แผนที่เส้นชั้นความสูงContour Map

01ภาพรวมของกราฟนี้

Contour map ลากเส้นเชื่อมจุดที่มีค่าเท่ากัน ทำให้อ่านค่าได้จากตัวเลขบนเส้นและอ่านความชันได้จากระยะห่างระหว่างเส้น ซึ่งเป็นสิ่งที่ heat map ทำไม่ได้ แลกกับการที่ต้องใช้กับปรากฏการณ์ที่ต่อเนื่องจริงเท่านั้น

ใช้ที่ไหนบ้าง — ความสูงของภูมิประเทศ ความกดอากาศ ปริมาณน้ำฝน ระดับเสียงรบกวน หรือความเข้มข้นของมลพิษ

สร้างอย่างไร

1. ขั้นที่ 1ตรวจว่าปรากฏการณ์ต่อเนื่องจริงในเชิงพื้นที่
2. ขั้นที่ 2ประมาณค่าระหว่างจุดวัดด้วยวิธีที่เหมาะสม
3. ขั้นที่ 3ลากเส้นที่ระดับค่าที่กำหนดพร้อมติดตัวเลข
4. ขั้นที่ 4แสดงจุดวัดจริงทับเพื่อให้ตรวจสอบได้

02อธิบายภาษาคนเข้าใจง่าย ๆ

ปรากฏการณ์บางอย่างต่อเนื่องในพื้นที่จริง ๆ เช่น ความสูงของพื้นดินหรือความกดอากาศ ซึ่งมีค่าอยู่ทุกจุดไม่ว่าเราจะวัดหรือไม่

สำหรับข้อมูลแบบนี้ การระบายสีก็ทำได้ แต่สีอ่านค่าได้หยาบมาก ผู้อ่านบอกได้แค่ว่าเข้มกว่าหรืออ่อนกว่า และที่สำคัญคือบอกไม่ได้เลยว่าค่าเปลี่ยนเร็วแค่ไหนเมื่อเดินจากจุดหนึ่งไปอีกจุด

Contour map ลากเส้นเชื่อมจุดที่มีค่าเท่ากันแทน ซึ่งให้สองอย่างที่สีให้ไม่ได้ คือค่าที่อ่านได้ตรง ๆ จากตัวเลขบนเส้น และความชันที่อ่านได้จากระยะห่างระหว่างเส้น

เส้นที่ชิดกันแปลว่าค่าเปลี่ยนเร็วในระยะสั้น ส่วนเส้นที่ห่างกันแปลว่าค่าเปลี่ยนช้า ซึ่งเป็นข้อมูลที่มีค่ามากและอ่านได้ทันทีโดยไม่ต้องคำนวณ

ข้อจำกัดที่สำคัญคือมันใช้ได้เฉพาะกับปรากฏการณ์ที่ต่อเนื่องจริง การลากเส้นชั้นของรายได้เฉลี่ยหรือจำนวนประชากรเป็นความผิดพลาด เพราะค่าพวกนั้นไม่ได้มีอยู่ทุกจุดในพื้นที่

และเหมือนทุกภาพที่ประมาณค่าระหว่างจุดวัด พื้นที่ที่ไม่มีจุดวัดเลยก็ยังมีเส้นลากผ่าน ซึ่งเป็นการเดาที่ดูน่าเชื่อถือเกินจริง จึงควรแสดงจุดวัดจริงทับเสมอ

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ★ ตรวจว่าปรากฏการณ์ต่อเนื่องจริง ไม่ใช่ข้อมูลรายเขต
2. เลือกวิธีประมาณค่าระหว่างจุดและระบุไว้
3. กำหนดระดับของเส้นให้ห่างเท่ากัน

ค่าที่หายไป — บริเวณที่อยู่นอกขอบเขตของจุดวัดไม่ควรลากเส้น และต้องตีกรอบให้ชัด

สเกลของแกน — ระดับของเส้นควรห่างเท่ากันเพื่อให้ระยะห่างระหว่างเส้นสื่อความชันได้ตรง

หน้าตาไฟล์ที่ต้องเตรียม

lat,lon,value
13.8013,100.1331,184
18.2209,98.5482,50
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. หาตัวเลขบนเส้นเพื่อรู้ระดับ
2. ดูระยะห่างระหว่างเส้นเพื่อรู้ความชัน
3. มองหาวงปิดที่ซ้อนกันซึ่งคือยอดหรือแอ่ง

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ★ ติดตัวเลขบนเส้นทุกเส้นหรือทุกเส้นที่สอง
2. แสดงจุดวัดจริงทับเพื่อให้ตรวจสอบได้
3. ระบายสีระหว่างเส้นเพิ่มเพื่อให้อ่านทิศทางง่ายขึ้น

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ contour-map-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด contour-map-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from scipy.interpolate import griddata

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

df = pd.read_csv("contour-map-sample.csv")
df["lat"] = pd.to_numeric(df["lat"], errors="coerce")
df["lon"] = pd.to_numeric(df["lon"], errors="coerce")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
LEVELS = "6"   # ← ค่าจาก Playground

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

gx, gy = np.mgrid[df["lon"].min():df["lon"].max():200j,
                  df["lat"].min():df["lat"].max():200j]
gz = griddata((df["lon"], df["lat"]), df["value"], (gx, gy), method="cubic")
cf = ax.contourf(gx, gy, gz, levels=8, cmap="Blues", alpha=0.75)
cs = ax.contour(gx, gy, gz, levels=8, colors="#4a463e", linewidths=0.9)
ax.clabel(cs, inline=True, fontsize=8, fmt="%.0f")      # ตัวเลขบนเส้น = จุดแข็งของภาพนี้
ax.scatter(df["lon"], df["lat"], s=10, color="#22201c")  # จุดวัดจริง
fig.colorbar(cf, ax=ax, label="ค่าที่วัดได้", shrink=0.8)

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ★ ใช้กับข้อมูลที่ไม่ต่อเนื่องในพื้นที่ เช่น รายได้รายเขต ซึ่งไม่มีค่าอยู่ทุกจุด
2. ลากเส้นในบริเวณที่ไม่มีจุดวัดเลย ทำให้การเดาดูน่าเชื่อถือเกินจริง
3. ไม่ติดตัวเลขบนเส้น ซึ่งทิ้งจุดแข็งที่สุดของรูปแบบนี้ไป
4. ใช้ระดับที่ห่างไม่เท่ากันโดยไม่ระบุ ทำให้ระยะห่างระหว่างเส้นอ่านความชันไม่ได้

เมื่อไหร่ไม่ควรใช้กราฟนี้

• ข้อมูลผูกกับเขตการปกครอง→ใช้แทน: choropleth-map
• ข้อมูลเป็นเหตุการณ์แยกกัน ไม่ใช่พื้นผิว→ใช้แทน: kernel-heat-map หรือ hexbin-map
• ต้องการภาพที่อ่านเร็วโดยไม่ต้องอ่านตัวเลข→ใช้แทน: kernel-heat-map

กราฟที่เกี่ยวข้อง