กราฟกลุ่มย่อยCommunity Graph

01ภาพรวมของกราฟนี้

Community graph คือ force-directed graph ที่เพิ่มขั้นตอนคำนวณกลุ่มย่อยด้วยอัลกอริทึมก่อนแล้วระบายสีตามกลุ่ม จุดแข็งคือขอบเขตของกลุ่มมาจากการคำนวณไม่ใช่จากตำแหน่งที่ตาเห็น แต่ผลลัพธ์ขึ้นกับอัลกอริทึมและพารามิเตอร์ที่เลือกอย่างมาก

ใช้ที่ไหนบ้าง — หาชุมชนในเครือข่ายสังคม แบ่งกลุ่มลูกค้าตามพฤติกรรมที่เชื่อมโยงกัน หรือหาขอบเขตของระบบย่อยในสถาปัตยกรรมซอฟต์แวร์

สร้างอย่างไร

1. ขั้นที่ 1รันอัลกอริทึมหาชุมชน เช่น Louvain หรือ Leiden
2. ขั้นที่ 2ตรวจค่า modularity ว่ากลุ่มที่ได้มีความหมายจริง
3. ขั้นที่ 3วางโหนดด้วยการจำลองแรง
4. ขั้นที่ 4ใช้สีบอกกลุ่มและรายงานจำนวนกลุ่มที่พบ

02อธิบายภาษาคนเข้าใจง่าย ๆ

เวลาดู force-directed graph คนมักเห็นกระจุกแล้วสรุปว่านั่นคือกลุ่ม ซึ่งอันตราย เพราะกระจุกอาจเกิดจากการจำลองแรงล้วน ๆ ไม่ได้สะท้อนโครงสร้างจริง

Community graph แก้ด้วยการเพิ่มขั้นตอนคำนวณ อัลกอริทึมหาชุมชนจะมองหาการแบ่งที่ทำให้เส้นเชื่อมภายในกลุ่มมีมากกว่าที่คาดจากการสุ่มมากที่สุด

ผลคือสีที่เห็นมาจากโครงสร้างของข้อมูลจริง ไม่ใช่จากตำแหน่งบนภาพ ซึ่งแปลว่าถ้าอัลกอริทึมบอกว่าสองโหนดอยู่กลุ่มเดียวกัน มันก็จริงแม้ทั้งสองจะอยู่คนละมุมของภาพ

ราคาที่จ่ายอย่างแรกคืออัลกอริทึมหาชุมชนคืนกลุ่มมาให้เสมอ แม้เครือข่ายนั้นจะไม่มีโครงสร้างกลุ่มจริง ๆ เลย จึงต้องดูค่า modularity ควบคู่ไปด้วย ถ้าต่ำกว่าราวสามส่วนสิบก็แปลว่ากลุ่มที่ได้แทบไม่มีความหมาย

อย่างที่สองคืออัลกอริทึมคนละตัวหรือพารามิเตอร์คนละค่าให้จำนวนกลุ่มต่างกันได้มาก จึงต้องระบุเสมอว่าใช้อะไรและตั้งค่าอย่างไร

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ★ รันอัลกอริทึมหาชุมชนและบันทึกค่า modularity
2. ยุบกลุ่มที่มีสมาชิกน้อยกว่าสามเป็นกลุ่มอื่น ๆ
3. ล็อกค่าเริ่มต้นของการสุ่มทั้งของอัลกอริทึมและของการจำลองแรง

ค่าที่หายไป — โหนดโดดเดี่ยวจะถูกจัดเป็นกลุ่มของตัวเอง ควรแยกออกและรายงานจำนวน

สเกลของแกน — ใช้สีเชิงหมวดหมู่ตามลำดับคงที่ ไม่เกิน 8 กลุ่ม และสีต้องผูกกับกลุ่มไม่ใช่กับอันดับขนาด

หน้าตาไฟล์ที่ต้องเตรียม

source,target,value
เข้าชมเว็บ,ดูสินค้า,7975
เข้าชมเว็บ,ออกทันที,4078
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. อ่านค่า modularity ก่อนว่ากลุ่มมีความหมายจริงไหม
2. นับจำนวนสีเพื่อรู้จำนวนกลุ่ม
3. มองหาโหนดที่มีเส้นออกไปหลายสี ซึ่งคือสะพาน

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ★ ระบุอัลกอริทึม พารามิเตอร์ และค่า modularity ในคำอธิบายเสมอ
2. ตั้งชื่อกลุ่มตามลักษณะร่วมของสมาชิก ไม่ใช่เรียกว่ากลุ่มที่ 1 2 3
3. ทำเครื่องหมายโหนดสะพานให้เด่น

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ community-graph-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด community-graph-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import networkx as nx

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

df = pd.read_csv("community-graph-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
NOTE = "color"   # ← ค่าจาก Playground

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

G = nx.from_pandas_edgelist(df, "source", "target", edge_attr="value")
comms = nx.community.louvain_communities(G, seed=42)       # seed ล็อกเพื่อให้ผลซ้ำได้
q = nx.community.modularity(G, comms)                      # < 0.3 = กลุ่มแทบไม่มีความหมาย
cid = {n: i for i, c in enumerate(comms) for n in c}
pos = nx.spring_layout(G, seed=42)
nx.draw_networkx_edges(G, pos, ax=ax, edge_color="#c9c6bd", width=1.2)
nx.draw_networkx_nodes(G, pos, ax=ax, node_size=180,
                       node_color=[PALETTE[cid[n] % len(PALETTE)] for n in G])
nx.draw_networkx_labels(G, pos, ax=ax, font_size=8)
ax.set_title(f"{len(comms)} กลุ่ม · modularity = {q:.2f}", loc="left")
ax.set_axis_off()

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ★ เชื่อกลุ่มที่ได้โดยไม่ดูค่า modularity ทั้งที่อัลกอริทึมคืนกลุ่มมาเสมอ
2. ไม่ระบุอัลกอริทึมและพารามิเตอร์ ทำให้คนอื่นทำซ้ำไม่ได้
3. ให้สีตามอันดับขนาดกลุ่ม ทำให้สีเปลี่ยนเมื่อกรองข้อมูล
4. แสดงเกิน 8 กลุ่มพร้อมกันจนสีแยกไม่ออก

เมื่อไหร่ไม่ควรใช้กราฟนี้

• เครือข่ายเบาบางไม่มีโครงสร้างกลุ่ม→ใช้แทน: force-directed-graph ธรรมดา
• เครือข่ายหนาแน่นมาก→ใช้แทน: adjacency-matrix เรียงด้วยการจัดกลุ่ม
• รู้กลุ่มอยู่แล้วจากข้อมูลจริง→ใช้แทน: hive-plot ที่จัดตำแหน่งตามกลุ่มนั้น

กราฟที่เกี่ยวข้อง