เลือกกราฟให้ตรงคำถาม

เริ่มต้นโมดูลใหม่: Visualization และ storytelling

ตลอดสองโมดูลที่ผ่านมา (pandas และสถิติ) เราฝึกหาตัวเลขคำตอบจากข้อมูล — ค่าเฉลี่ย, p-value, สหสัมพันธ์ ฯลฯ แต่ในงานจริง ตัวเลขเดี่ยวๆ มักไม่พอสื่อสารกับคนอื่น (ผู้จัดการ, ทีมอื่น, ลูกค้า) — เขาไม่มีเวลาอ่านตาราง 6,000 แถว หรือจำตัวเลขทศนิยม 5 ตำแหน่ง สิ่งที่สื่อสารได้เร็วและจำได้นานกว่าคือกราฟที่เลือกถูกชนิด

โมดูลนี้ (Visualization และ storytelling) เริ่มจากบทที่สำคัญที่สุด: จะรู้ได้ยังไงว่าควรใช้กราฟแบบไหน ก่อนจะไป เรียนวิธีวาดจริงด้วย matplotlib/seaborn ในบทถัดไป

กับดักที่พบบ่อยที่สุด: เลือกกราฟที่ถนัด ไม่ใช่กราฟที่ตอบคำถาม

หลายคนเปิดโปรแกรมทำกราฟแล้วเลือกชนิดกราฟที่ตัวเองคุ้นเคยหรือดูสวยที่สุดก่อน แล้วค่อยยัดข้อมูลเข้าไปให้พอ ใช้ได้ — ลำดับที่ถูกต้องต้องกลับกัน: เริ่มจากคำถามที่อยากตอบก่อนเสมอ แล้วค่อยเลือกชนิดกราฟที่ตอบคำถามนั้น ได้ตรงที่สุด เพราะกราฟแต่ละชนิดถูกออกแบบมาให้สายตาคนอ่าน “เห็น” สิ่งที่ต่างกัน:

• กราฟเส้น (line) ทำให้สายตาไล่ตามทิศทางได้ง่าย — เหมาะกับข้อมูลที่เรียงตามเวลา
• กราฟแท่ง (bar) ทำให้สายตาเทียบความยาวได้แม่นยำ — เหมาะกับการเทียบกลุ่มที่ไม่ต่อเนื่องกัน (หมวดหมู่)
• Histogram/box plot ทำให้เห็นการกระจายของตัวเลขชุดหนึ่ง (ไม่ใช่แค่ค่าเฉลี่ยตัวเดียว)
• Scatter plot ทำให้เห็นความสัมพันธ์ระหว่างตัวเลขสองชุด
• แท่งซ้อน/วงกลม (stacked bar / pie) ทำให้เห็นสัดส่วนของทั้งหมด

เลือกผิดชนิด กราฟจะยัง “รันได้” และ “ดูเหมือนกราฟ” แต่จะซ่อนสิ่งที่ควรเห็น หรือทำให้อ่านผิดไปเลย

ตารางตัดสินใจ: คำถามแบบไหน ใช้กราฟแบบไหน

คำถาม	กราฟที่เหมาะ	เหตุผลสั้นๆ
ค่านี้เปลี่ยนแปลงตามเวลายังไง (เทรนด์)	กราฟเส้น (line)	สายตาไล่ตามเส้นเพื่อดูทิศทางขึ้น/ลงได้ทันที ต่อเนื่องตามแกนเวลา
กลุ่ม/หมวดหมู่ไหนมากกว่ากัน	กราฟแท่ง (bar)	เทียบความยาวแท่งแม่นยำกว่าเทียบมุมหรือพื้นที่ ใช้ได้แม้มีหลายหมวดหมู่
ตัวแปรตัวเดียวกระจายตัวยังไง (มีค่าผิดปกติไหม)	Histogram	แบ่งค่าเป็นช่วง (bin) แล้วนับความถี่ เห็นรูปร่างการกระจายทั้งหมดในภาพเดียว
ตัวแปรตัวเลขสองตัวสัมพันธ์กันไหม	Scatter plot	จุดแต่ละจุดคือ 1 แถว เห็นรูปแบบความสัมพันธ์ (เชิงเส้น/ไม่เชิงเส้น/ไม่มีเลย) ได้ตรงๆ
การกระจาย + ค่าผิดปกติ ต่างกันข้ามหลายกลุ่ม	Box plot	เห็น Q1/median/Q3 และ outlier ของแต่ละกลุ่มเทียบกันในภาพเดียว กระชับกว่า histogram แยกกลุ่ม
สัดส่วนของทั้งหมด (รวมกันต้อง 100%)	แท่งซ้อนหรือวงกลม (มีข้อควรระวัง)	ต้องการสื่อว่าแต่ละส่วนคิดเป็นกี่ % ของทั้งหมด ไม่ใช่แค่เทียบขนาดกันเฉยๆ

ข้อควรระวังเรื่องกราฟวงกลม (pie chart): สายตาคนเปรียบเทียบ “มุม” หรือ “พื้นที่โค้ง” ได้แม่นยำน้อยกว่าเปรียบเทียบ “ความยาวแท่ง” มาก — พอมีมากกว่าประมาณ 5-6 ส่วน วงกลมจะเต็มไปด้วยเสี้ยวเล็กๆ ที่แยกไม่ออกว่าอันไหนใหญ่กว่ากัน ทางที่ปลอดภัยกว่าเกือบทุกกรณีคือใช้กราฟแท่งเรียงจากมากไปน้อยแทน (ยังคงเห็นได้ว่าอันไหนเยอะสุด และยังบวกกัน ดู % ได้ถ้าจำเป็นจริงๆ) — เก็บวงกลมไว้ใช้เฉพาะตอนมีไม่กี่ส่วน (2-4 ส่วน) จริงๆ

เตรียมข้อมูลให้พร้อมก่อนวาดกราฟ

ก่อนจะวาดกราฟ (ซึ่งเป็นเรื่องของบทถัดไป) สิ่งที่ต้องทำให้ถูกต้องก่อนเสมอคือเตรียมข้อมูลให้อยู่ในรูปที่กราฟ ต้องการ — กราฟเส้นต้องการ Series ที่เรียงตามเวลา, กราฟแท่งต้องการ Series ที่ index เป็นหมวดหมู่และมักเรียง จากมากไปน้อย, scatter ต้องการ DataFrame สองคอลัมน์ตัวเลข ฯลฯ ขั้นตอนนี้คือ groupby/sort/pivot ที่เรียนมา จากโมดูล pandas ทั้งหมด — บทนี้จึงเน้นฝึกเตรียมข้อมูลให้ถูกรูปแบบสำหรับกราฟแต่ละชนิด ส่วนไวยากรณ์การวาดจริง ด้วย matplotlib/seaborn จะไปเรียนละเอียดในบทถัดไป

ตัวอย่าง: จากคำถามสู่ข้อมูลที่พร้อมวาด

ลองดูสองตัวอย่างด้านล่าง — สังเกตว่าขั้นแรกเสมอคือ “คำถามนี้เหมาะกับกราฟแบบไหน” ก่อนจะลงมือเตรียมข้อมูล