต365
 
1.6%
เชิงคุณภาพ33
 
0.1%
Hybrid21
 
0.1%
(Missing)2418
 
10.6%

Length

2026-09-09T11:17:54.287784image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:54.399029image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
quantity10784
52.9%
เชิงปริมาณ6836
33.6%
milestone2330
 
11.4%
เชิงผลผลิต365
 
1.8%
เชิงคุณภาพ33
 
0.2%
hybrid21
 
0.1%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

weight_x
Real number (ℝ≥0)

HIGH CORRELATION
MISSING

Distinct24
Distinct (%)0.1%
Missing1418
Missing (%)6.2%
Infinite0
Infinite (%)0.0%
Mean11.13842482
Minimum1
Maximum60
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size178.1 KiB
2026-09-09T11:17:54.532497image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum1
5-th percentile2
Q15
median10
Q315
95-th percentile30
Maximum60
Range59
Interquartile range (IQR)10

Descriptive statistics

Standard deviation8.059280955
Coefficient of variation (CV)0.7235566146
Kurtosis4.427244494
Mean11.13842482
Median Absolute Deviation (MAD)5
Skewness1.845432708
Sum238017
Variance64.95200952
MonotonicityNot monotonic
2026-09-09T11:17:54.665355image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=24)
ValueCountFrequency (%)
108734
38.3%
53480
 
15.3%
152768
 
12.1%
21497
 
6.6%
201400
 
6.1%
30782
 
3.4%
1621
 
2.7%
4408
 
1.8%
40360
 
1.6%
3295
 
1.3%
Other values (14)1024
 
4.5%
(Missing)1418
 
6.2%
ValueCountFrequency (%)
1621
 
2.7%
21497
 
6.6%
3295
 
1.3%
4408
 
1.8%
53480
 
15.3%
6142
 
0.6%
7143
 
0.6%
8223
 
1.0%
99
 
< 0.1%
108734
38.3%
ValueCountFrequency (%)
606
 
< 0.1%
5036
 
0.2%
45102
 
0.4%
40360
 
1.6%
3584
 
0.4%
326
 
< 0.1%
30782
3.4%
25220
 
1.0%
201400
6.1%
165
 
< 0.1%

level
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct3
Distinct (%)< 0.1%
Missing315
Missing (%)1.4%
Memory size178.1 KiB
ค่าเป้าหมายขั้นต้น
7496 
ค่าเป้าหมายขั้นสูง
7495 
ค่าเป้าหมายมาตรฐาน
7481 

Length

Max length18
Median length18
Mean length18
Min length18

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowค่าเป้าหมายขั้นต้น
2nd rowค่าเป้าหมายมาตรฐาน
3rd rowค่าเป้าหมายขั้นสูง
4th rowค่าเป้าหมายขั้นต้น
5th rowค่าเป้าหมายมาตรฐาน

Common Values

ValueCountFrequency (%)
ค่าเป้าหมายขั้นต้น7496
32.9%
ค่าเป้าหมายขั้นสูง7495
32.9%
ค่าเป้าหมายมาตรฐาน7481
32.8%
(Missing)315
 
1.4%

Length

2026-09-09T11:17:54.808763image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:54.896126image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
ค่าเป้าหมายขั้นต้น7496
33.4%
ค่าเป้าหมายขั้นสูง7495
33.4%
ค่าเป้าหมายมาตรฐาน7481
33.3%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

target_level_score
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct3
Distinct (%)< 0.1%
Missing314
Missing (%)1.4%
Memory size178.1 KiB
50.0
7497 
100.0
7495 
75.0
7481 

Length

Max length5
Median length4
Mean length4.333511325
Min length4

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row50.0
2nd row75.0
3rd row100.0
4th row50.0
5th row75.0

Common Values

ValueCountFrequency (%)
50.07497
32.9%
100.07495
32.9%
75.07481
32.8%
(Missing)314
 
1.4%

Length

2026-09-09T11:17:55.012883image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:17:55.141679image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
50.07497
33.4%
100.07495
33.4%
75.07481
33.3%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

detail
Categorical

HIGH CARDINALITY
MISSING

Distinct6778
Distinct (%)38.5%
Missing5174
Missing (%)22.7%
Memory size178.1 KiB
3
 
786
1
 
642
2
 
496
5
 
465
90
 
411
Other values (6773)
14813 

Length

Max length19
Median length5
Mean length4.478055981
Min length1

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique5963 ?
Unique (%)33.9%

Sample

1st row1379.00
2nd row1739.77
3rd row2100.54
4th row20.00
5th row23.00

Common Values

ValueCountFrequency (%)
3786
 
3.4%
1642
 
2.8%
2496
 
2.2%
5465
 
2.0%
90411
 
1.8%
0409
 
1.8%
4395
 
1.7%
10376
 
1.7%
80323
 
1.4%
100322
 
1.4%
Other values (6768)12988
57.0%
(Missing)5174
 
22.7%

Length

2026-09-09T11:17:55.258327image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
3786
 
4.5%
1648
 
3.7%
2496
 
2.8%
5465
 
2.6%
0421
 
2.4%
90411
 
2.3%
4395
 
2.2%
10376
 
2.1%
80323
 
1.8%
100322
 
1.8%
Other values (6540)13006
73.7%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

measurement_value
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct40
Distinct (%)0.2%
Missing3789
Missing (%)16.6%
Memory size178.1 KiB
ร้อยละ
7301 
คะแนน
3213 
ล้านบาท
2775 
ผลผลิต
2279 
ร้อยละ + ร้อยละ + ร้อยละ + ร้อยละ
 
396
Other values (35)
3034 

Length

Max length62
Median length6
Mean length7.800031582
Min length3

Characters and Unicode

Total characters0
Distinct characters0
Distinct categories0 ?
Distinct scripts0 ?
Distinct blocks0 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st rowล้านบาท
2nd rowล้านบาท
3rd rowล้านบาท
4th rowผลิตภัณฑ์
5th rowผลิตภัณฑ์

Common Values

ValueCountFrequency (%)
ร้อยละ7301
32.0%
คะแนน3213
14.1%
ล้านบาท2775
 
12.2%
ผลผลิต2279
 
10.0%
ร้อยละ + ร้อยละ + ร้อยละ + ร้อยละ396
 
1.7%
ไมโครกรัมต่อลูกบาศก์เมตร312
 
1.4%
ต่อประชากรแสนคน297
 
1.3%
Pillar239
 
1.0%
ผลิตภัณฑ์231
 
1.0%
ตัน228
 
1.0%
Other values (30)1727
 
7.6%
(Missing)3789
16.6%

Length

2026-09-09T11:17:55.423167image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
ร้อยละ9003
40.1%
คะแนน3213
 
14.3%
ล้านบาท2775
 
12.4%
ผลผลิต2365
 
10.5%
1403
 
6.2%
ไมโครกรัมต่อลูกบาศก์เมตร312
 
1.4%
ต่อประชากรแสนคน297
 
1.3%
pillar246
 
1.1%
ผลิตภัณฑ์231
 
1.0%
ตัน228
 
1.0%
Other values (35)2391
 
10.6%

Most occurring characters

ValueCountFrequency (%)
No values found.

Most occurring categories

ValueCountFrequency (%)
No values found.

Most frequent character per category

Most occurring scripts

ValueCountFrequency (%)
No values found.

Most frequent character per script

Most occurring blocks

ValueCountFrequency (%)
No values found.

Most frequent character per block

Interactions

2026-09-09T11:17:50.673590image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:17:50.301792image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:17:50.836950image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:17:50.489991image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Correlations

2026-09-09T11:17:55.551835image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Spearman's ρ

The Spearman's rank correlation coefficient (ρ) is a measure of monotonic correlation between two variables, and is therefore better in catching nonlinear monotonic correlations than Pearson's r. It's value lies between -1 and +1, -1 indicating total negative monotonic correlation, 0 indicating no monotonic correlation and 1 indicating total positive monotonic correlation.

To calculate ρ for two variables X and Y, one divides the covariance of the rank variables of X and Y by the product of their standard deviations.
2026-09-09T11:17:55.722876image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Pearson's r

The Pearson's correlation coefficient (r) is a measure of linear correlation between two variables. It's value lies between -1 and +1, -1 indicating total negative linear correlation, 0 indicating no linear correlation and 1 indicating total positive linear correlation. Furthermore, r is invariant under separate changes in location and scale of the two variables, implying that for a linear function the angle to the x-axis does not affect r.

To calculate r for two variables X and Y, one divides the covariance of X and Y by the product of their standard deviations.
2026-09-09T11:17:55.891744image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Kendall's τ

Similarly to Spearman's rank correlation coefficient, the Kendall rank correlation coefficient (τ) measures ordinal association between two variables. It's value lies between -1 and +1, -1 indicating total negative correlation, 0 indicating no correlation and 1 indicating total positive correlation.

To calculate τ for two variables X and Y, one determines the number of concordant and discordant pairs of observations. τ is given by the number of concordant pairs minus the discordant pairs divided by the total number of pairs.
2026-09-09T11:17:56.076444image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Cramér's V (φc)

Cramér's V is an association measure for nominal random variables. The coefficient ranges from 0 to 1, with 0 indicating independence and 1 indicating perfect association. The empirical estimators used for Cramér's V have been proved to be biased, even for large samples. We use a bias-corrected measure that has been proposed by Bergsma in 2013 that can be found here.
2026-09-09T11:17:56.309853image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Phik (φk)

Phik (φk) is a new and practical correlation coefficient that works consistently between categorical, ordinal and interval variables, captures non-linear dependency and reverts to the Pearson correlation coefficient in case of a bivariate normal input distribution. There is extensive documentation available here.

Missing values

2026-09-09T11:17:51.157573image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
A simple visualization of nullity by column.
2026-09-09T11:17:51.564416image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.
2026-09-09T11:17:51.882454image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The correlation heatmap measures nullity correlation: how strongly the presence or absence of one variable affects the presence of another.
2026-09-09T11:17:52.101448image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
The dendrogram allows you to more fully correlate variable completion, revealing trends deeper than the pairwise ones visible in the correlation heatmap.

Sample

First rows

yearcycle_namename_ministryname_departmentname_compositionkpi_nonamedata_kpi_typetarget_typeweight_xleveltarget_level_scoredetailmeasurement_value
02568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)ShoppingNaN50.0ค่าเป้าหมายขั้นต้น50.0NaNNaN
12568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)ShoppingNaN50.0ค่าเป้าหมายมาตรฐาน75.0NaNNaN
22568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1ตัวชี้วัดขับเคลื่อนการบูรณาการร่วมกัน (Joint KPIs)ShoppingNaN50.0ค่าเป้าหมายขั้นสูง100.0NaNNaN
32568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.1รายได้จากการท่องเที่ยวShoppingQuantity15.0ค่าเป้าหมายขั้นต้น50.01379.00ล้านบาท
42568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.1รายได้จากการท่องเที่ยวShoppingQuantity15.0ค่าเป้าหมายมาตรฐาน75.01739.77ล้านบาท
52568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.1รายได้จากการท่องเที่ยวShoppingQuantity15.0ค่าเป้าหมายขั้นสูง100.02100.54ล้านบาท
62568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.2จำนวนผลิตภัณฑ์ชุมชนในกลุ่มปรับตัวสู่การพัฒนา (Quadrant D) ได้รับการพัฒนายกระดับเพื่อเตรียมความพร้อมเข้าสู่มาตรฐานShoppingQuantity15.0ค่าเป้าหมายขั้นต้น50.020.00ผลิตภัณฑ์
72568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.2จำนวนผลิตภัณฑ์ชุมชนในกลุ่มปรับตัวสู่การพัฒนา (Quadrant D) ได้รับการพัฒนายกระดับเพื่อเตรียมความพร้อมเข้าสู่มาตรฐานShoppingQuantity15.0ค่าเป้าหมายมาตรฐาน75.023.00ผลิตภัณฑ์
82568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.2จำนวนผลิตภัณฑ์ชุมชนในกลุ่มปรับตัวสู่การพัฒนา (Quadrant D) ได้รับการพัฒนายกระดับเพื่อเตรียมความพร้อมเข้าสู่มาตรฐานShoppingQuantity15.0ค่าเป้าหมายขั้นสูง100.025.00ผลิตภัณฑ์
92568การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2568 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2พิจิตรPerformance Base1.3คุณภาพน้ำของแหล่งน้ำอยู่ในเกณฑ์ดีShoppingQuantity10.0ค่าเป้าหมายขั้นต้น50.0NaNNaN

Last rows

yearcycle_namename_ministryname_departmentname_compositionkpi_nonamedata_kpi_typetarget_typeweight_xleveltarget_level_scoredetailmeasurement_value
227772562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีAgenda Base1.2ร้อยละขอปริมาณขยะมูลฝอยชุมชนได้รับการจัดการอย่างถูกต้องMENUเชิงปริมาณNaNค่าเป้าหมายขั้นสูง100.082.34ร้อยละ
227782562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีAgenda Base1.3ร้อยละของปริมาณขยะมูลฝอยชุมชนที่นำกลับมาใช้ประโยชน์MENUเชิงปริมาณNaNค่าเป้าหมายขั้นต้น50.014.38ร้อยละ
227792562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีAgenda Base1.3ร้อยละของปริมาณขยะมูลฝอยชุมชนที่นำกลับมาใช้ประโยชน์MENUเชิงปริมาณNaNค่าเป้าหมายมาตรฐาน75.016.68ร้อยละ
227802562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีAgenda Base1.3ร้อยละของปริมาณขยะมูลฝอยชุมชนที่นำกลับมาใช้ประโยชน์MENUเชิงปริมาณNaNค่าเป้าหมายขั้นสูง100.018.97ร้อยละ
227812562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีArea Base2ร้อยละความสำเร็จของการจัดทำฐานข้อมูลจังหวัดMENUเชิงปริมาณNaNค่าเป้าหมายขั้นต้น50.080ร้อยละ
227822562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีArea Base2ร้อยละความสำเร็จของการจัดทำฐานข้อมูลจังหวัดMENUเชิงปริมาณNaNค่าเป้าหมายมาตรฐาน75.090ร้อยละ
227832562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีArea Base2ร้อยละความสำเร็จของการจัดทำฐานข้อมูลจังหวัดMENUเชิงปริมาณNaNค่าเป้าหมายขั้นสูง100.0100ร้อยละ
227842562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีInnovation Base3การบริหารจัดการระบบบริการงานผู้ป่วยนอก โรงพยาบาลอุทัยธานี ด้วยกระบวนการ Lean ProcessMENUเชิงปริมาณNaNค่าเป้าหมายขั้นต้น50.0100คะแนน
227852562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีInnovation Base3การบริหารจัดการระบบบริการงานผู้ป่วยนอก โรงพยาบาลอุทัยธานี ด้วยกระบวนการ Lean ProcessMENUเชิงปริมาณNaNค่าเป้าหมายมาตรฐาน75.0100คะแนน
227862562การประเมินของจังหวัด ประจำปีงบประมาณ พ.ศ. 2562 รอบ 12 เดือนกลุ่มจังหวัดภาคเหนือตอนล่าง 2อุทัยธานีInnovation Base3การบริหารจัดการระบบบริการงานผู้ป่วยนอก โรงพยาบาลอุทัยธานี ด้วยกระบวนการ Lean ProcessMENUเชิงปริมาณNaNค่าเป้าหมายขั้นสูง100.0100คะแนน