Overview

Dataset statistics

Number of variables8
Number of observations283
Missing cells734
Missing cells (%)32.4%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory17.8 KiB
Average record size in memory64.5 B

Variable types

Numeric3
Categorical4
Unsupported1

Alerts

ผลสำรวจ has a high cardinality: 135 distinct values High cardinality
ข้อคำถาม is highly correlated with unit and 1 other fieldsHigh correlation
unit is highly correlated with ข้อคำถาม and 1 other fieldsHigh correlation
ประเด็น is highly correlated with ข้อคำถาม and 1 other fieldsHigh correlation
ข้อประเด็น is highly correlated with ข้อคำถาม and 3 other fieldsHigh correlation
ข้อคำถาม is highly correlated with ข้อประเด็น and 2 other fieldsHigh correlation
ประเด็น is highly correlated with ข้อประเด็น and 3 other fieldsHigh correlation
value is highly correlated with ข้อประเด็น and 2 other fieldsHigh correlation
unit is highly correlated with ข้อประเด็น and 3 other fieldsHigh correlation
ข้อประเด็น has 169 (59.7%) missing values Missing
ข้อคำถาม has 238 (84.1%) missing values Missing
ผลสำรวจ has 10 (3.5%) missing values Missing
value has 18 (6.4%) missing values Missing
unit has 16 (5.7%) missing values Missing
Unnamed: 7 has 283 (100.0%) missing values Missing
Unnamed: 7 is an unsupported type, check if it needs cleaning or further analysis Unsupported

Reproduction

Analysis started2026-09-09 04:16:02.444147
Analysis finished2026-09-09 04:16:04.794362
Duration2.35 seconds
Software versionpandas-profiling v3.1.0
Download configurationconfig.json

Variables

ข้อประเด็น
Real number (ℝ≥0)

HIGH CORRELATION
MISSING

Distinct15
Distinct (%)13.2%
Missing169
Missing (%)59.7%
Infinite0
Infinite (%)0.0%
Mean7.442105263
Minimum1
Maximum11
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size2.3 KiB
2026-09-09T11:16:04.850724image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum1
5-th percentile2
Q16
median9
Q39.3
95-th percentile11
Maximum11
Range10
Interquartile range (IQR)3.3

Descriptive statistics

Standard deviation2.7425166
Coefficient of variation (CV)0.3685135459
Kurtosis-0.5036649486
Mean7.442105263
Median Absolute Deviation (MAD)1
Skewness-0.8435908693
Sum848.4
Variance7.521397299
MonotonicityNot monotonic
2026-09-09T11:16:04.976952image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=15)
ValueCountFrequency (%)
919
 
6.7%
412
 
4.2%
9.311
 
3.9%
611
 
3.9%
9.48
 
2.8%
108
 
2.8%
9.27
 
2.5%
117
 
2.5%
86
 
2.1%
36
 
2.1%
Other values (5)19
 
6.7%
(Missing)169
59.7%
ValueCountFrequency (%)
14
 
1.4%
23
 
1.1%
36
 
2.1%
412
4.2%
53
 
1.1%
611
3.9%
74
 
1.4%
86
 
2.1%
919
6.7%
9.15
 
1.8%
ValueCountFrequency (%)
117
 
2.5%
108
2.8%
9.48
2.8%
9.311
3.9%
9.27
 
2.5%
9.15
 
1.8%
919
6.7%
86
 
2.1%
74
 
1.4%
611
3.9%

ข้อคำถาม
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct11
Distinct (%)24.4%
Missing238
Missing (%)84.1%
Memory size2.3 KiB
1.1
7 
4.1
6 
3.2
6 
1.2
5 
4.2
5 
Other values (6)
16 

Length

Max length5
Median length3
Mean length3.444444444
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

Unique2 ?
Unique (%)4.4%

Sample

1st row5.4
2nd row5.4
3rd row1.1
4th row1.1
5th row1.1

Common Values

ValueCountFrequency (%)
1.17
 
2.5%
4.16
 
2.1%
3.26
 
2.1%
1.25
 
1.8%
4.25
 
1.8%
3.1.15
 
1.8%
5.44
 
1.4%
3.1.33
 
1.1%
3.1.22
 
0.7%
2.11
 
0.4%
(Missing)238
84.1%

Length

2026-09-09T11:16:05.125094image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
1.17
15.6%
3.26
13.3%
4.16
13.3%
3.1.15
11.1%
4.25
11.1%
1.25
11.1%
5.44
8.9%
3.1.33
6.7%
3.1.22
 
4.4%
3.31
 
2.2%

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

ประเด็น
Categorical

HIGH CORRELATION
HIGH CORRELATION

Distinct16
Distinct (%)5.7%
Missing0
Missing (%)0.0%
Memory size2.3 KiB
ผลความพึงพอใจรายด้าน
35 
ช่องทางที่ประชาชนมาใช้บริการ
32 
งานบริการที่ประชาชนใช้บริการสูงสุด 5 อันดับ
31 
ช่องทางออนไลน์
28 
ด้านขั้นตอนและระยะเวลาการให้บริการ
28 
Other values (11)
129 

Length

Max length56
Median length28
Mean length29
Min length10

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 rowจำนวนกลุ่มตัวอย่าง
2nd rowรูปแบบการสำรวจ
3rd rowพื้นที่ใช้บริการ
4th rowพื้นที่ใช้บริการ
5th rowช่องทางที่ประชาชนมาใช้บริการ

Common Values

ValueCountFrequency (%)
ผลความพึงพอใจรายด้าน 35
12.4%
ช่องทางที่ประชาชนมาใช้บริการ32
11.3%
งานบริการที่ประชาชนใช้บริการสูงสุด 5 อันดับ31
11.0%
ช่องทางออนไลน์28
9.9%
ด้านขั้นตอนและระยะเวลาการให้บริการ 28
9.9%
งานบริการภาครัฐที่ควรมีการปรับปรุง28
9.9%
ด้านสถานที่และการอำนวยความสะดวก 18
6.4%
ด้านเจ้าหน้าที่ให้บริการ 16
5.7%
พื้นที่ใช้บริการ14
 
4.9%
ผลความพึงพอใจจำแนกตามพื้นที่ใช้บริการ14
 
4.9%
Other values (6)39
13.8%

Length

2026-09-09T11:16:05.280903image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
538
10.1%
ผลความพึงพอใจรายด้าน35
 
9.3%
ช่องทางที่ประชาชนมาใช้บริการ32
 
8.5%
งานบริการที่ประชาชนใช้บริการสูงสุด31
 
8.2%
อันดับ31
 
8.2%
ช่องทางออนไลน์28
 
7.4%
ด้านขั้นตอนและระยะเวลาการให้บริการ28
 
7.4%
งานบริการภาครัฐที่ควรมีการปรับปรุง28
 
7.4%
ด้านสถานที่และการอำนวยความสะดวก18
 
4.8%
ด้านเจ้าหน้าที่ให้บริการ16
 
4.2%
Other values (12)93
24.6%

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

ปี
Real number (ℝ≥0)

Distinct7
Distinct (%)2.5%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean2564.816254
Minimum2560
Maximum2568
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size2.3 KiB
2026-09-09T11:16:05.407357image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum2560
5-th percentile2560
Q12564
median2565
Q32567
95-th percentile2568
Maximum2568
Range8
Interquartile range (IQR)3

Descriptive statistics

Standard deviation2.367364718
Coefficient of variation (CV)0.0009230153287
Kurtosis-0.5011798226
Mean2564.816254
Median Absolute Deviation (MAD)1
Skewness-0.5930056565
Sum725843
Variance5.604415708
MonotonicityIncreasing
2026-09-09T11:16:05.536805image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=7)
ValueCountFrequency (%)
256451
18.0%
256549
17.3%
256744
15.5%
256642
14.8%
256836
12.7%
256233
11.7%
256028
9.9%
ValueCountFrequency (%)
256028
9.9%
256233
11.7%
256451
18.0%
256549
17.3%
256642
14.8%
256744
15.5%
256836
12.7%
ValueCountFrequency (%)
256836
12.7%
256744
15.5%
256642
14.8%
256549
17.3%
256451
18.0%
256233
11.7%
256028
9.9%

ผลสำรวจ
Categorical

HIGH CARDINALITY
MISSING

Distinct135
Distinct (%)49.5%
Missing10
Missing (%)3.5%
Memory size2.3 KiB
กรุงเทพฯ
 
14
ภูมิภาค
 
14
ไม่มีการสำรวจ
 
8
ด้านงานทะเบียนราษฎร
 
8
ด้านสุขภาพ
 
8
Other values (130)
221 

Length

Max length84
Median length23
Mean length23.40659341
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

Unique86 ?
Unique (%)31.5%

Sample

1st rowสำรวจ ณ สถานที่ให้บริการโดยการแจกแบบสำรวจ/สอบถามประชาชนโดยตรง
2nd rowกรุงเทพฯ
3rd rowภูมิภาค
4th rowไม่มีการสำรวจ
5th row-

Common Values

ValueCountFrequency (%)
กรุงเทพฯ14
 
4.9%
ภูมิภาค14
 
4.9%
ไม่มีการสำรวจ8
 
2.8%
ด้านงานทะเบียนราษฎร8
 
2.8%
ด้านสุขภาพ8
 
2.8%
ร้อยละที่ได้7
 
2.5%
ด้านเจ้าหน้าที่ที่ให้บริการ6
 
2.1%
ด้านสถานที่และการอำนวยความสะดวก6
 
2.1%
ด้านขั้นตอนและระยะเวลาการให้บริการ6
 
2.1%
ติดต่อ ณ หน่วยงาน6
 
2.1%
Other values (125)190
67.1%
(Missing)10
 
3.5%

Length

2026-09-09T11:16:05.722425image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
กรุงเทพฯ14
 
4.2%
ภูมิภาค14
 
4.2%
ด้านงานทะเบียนราษฎร10
 
3.0%
ด้านสุขภาพ9
 
2.7%
ไม่มีการสำรวจ8
 
2.4%
ณ8
 
2.4%
ร้อยละที่ได้7
 
2.1%
ด้านเจ้าหน้าที่ที่ให้บริการ6
 
1.8%
ด้านสถานที่และการอำนวยความสะดวก6
 
1.8%
ด้านขั้นตอนและระยะเวลาการให้บริการ6
 
1.8%
Other values (132)242
73.3%

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

value
Real number (ℝ≥0)

HIGH CORRELATION
MISSING

Distinct246
Distinct (%)92.8%
Missing18
Missing (%)6.4%
Infinite0
Infinite (%)0.0%
Mean165.8750906
Minimum0.0028
Maximum10422
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size2.3 KiB
2026-09-09T11:16:05.901810image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Quantile statistics

Minimum0.0028
5-th percentile0.05842
Q10.2868
median0.8047
Q30.8324
95-th percentile0.88504
Maximum10422
Range10421.9972
Interquartile range (IQR)0.5456

Descriptive statistics

Standard deviation1162.026462
Coefficient of variation (CV)7.005430759
Kurtosis56.61081441
Mean165.8750906
Median Absolute Deviation (MAD)0.0478
Skewness7.468788415
Sum43956.899
Variance1350305.497
MonotonicityNot monotonic
2026-09-09T11:16:06.081844image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
0.0613
 
1.1%
0.84092
 
0.7%
0.82852
 
0.7%
0.02082
 
0.7%
0.85752
 
0.7%
0.7542
 
0.7%
0.82382
 
0.7%
0.762
 
0.7%
0.05932
 
0.7%
0.81522
 
0.7%
Other values (236)244
86.2%
(Missing)18
 
6.4%
ValueCountFrequency (%)
0.00281
0.4%
0.00321
0.4%
0.02082
0.7%
0.02121
0.4%
0.03131
0.4%
0.03151
0.4%
0.03421
0.4%
0.03831
0.4%
0.04271
0.4%
0.04341
0.4%
ValueCountFrequency (%)
104221
0.4%
98151
0.4%
81581
0.4%
80931
0.4%
38931
0.4%
34081
0.4%
51
0.4%
41
0.4%
31
0.4%
21
0.4%

unit
Categorical

HIGH CORRELATION
HIGH CORRELATION
MISSING

Distinct3
Distinct (%)1.1%
Missing16
Missing (%)5.7%
Memory size2.3 KiB
เปอร์เซ็นต์
256 
ตัวอย่าง
 
6
อันดับ
 
5

Length

Max length11
Median length11
Mean length10.83895131
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 rowตัวอย่าง
2nd rowเปอร์เซ็นต์
3rd rowเปอร์เซ็นต์
4th rowเปอร์เซ็นต์
5th rowเปอร์เซ็นต์

Common Values

ValueCountFrequency (%)
เปอร์เซ็นต์256
90.5%
ตัวอย่าง6
 
2.1%
อันดับ5
 
1.8%
(Missing)16
 
5.7%

Length

2026-09-09T11:16:06.393596image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
Histogram of lengths of the category

Pie chart

2026-09-09T11:16:06.484941image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
ValueCountFrequency (%)
เปอร์เซ็นต์256
95.9%
ตัวอย่าง6
 
2.2%
อันดับ5
 
1.9%

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

Unnamed: 7
Unsupported

MISSING
REJECTED
UNSUPPORTED

Missing283
Missing (%)100.0%
Memory size2.3 KiB

Interactions

2026-09-09T11:16:03.615631image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:02.790749image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.183797image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.747437image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:02.915202image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.305743image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.897805image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.045473image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
2026-09-09T11:16:03.470318image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/

Correlations

2026-09-09T11:16:06.571786image/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.
2026-09-09T11:16:06.757976image/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.
2026-09-09T11:16:06.942035image/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.
2026-09-09T11:16:07.125617image/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.
2026-09-09T11:16:07.284863image/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

2026-09-09T11:16:04.128290image/svg+xmlMatplotlib v3.3.4, https://matplotlib.org/
A simple visualization of nullity by column.
2026-09-09T11:16:04.372602image/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.
2026-09-09T11:16:04.562255image/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.
2026-09-09T11:16:04.706280image/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

ข้อประเด็นข้อคำถามประเด็นปีผลสำรวจvalueunitUnnamed: 7
01.0NaNจำนวนกลุ่มตัวอย่าง2560NaN3893.0000ตัวอย่างNaN
12.0NaNรูปแบบการสำรวจ2560สำรวจ ณ สถานที่ให้บริการโดยการแจกแบบสำรวจ/สอบถามประชาชนโดยตรงNaNNaNNaN
23.0NaNพื้นที่ใช้บริการ2560กรุงเทพฯ0.6096เปอร์เซ็นต์NaN
33.0NaNพื้นที่ใช้บริการ2560ภูมิภาค0.3904เปอร์เซ็นต์NaN
44.0NaNช่องทางที่ประชาชนมาใช้บริการ2560ไม่มีการสำรวจNaNNaNNaN
55.0NaNร้อยละของการรับรู้ของประชาชนทราบว่ามีคู่มือสำหรับประชาชน2560-0.8125เปอร์เซ็นต์NaN
66.0NaNงานบริการที่ประชาชนใช้บริการสูงสุด 5 อันดับ2560ไม่มีการสำรวจNaNNaNNaN
77.0NaNร้อยละผลความพึงพอใจในภาพรวม2560ร้อยละที่ได้0.7542เปอร์เซ็นต์NaN
88.0NaNผลความพึงพอใจจำแนกตามพื้นที่ใช้บริการ2560กรุงเทพฯ0.7895เปอร์เซ็นต์NaN
98.0NaNผลความพึงพอใจจำแนกตามพื้นที่ใช้บริการ2560ภูมิภาค0.7005เปอร์เซ็นต์NaN

Last rows

ข้อประเด็นข้อคำถามประเด็นปีผลสำรวจvalueunitUnnamed: 7
273NaNNaNช่องทางออนไลน์2568การเข้าถึงและใช้งานง่ายของระบบออนไลน์0.8248เปอร์เซ็นต์NaN
274NaNNaNช่องทางออนไลน์2568ความปลอดภัยของระบบออนไลน์0.8118เปอร์เซ็นต์NaN
275NaNNaNช่องทางออนไลน์2568ประโยชน์จากข้อมูลในสื่อออนไลน์ของหน่วยงาน0.8230เปอร์เซ็นต์NaN
276NaNNaNด้านอื่น ๆ2568บริการตรงตามความคาดหวังก่อนรับบริการ0.8358เปอร์เซ็นต์NaN
277NaNNaNด้านอื่น ๆ2568ความคิดเห็นและข้อร้องเรียนได้รับการแก้ไข0.8049เปอร์เซ็นต์NaN
278NaNNaNงานบริการภาครัฐที่ควรมีการปรับปรุง2568ด้านสุขภาพ0.4161เปอร์เซ็นต์NaN
279NaNNaNงานบริการภาครัฐที่ควรมีการปรับปรุง2568ด้านงานทะเบียนราษฎร0.1678เปอร์เซ็นต์NaN
280NaNNaNงานบริการภาครัฐที่ควรมีการปรับปรุง2568ด้านงานทะเบียนที่ดิน0.1284เปอร์เซ็นต์NaN
281NaNNaNงานบริการภาครัฐที่ควรมีการปรับปรุง2568ด้านคมนาคมและขนส่ง0.0582เปอร์เซ็นต์NaN
282NaNNaNงานบริการภาครัฐที่ควรมีการปรับปรุง2568ด้านการรับแจ้งความของสถานีตำรวจ0.0342เปอร์เซ็นต์NaN