ขุมสมบัติที่ซ่อนอยู่ใน Python: รวม Built-in Functions และ Standard Library ที่ควรรู้

หลายคนที่เริ่มเรียน Python มักรู้จักเพียง print(), input(), for, if หรือ list เท่านั้น

แต่ความจริงแล้ว Python มี "ขุมสมบัติ" ซ่อนอยู่จำนวนมากใน Built-in Functions และ Standard Library ที่ติดตั้งมาพร้อมภาษา ไม่ต้องลงแพ็กเกจเพิ่มแม้แต่นิดเดียว

ยิ่งรู้จักเครื่องมือเหล่านี้มากขึ้น คุณจะยิ่งเขียนโค้ดสั้นลง อ่านง่ายขึ้น และแก้ปัญหาได้เร็วขึ้น

---

1. การจัดการข้อมูล (Data Processing)

zip()

จับคู่ข้อมูลหลายชุดเข้าด้วยกัน

names = ["Alice", "Bob", "Charlie"]
scores = [80, 90, 95]

for name, score in zip(names, scores):
    print(name, score)

ผลลัพธ์

Alice 80
Bob 90
Charlie 95

---

enumerate()

วนลูปพร้อมรับ Index

fruits = ["apple", "banana", "orange"]

for idx, fruit in enumerate(fruits, start=1):
    print(idx, fruit)

ผลลัพธ์

1 apple
2 banana
3 orange

---

any()

มีอย่างน้อยหนึ่งค่าเป็นจริง

any([0, 0, 5])

ผลลัพธ์

True

---

all()

ทุกค่าต้องเป็นจริง

all([1, 2, 3])

ผลลัพธ์

True

---

min() / max()

หาค่าสูงสุดหรือต่ำสุดตามเงื่อนไข

words = ["cat", "elephant", "dog"]

max(words, key=len)

ผลลัพธ์

'elephant'

---

sorted()

เรียงข้อมูลแบบกำหนดเงื่อนไข

sorted(words, key=len)

ผลลัพธ์

['cat', 'dog', 'elephant']

---

sum()

รวมข้อมูลใน Iterable

sum(range(101))

ผลลัพธ์

5050

---

2. Functional Programming

map()

แปลงข้อมูลทั้งชุด

list(map(int, ["1", "2", "3"]))

ผลลัพธ์

[1, 2, 3]

---

filter()

กรองข้อมูล

list(filter(lambda x: x % 2 == 0,
            [1,2,3,4,5]))

ผลลัพธ์

[2, 4]

---

reduce()

สะสมค่าทีละขั้น

from functools import reduce

reduce(lambda a,b: a+b,
       [1,2,3,4])

ผลลัพธ์

10

---

3. การจัดการข้อความ (String Processing)

split()

"apple,banana".split(",")

ผลลัพธ์

['apple', 'banana']

---

join()

",".join(["A","B","C"])

ผลลัพธ์

A,B,C

---

partition()

email = "user@gmail.com"

name, _, domain = email.partition("@")

ผลลัพธ์

name = "user"
domain = "gmail.com"

---

replace()

"hello".replace("l","X")

ผลลัพธ์

'heXXo'

---

removeprefix()

"https://example.com".removeprefix(
    "https://"
)

ผลลัพธ์

'example.com'

---

removesuffix()

"report.pdf".removesuffix(".pdf")

ผลลัพธ์

'report'

---

casefold()

เปรียบเทียบข้อความแบบไม่สนตัวพิมพ์

"HELLO".casefold() == "hello".casefold()

ผลลัพธ์

True

---

translate()

ลบหรือแทนที่ตัวอักษรจำนวนมาก

text = "Hello, World!"

table = str.maketrans("", "", ",!")
print(text.translate(table))

ผลลัพธ์

Hello World

---

4. การสุ่ม (Random)

import random

randint()

random.randint(1, 10)

ผลลัพธ์ตัวอย่าง

7

---

choice()

random.choice(
    ["แดง","เขียว","น้ำเงิน"]
)

ผลลัพธ์ตัวอย่าง

'เขียว'

---

sample()

สุ่มโดยไม่ซ้ำ

random.sample(range(1,50), 6)

ผลลัพธ์ตัวอย่าง

[3, 8, 15, 22, 31, 45]

---

shuffle()

cards = [1,2,3,4,5]

random.shuffle(cards)

print(cards)

ผลลัพธ์ตัวอย่าง

[3,1,5,2,4]

---

choices()

สุ่มแบบมีน้ำหนัก

random.choices(
    ["ทอง","เงิน","ทองแดง"],
    weights=[1,5,20],
    k=10
)

---

5. คณิตศาสตร์และสถิติ

math

import math

math.sqrt(16)

ผลลัพธ์

4.0

---

divmod()

hours, mins = divmod(125, 60)

ผลลัพธ์

hours = 2
mins = 5

---

statistics

from statistics import (
    mean,
    median,
    mode
)

data = [1,2,3,4,100]

mean(data)

ผลลัพธ์

22

median(data)

ผลลัพธ์

3

---

6. วันที่และเวลา (datetime)

เวลาปัจจุบัน

from datetime import datetime

datetime.now()

---

strftime()

แปลงเป็นข้อความ

datetime.now().strftime(
    "%Y-%m-%d %H:%M:%S"
)

ผลลัพธ์

2026-06-04 15:30:00

---

strptime()

แปลงข้อความเป็น Date

datetime.strptime(
    "2026-06-04",
    "%Y-%m-%d"
)

---

timedelta

from datetime import timedelta

tomorrow = datetime.now() + timedelta(days=1)

---

7. การจัดการไฟล์

open()

with open("data.txt") as f:
    print(f.read())

---

pathlib

อ่านไฟล์

from pathlib import Path

Path("data.txt").read_text()

---

เขียนไฟล์

Path("log.txt").write_text("Hello")

---

ค้นหาไฟล์

Path(".").glob("*.txt")

---

8. Collections ที่ทรงพลัง

Counter

นับความถี่ข้อมูล

from collections import Counter

Counter("1122333444")

ผลลัพธ์

Counter({
    '4':4,
    '3':3,
    '1':2,
    '2':2
})

---

defaultdict

สร้างค่าเริ่มต้นให้อัตโนมัติ

from collections import defaultdict

groups = defaultdict(list)

groups["A"].append("Alice")
groups["A"].append("Anna")

print(groups)

ผลลัพธ์

{
    'A':['Alice','Anna']
}

---

deque

Queue ประสิทธิภาพสูง

from collections import deque

q = deque(["A","B","C"])

q.popleft()

ผลลัพธ์

'A'

เหลือ

deque(['B','C'])

---

namedtuple

Struct แบบเบา ๆ

from collections import namedtuple

Person = namedtuple(
    "Person",
    ["name","age"]
)

p = Person("Alice", 20)

print(p.name)

ผลลัพธ์

Alice

เข้าถึงข้อมูลแบบ Attribute ได้โดยไม่ต้องสร้าง Class เต็มรูปแบบ

---

9. itertools : อาวุธลับของ Python

product()

ทุกความเป็นไปได้

from itertools import product

list(product([1,2], ["A","B"]))

ผลลัพธ์

[
 (1,'A'),
 (1,'B'),
 (2,'A'),
 (2,'B')
]

---

combinations()

เลือกโดยไม่สนลำดับ

list(combinations([1,2,3],2))

ผลลัพธ์

[
 (1,2),
 (1,3),
 (2,3)
]

---

permutations()

เลือกโดยสนลำดับ

list(permutations([1,2,3],2))

ผลลัพธ์

[
 (1,2),
 (1,3),
 (2,1),
 (2,3),
 (3,1),
 (3,2)
]

---

groupby()

จัดกลุ่มข้อมูลที่อยู่ติดกัน

from itertools import groupby

for k, g in groupby("AAABBBCC"):
    print(k, list(g))

ผลลัพธ์

A ['A','A','A']
B ['B','B','B']
C ['C','C']

---

pairwise()

ดูสมาชิกที่อยู่ติดกัน

from itertools import pairwise

list(pairwise([10,20,30,40]))

ผลลัพธ์

[
 (10,20),
 (20,30),
 (30,40)
]

---

cycle()

วนไม่สิ้นสุด

from itertools import cycle

colors = cycle(
    ["แดง","เขียว","น้ำเงิน"]
)

ผลลัพธ์เมื่อเรียกหลายครั้ง

แดง
เขียว
น้ำเงิน
แดง
เขียว
น้ำเงิน
...

---

10. Cache และ Performance

lru_cache

from functools import lru_cache

@lru_cache
def fib(n):
    ...

เหมาะกับ Recursive Function ที่เรียกซ้ำ ๆ

---

11. Generator และ Streaming

yield

def numbers():
    yield 1
    yield 2
    yield 3

g = numbers()

next(g)

ผลลัพธ์

1

เรียกอีกครั้ง

2

เรียกอีกครั้ง

3

ช่วยประหยัด RAM อย่างมากเมื่อจัดการข้อมูลขนาดใหญ่

---

12. Unpacking

*

nums = [1,2,3]

print(*nums)

ผลลัพธ์

1 2 3

---

**

config = {
    "host":"localhost",
    "port":8080
}

start_server(**config)

เทียบเท่า

start_server(
    host="localhost",
    port=8080
)

---

Extended Unpacking

a, *middle, z = [1,2,3,4,5]

ผลลัพธ์

a = 1
middle = [2,3,4]
z = 5

---

13. Debugging และ Inspection

repr()

repr("hello\nworld")

ผลลัพธ์

'hello\\nworld'

---

type()

type(123)

ผลลัพธ์

<class 'int'>

---

isinstance()

isinstance(123, int)

ผลลัพธ์

True

---

id()

id(obj)

ดู Identity ของ Object

---

hash()

hash("หวย")

ใช้สร้าง Hash Key

---

14. Formatting

f-string

name = "Alice"

f"Hello {name}"

ผลลัพธ์

Hello Alice

---

จัดรูปแบบตัวเลข

price = 1234567.89

f"{price:,.2f}"

ผลลัพธ์

1,234,567.89

---

จัดรูปแบบวันที่

f"{datetime.now():%Y-%m-%d}"

ผลลัพธ์

2026-06-04

---

สรุป

ถ้าคุณกำลังเรียน Python และอยากเพิ่มพลังการเขียนโค้ดอย่างก้าวกระโดด ให้เริ่มจากชุดนี้ก่อน

1. zip()
2. enumerate()
3. Counter
4. defaultdict
5. deque
6. pathlib
7. itertools
8. yield
9. datetime
10. lru_cache

เพียงเข้าใจเครื่องมือเหล่านี้ คุณจะเริ่มมองเห็นว่า Python ไม่ได้เป็นแค่ภาษาที่เขียนง่าย แต่เป็นภาษาที่เต็มไปด้วย "เครื่องมือสำเร็จรูป" ที่ช่วยลดโค้ดจำนวนมากให้เหลือเพียงไม่กี่บรรทัด และนี่คือเหตุผลที่ Python ได้รับความนิยมอย่างต่อเนื่องในงาน Automation, Data Science, Web Development และ AI จนถึงปัจจุบันครับ