กราฟกล่องซ้อนชั้นLetter-value Plot

01ภาพรวมของกราฟนี้

Letter-value plot ขยาย box plot ด้วยการซ้อนกล่องหลายชั้น แต่ละชั้นแทนควอนไทล์ที่ลึกลงไปครึ่งหนึ่งเรื่อย ๆ เหตุผลคือเมื่อข้อมูลมีเป็นหมื่นแถว ควอนไทล์ที่ลึกยังประมาณได้แม่น การยุบทุกอย่างนอกหนวดให้เป็นจุดผิดปกติจึงทิ้งข้อมูลไปมาก

ใช้ที่ไหนบ้าง — ข้อมูลขนาดใหญ่ระดับหมื่นถึงล้านแถว การวิเคราะห์ค่าผิดปกติ หรือเมื่อ box plot แสดงจุดผิดปกติเป็นร้อยจุดจนอ่านไม่ได้

สร้างอย่างไร

1. ขั้นที่ 1คำนวณควอนไทล์ที่ลึกลงไปเรื่อย ๆ
2. ขั้นที่ 2วาดกล่างซ้อนกันโดยกล่องนอกแคบกว่า
3. ขั้นที่ 3ใช้สีไล่เฉดตามความลึกของชั้น
4. ขั้นที่ 4เหลือเฉพาะจุดที่ผิดปกติจริง ๆ

02อธิบายภาษาคนเข้าใจง่าย ๆ

Box plot ถูกออกแบบในยุคที่ข้อมูลมีไม่กี่สิบแถว เกณฑ์ที่ว่าอะไรเกิน 1.5 เท่าของ IQR คือค่าผิดปกติจึงสมเหตุสมผลในบริบทนั้น

แต่เมื่อข้อมูลมีเป็นแสนแถว เกณฑ์เดิมจะทำให้มีจุดผิดปกติเป็นพัน ๆ จุด ซึ่งไม่ใช่ค่าผิดปกติจริง มันคือหางของการกระจายที่ปกติดี แต่ box plot ไม่มีที่ให้มัน

Letter-value plot แก้ด้วยการซ้อนกล่องเพิ่มเข้าไป กล่องในสุดคือครึ่งกลางเหมือนเดิม กล่องถัดออกมาคือ 75% ตรงกลาง แล้ว 87.5% ไล่ไปเรื่อย ๆ

เหตุผลทางสถิติคือเมื่อข้อมูลใหญ่ ควอนไทล์ที่ลึกลงไปก็ยังประมาณได้แม่นพอ ดังนั้นจึงคุ้มที่จะแสดง ต่างจากข้อมูลเล็กที่ควอนไทล์ลึก ๆ แกว่งจนไม่มีความหมาย

ผลที่ได้คือเห็นรูปร่างของหางว่าเรียวลงเร็วหรือช้า ซึ่งเป็นข้อมูลสำคัญมากในงานที่หางมีผล เช่น การเงินหรือการวัดเวลาตอบสนองของระบบ

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ตรวจว่าข้อมูลมากพอที่ควอนไทล์ลึกจะมีความหมาย
2. กำหนดจำนวนชั้นตามขนาดข้อมูล
3. ตัดค่าว่างออก

ค่าที่หายไป — ตัดค่าว่างและรายงานจำนวน เพราะจำนวนชั้นที่เหมาะสมขึ้นกับขนาดข้อมูล

สเกลของแกน — linear หรือ log ก็ได้ และ log มักเหมาะเมื่อหางยาวมาก

หน้าตาไฟล์ที่ต้องเตรียม

group,value
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. ดูกล่องในสุดซึ่งคือครึ่งกลางเหมือน box plot
2. ดูว่ากล่องชั้นนอกแผ่ออกไปเร็วแค่ไหน
3. ดูจุดที่เหลือนอกกล่องทุกชั้น

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. อธิบายว่าแต่ละชั้นแทนควอนไทล์อะไร
2. เขียนจำนวนข้อมูลของแต่ละกลุ่ม
3. ทำเครื่องหมายจุดผิดปกติที่เหลือ

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ boxen-plot-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด boxen-plot-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a"   # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"

df = pd.read_csv("boxen-plot-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
NOTE = "tails"   # ← ค่าจาก Playground

fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)

sns.boxenplot(data=df, x="group", y="value", ax=ax, color="#9ec5f4", linewidth=0.8)
counts = df.groupby("group").size()
ax.set_xticklabels([f"{k}\n(n={v})" for k, v in counts.items()])
ax.set_ylabel("ค่าที่วัดได้")
ax.set_title("แต่ละชั้นคือควอนไทล์ที่ลึกลงไปครึ่งหนึ่ง", loc="left", fontsize=10)

ax.spines[["top", "right"]].set_visible(False)   # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("boxen-plot.png", dpi=160)
print("เขียน boxen-plot.png แล้ว ·", len(df), "แถว")

ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*" · ทดสอบกับเวอร์ชัน 3.10

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ใช้กับข้อมูลน้อย ซึ่งชั้นนอกมาจากไม่กี่จุดและไม่น่าเชื่อถือ
2. ไม่อธิบายว่าแต่ละชั้นแทนอะไร ทำให้ผู้อ่านตีความเป็น box plot ธรรมดา
3. ใช้จำนวนชั้นมากเกินไปจนแยกความเข้มไม่ออก

เมื่อไหร่ไม่ควรใช้กราฟนี้

• ข้อมูลน้อยกว่า 200 แถวต่อกลุ่ม→ใช้แทน: box-plot หรือ strip-plot
• สนใจรูปร่างของช่วงกลาง→ใช้แทน: violin-plot
• ผู้อ่านไม่คุ้นกับสถิติ→ใช้แทน: box-plot

กราฟที่เกี่ยวข้อง