01ภาพรวมของกราฟนี้
Connected scatter plot เพิ่มมิติเวลาให้แผนภาพกระจายด้วยการลากเส้นเชื่อมจุดตามลำดับ ผลคือเห็นว่าความสัมพันธ์ระหว่างสองตัวแปรเปลี่ยนไปอย่างไร ซึ่งกราฟเส้นสองเส้นแยกกันมองไม่เห็น เช่น การวนเป็นวงที่แปลว่ามีความล่าช้าระหว่างสองตัวแปร
เปรียบเทียบให้เห็นภาพ
เหมือนรอยเดินบนแผนที่ที่บอกทั้งว่าเราไปที่ไหนบ้างและไปตามลำดับไหน ต่างจากการปักหมุดเฉย ๆ ที่ไม่รู้ว่าเดินทางอย่างไร
ใช้ที่ไหนบ้าง — ดูความสัมพันธ์ระหว่างอัตราว่างงานกับเงินเฟ้อตามปี ดูรอบของธุรกิจ หรือดูว่าตัวชี้วัดสองตัวเคลื่อนพร้อมกันหรือมีตัวหนึ่งนำอีกตัว
สร้างอย่างไร
- ขั้นที่ 1เรียงข้อมูลตามเวลา
- ขั้นที่ 2วาดจุดตามค่าของสองตัวแปร
- ขั้นที่ 3ลากเส้นเชื่อมตามลำดับ
- ขั้นที่ 4ทำเครื่องหมายจุดเริ่มและจุดจบให้ชัด
ตัวอย่างคลาสสิก · Phillips curve — ความสัมพันธ์ระหว่างเงินเฟ้อกับการว่างงาน
นักเศรษฐศาสตร์วาดอัตราเงินเฟ้อเทียบอัตราว่างงานของแต่ละปีแล้วลากเส้นเชื่อมตามลำดับ สิ่งที่พบคือเส้นทางวนเป็นวงแทนที่จะเป็นเส้นตรง ซึ่งเผยว่าความสัมพันธ์ระหว่างสองตัวนี้มีความล่าช้าและเปลี่ยนรูปไปตามยุค เป็นข้อค้นพบที่แผนภาพกระจายธรรมดามองไม่เห็น
02อธิบายภาษาคนเข้าใจง่าย ๆ
ถ้ามีสองตัวชี้วัดที่วัดตามเวลาทั้งคู่ วิธีปกติคือวาดกราฟเส้นสองเส้นบนแกนเวลา ซึ่งดีสำหรับดูแนวโน้มแต่บอกความสัมพันธ์ระหว่างสองตัวได้ไม่ชัด
อีกทางคือวาดแผนภาพกระจาย ซึ่งบอกความสัมพันธ์ได้ดี แต่ทิ้งลำดับเวลาไปหมด เราไม่รู้เลยว่าจุดไหนเกิดก่อนเกิดหลัง
Connected scatter รวมสองอย่างไว้ด้วยกันด้วยการลากเส้นเชื่อมจุดตามลำดับเวลา ทีนี้เราเห็นทั้งความสัมพันธ์และเส้นทาง
รูปแบบที่มีค่าที่สุดคือการวนเป็นวง ถ้าเส้นทางวนกลับมาที่เดิม แปลว่าตัวแปรหนึ่งเปลี่ยนก่อนอีกตัว ซึ่งเป็นสัญญาณของความล่าช้าที่แผนภาพกระจายธรรมดามองไม่เห็นเลย
ข้อควรระวังคือเส้นที่ตัดกันเองทำให้ตามลำดับยาก ต้องมีป้ายบอกปีหรือใช้สีไล่เฉดตามเวลา และถ้าจุดเยอะเกินไปเส้นจะพันกันจนอ่านไม่ออก
03ข้อมูลที่ต้องใช้
คอลัมน์ที่ต้องเตรียม
| คอลัมน์ | ทำหน้าที่ | ชนิด | เข้ารหัสด้วย | จำนวนค่าที่เหมาะ | หมายเหตุ |
|---|---|---|---|---|---|
x | ตัวแปรแกนนอน | ตัวเลขต่อเนื่อง | x | ต่อเนื่อง | วัดที่จุดเวลาเดียวกับ y |
y | ตัวแปรแกนตั้ง | ตัวเลขต่อเนื่อง | y | ต่อเนื่อง | วัดที่จุดเวลาเดียวกับ x |
date | ลำดับเวลา | เวลา | path | 10–60 จุด | ★ ลำดับคือหัวใจของกราฟนี้ ถ้าไม่มีลำดับก็เป็นแค่ scatter plot |
ต้องเตรียมข้อมูลอย่างไรก่อนวาด
- เรียงตามเวลาอย่างเคร่งครัด
- ตรวจว่าทั้งสองตัวแปรวัดที่จุดเวลาเดียวกัน
- เตรียมป้ายปีหรือสีไล่เฉดตามเวลา
ค่าที่หายไป — ช่วงที่ขาดข้อมูลต้องหักเส้น ไม่ลากข้าม เพราะเส้นสื่อว่าเดินทางผ่านจริง
สเกลของแกน — linear ทั้งสองแกน และไม่ควรตัดแกนมากเพราะรูปร่างของเส้นทางคือสิ่งที่อ่าน
กราฟจะเริ่มพังเมื่อไร
เกิน 60 จุด เส้นจะพันกันจนตามลำดับไม่ได้ — ลดความละเอียดของเวลาลง
หน้าตาไฟล์ที่ต้องเตรียม
date,x,y
2023-01,4.26,1.96
2023-01,4.3,2.23
…04อ่านแล้วเห็นอะไร
สิ่งที่เห็นได้จากภาพ
- ทิศทางของเส้นทางว่าเดินไปทางไหน
- การวนเป็นวงซึ่งแปลว่ามีความล่าช้าระหว่างสองตัวแปร
- ช่วงที่เส้นทางเปลี่ยนทิศอย่างกะทันหัน
สิ่งที่กราฟนี้ตอบไม่ได้
- อ่านว่าแต่ละจุดคือเวลาไหนไม่ได้ถ้าไม่มีป้ายกำกับ
- เมื่อเส้นตัดกันเองจะบอกทิศทางไม่ได้โดยไม่มีลูกศร
อ่านตามลำดับนี้
- หาจุดเริ่มและจุดจบก่อน
- ตามเส้นไปตามลำดับ
- ดูว่ามีการวนกลับมาที่เดิมไหม
คำถามที่ตอบได้
- สองตัวชี้วัดนี้เคลื่อนพร้อมกันไหม
- มีตัวไหนนำอีกตัวหรือไม่
- ระบบกลับมาที่เดิมหรือย้ายไปที่ใหม่
สัญญาณว่ามีอะไรผิด
- ไม่มีเครื่องหมายบอกจุดเริ่มและทิศทาง
- เส้นพันกันจนตามไม่ได้
- ลากเส้นข้ามช่วงที่ไม่มีข้อมูล
05เหมาะกับการนำเสนอแบบไหน
ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย
- ทำเครื่องหมายจุดเริ่มและจุดจบด้วยสัญลักษณ์ที่ต่างกัน
- ใส่ลูกศรบอกทิศทางบนเส้น
- ติดป้ายปีที่จุดสำคัญ ไม่ใช่ทุกจุด
- ใช้สีไล่เฉดตามเวลาเพื่อช่วยตามลำดับ
รูปแบบชื่อกราฟที่ควรใช้
ตั้งแต่ <ปี> ถึง <ปี> ระบบเคลื่อนจาก <ตำแหน่ง> ไปยัง <ตำแหน่ง> โดยวนผ่าน <รูปแบบ>
06เอาไปใช้ต่อ
โค้ดทุกชิ้นอ่านไฟล์ connected-scatter-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง
# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด connected-scatter-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg") # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a" # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"
df = pd.read_csv("connected-scatter-sample.csv")
df["x"] = pd.to_numeric(df["x"], errors="coerce")
df["y"] = pd.to_numeric(df["y"], errors="coerce")
NOTE = "path" # ← ค่าจาก Playground
fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)
d = df.reset_index(drop=True) # ต้องเรียงตามเวลาแล้ว
ax.plot(d["x"], d["y"], color="#9ec5f4", linewidth=2, zorder=1)
sc = ax.scatter(d["x"], d["y"], c=range(len(d)), cmap="Blues", s=52,
edgecolor=SURFACE, linewidth=1.4, zorder=2) # สีไล่เฉดตามลำดับเวลา
ax.annotate("เริ่ม", (d["x"][0], d["y"][0]), xytext=(8, 8), textcoords="offset points", fontsize=9)
ax.annotate("ล่าสุด", (d["x"].iloc[-1], d["y"].iloc[-1]), xytext=(8, 8), textcoords="offset points",
fontsize=9, color=C2, weight="bold")
fig.colorbar(sc, ax=ax, label="ลำดับเวลา", shrink=0.7)
ax.spines[["top", "right"]].set_visible(False) # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("connected-scatter.png", dpi=160)
print("เขียน connected-scatter.png แล้ว ·", len(df), "แถว")07ลองเล่นเพื่อเข้าใจ
ถ้าเส้นตัดกันเอง ต้องมีป้ายบอกลำดับเวลา ไม่อย่างนั้นอ่านทิศทางไม่ออก
ดูข้อมูลเป็นตาราง (24 แถว)
| ช่วงเวลา | x | y |
|---|---|---|
| 2023-01 | 4.26 | 1.96 |
| 2023-01 | 4.30 | 2.23 |
| 2023-03 | 4.45 | 2.39 |
| 2023-04 | 4.58 | 2.50 |
| 2023-05 | 4.85 | 2.58 |
| 2023-05 | 5.35 | 2.71 |
| 2023-06 | 5.61 | 2.67 |
| 2023-07 | 6.04 | 2.68 |
| 2023-08 | 6.30 | 2.66 |
| 2023-09 | 6.76 | 2.60 |
| 2023-10 | 6.92 | 2.54 |
| 2023-11 | 7.13 | 2.36 |
| 2023-12 | 7.09 | 2.23 |
| 2024-01 | 7.08 | 2.00 |
| 2024-02 | 6.95 | 1.72 |
| 2024-03 | 6.72 | 1.45 |
| 2024-04 | 6.33 | 1.15 |
| 2024-05 | 6.17 | 0.96 |
| 2024-06 | 5.76 | 0.76 |
| 2024-07 | 5.45 | 0.55 |
| 2024-08 | 5.13 | 0.44 |
| 2024-09 | 4.80 | 0.34 |
| 2024-10 | 4.49 | 0.17 |
| 2024-11 | 4.34 | 0.16 |
ลองแล้วจะเห็นอะไร
- สังเกตอะไร: ตามเส้นจากจุดเริ่มไปจุดล่าสุด จะเห็นว่ามีช่วงที่เส้นย้อนกลับ ซึ่งแปลว่าตัวแปรหนึ่งเปลี่ยนทิศก่อนอีกตัว
ข้อควรระวัง
- ไม่ทำเครื่องหมายจุดเริ่มและทิศทาง ทำให้อ่านเส้นทางไม่ได้
- ใส่จุดเวลามากเกินไปจนเส้นพันกัน
- ลากเส้นข้ามช่วงที่ไม่มีข้อมูล ซึ่งอ้างว่าเดินทางผ่านจริง
- ใช้กับข้อมูลที่ไม่มีลำดับเวลา ซึ่งเส้นจะไม่มีความหมายเลย
เมื่อไหร่ไม่ควรใช้กราฟนี้
- ข้อมูลไม่มีลำดับเวลา→ใช้แทน: scatter-plot
- สนใจแนวโน้มของแต่ละตัวแปรแยกกัน→ใช้แทน: multi-line-chart หรือ small-multiples
- มีมากกว่า 60 จุดเวลา→ใช้แทน: scatter-plot ที่ใช้สีไล่เฉดตามเวลา