วาดกราฟด้วย matplotlib และ seaborn

จากเลือกกราฟถูก ไปสู่การวาดจริง

บทที่แล้วเรียนวิธีเลือกชนิดกราฟให้ตรงกับคำถาม บทนี้มาเรียนวิธีวาดกราฟเหล่านั้นจริงๆ ด้วย Python สองไลบรารีที่ใช้บ่อยที่สุดในงาน DA คือ matplotlib (ไลบรารีพื้นฐาน ควบคุมได้ละเอียดทุกอย่าง) และ seaborn (สร้างอยู่บน matplotlib อีกที เขียนสั้นกว่าและมี default styling ที่อ่านง่ายกว่าสำหรับกราฟสถิติทั่วไป)

matplotlib พื้นฐาน

matplotlib.pyplot (นิยมเรียกย่อว่า plt) มีฟังก์ชันวาดกราฟพื้นฐานที่ครอบคลุมเกือบทุกชนิดกราฟที่เจอในบทที่แล้ว:

ฟังก์ชัน	ใช้วาดกราฟแบบไหน
plt.plot(x, y)	กราฟเส้น — ดูเทรนด์ตามเวลา
plt.bar(x, y)	กราฟแท่ง — เทียบค่าระหว่างหมวดหมู่
plt.hist(data, bins=...)	histogram — ดูการกระจายของตัวแปรเดียว
plt.scatter(x, y)	scatter plot — ดูความสัมพันธ์ระหว่างตัวแปรตัวเลขสองตัว

ตัวอย่างกราฟเส้นแสดงรายได้รายเดือน:

import pandas as pd
import matplotlib.pyplot as plt

orders = pd.read_csv("data/orders.csv")
items = pd.read_csv("data/order_items.csv")
items['line'] = items['quantity'] * items['unit_price']
merged = items.merge(orders, on='order_id')
completed = merged[merged['status'] == 'completed'].copy()
completed['month'] = pd.to_datetime(completed['order_date']).dt.to_period('M').astype(str)
monthly = completed[completed['month'].str.startswith('2025')].groupby('month')['line'].sum()

plt.plot(monthly.index, monthly.values)
plt.title('รายได้รวมรายเดือน ปี 2025')
plt.xlabel('เดือน')
plt.ylabel('รายได้ (บาท)')
plt.xticks(rotation=45)

สังเกตว่านอกจาก plt.plot(...) แล้ว มีอีก 3 บรรทัดสำหรับ title/xlabel/ylabel — บรรทัดพวกนี้ไม่ได้เปลี่ยนข้อมูลที่แสดงเลย แต่ทำให้คนอ่านรู้ทันทีว่ากราฟนี้กำลังบอกอะไร โดยไม่ต้องเดาหรือถามเพิ่ม

seaborn: ทางลัดสำหรับกราฟสถิติ

seaborn (นิยมเรียกย่อว่า sns) ทำสิ่งเดียวกับ matplotlib ได้ในโค้ดที่สั้นกว่า โดยเฉพาะเมื่อข้อมูลอยู่ในรูป DataFrame อยู่แล้ว — แค่บอกว่าคอลัมน์ไหนไปแกนไหน:

matplotlib	seaborn (เทียบเท่ากัน)
plt.plot(x, y)	sns.lineplot(data=df, x=..., y=...)
plt.bar(x, y)	sns.barplot(data=df, x=..., y=...)
plt.hist(data, bins=...)	sns.histplot(data=df, x=..., bins=...)
plt.scatter(x, y)	sns.scatterplot(data=df, x=..., y=...)
(ไม่มีฟังก์ชันตรงๆ ใน matplotlib)	sns.boxplot(data=df, x=..., y=...) — box plot เทียบหลายกลุ่ม

import pandas as pd
import seaborn as sns

products = pd.read_csv("data/products.csv")

sns.histplot(data=products, x='price', bins=20)

โค้ดข้างบนสั้นกว่า plt.hist(products['price'], bins=20) แค่นิดเดียว แต่ seaborn จะจัดสี ขอบแท่ง และสไตล์ โดยรวมให้ดูเป็นมืออาชีพขึ้นโดยอัตโนมัติ — ยิ่งเห็นชัดขึ้นเมื่อกราฟซับซ้อนขึ้น เช่น การแยกสีตามกลุ่ม (hue=...) หรือ box plot ที่เทียบหลายหมวดหมู่พร้อมกัน

ข้อควรระวัง: import seaborn as sns ต้องมีเสมอก่อนเรียกใช้ sns.xxx() — ถ้าลืม จะได้ NameError ทันที (โค้ดรันไม่ผ่านเลย ไม่ใช่แค่กราฟดูแปลก) เพราะ seaborn ไม่ได้ถูก import มาพร้อมกับ pandas หรือ matplotlib

title และ label ไม่ใช่ของแต่ง

กราฟที่ไม่มี title/label ยังคง “ถูก” ในแง่ข้อมูล แต่ไม่มีประโยชน์ในการสื่อสาร เพราะคนอ่านต้องเดาเองว่าแกน x คืออะไร แกน y คืออะไร หน่วยอะไร — title ที่ดีควรบอกว่ากราฟนี้ตอบคำถามอะไร ไม่ใช่แค่ก็อปปี้ชื่อคอลัมน์มาใส่ เช่น “รายได้รวมรายเดือน ปี 2025” สื่อความหมายได้ดีกว่า “monthly” มาก

ในบทนี้ โจทย์ฝึกจะเน้นที่การเตรียมข้อมูลให้พร้อมสำหรับแต่ละชนิดกราฟ (aggregate ให้ถูกคอลัมน์ ถูกรูปทรง) เพราะนี่คือทักษะที่ตรวจได้จริงและเป็นด่านแรกก่อนจะวาดกราฟได้ถูกต้องเสมอ — ส่วนโค้ดวาดกราฟจริงจะอยู่ในตัวอย่างที่ทำให้ดู