01ภาพรวมของกราฟนี้
Heatmap matrix จัดค่าเป็นตารางสองทางแล้วระบายสีตามขนาด ทำให้ใส่ค่าได้หลายร้อยตัวในภาพเดียว จุดแข็งคือรูปแบบรวมเห็นได้ทันที จุดอ่อนคืออ่านค่าจากสีได้หยาบที่สุด และลำดับของแถวกับคอลัมน์เปลี่ยนสิ่งที่เห็นได้ทั้งหมด
เปรียบเทียบให้เห็นภาพ
เหมือนภาพถ่ายความร้อนของอาคารที่บอกทันทีว่าห้องไหนร้อน โดยไม่ต้องเดินไปอ่านเทอร์โมมิเตอร์ทีละห้อง
ใช้ที่ไหนบ้าง — ยอดขายรายสินค้าต่อรายเดือน กิจกรรมรายชั่วโมงต่อรายวัน ตัวชี้วัดหลายตัวข้ามหลายทีม หรือเมทริกซ์ใด ๆ ที่ใหญ่เกินกว่าจะอ่านเป็นตาราง
สร้างอย่างไร
- ขั้นที่ 1จัดข้อมูลเป็นแถวและคอลัมน์
- ขั้นที่ 2★ เรียงแถวและคอลัมน์ด้วยเกณฑ์ที่ทำให้รูปแบบปรากฏ
- ขั้นที่ 3เลือกสเกลสีตามชนิดของค่า
- ขั้นที่ 4ใส่ตัวเลขในช่องเมื่อตารางไม่ใหญ่เกินไป
ตัวอย่างคลาสสิก · Heatmap ในการวิเคราะห์การแสดงออกของยีน
นักชีววิทยาใช้ heatmap กับข้อมูลการแสดงออกของยีนหลายพันตัว โดยเรียงทั้งแถวและคอลัมน์ด้วยอัลกอริทึมจัดกลุ่ม ซึ่งทำให้กลุ่มของยีนที่ทำงานร่วมกันปรากฏเป็นบล็อกชัดเจน รูปแบบนี้กลายเป็นภาพมาตรฐานของทั้งสาขา และเป็นตัวอย่างที่ชัดที่สุดว่าการเรียงลำดับคือส่วนหนึ่งของการวิเคราะห์
02อธิบายภาษาคนเข้าใจง่าย ๆ
เมื่อมีค่าสองทางจำนวนมาก เช่น สินค้าสามสิบชนิดข้ามสิบสองเดือน ตารางตัวเลขจะมีสามร้อยหกสิบช่องซึ่งไม่มีใครอ่านไหว
Heatmap matrix ใช้ประโยชน์จากข้อเท็จจริงว่าสายตาคนจับรูปแบบของสีได้เร็วมากแม้จะอ่านค่าจากสีได้หยาบ
ผลคือผู้อ่านเห็นทันทีว่ามีแถวไหนเข้มทั้งแถว มีคอลัมน์ไหนเข้มทั้งคอลัมน์ หรือมีบล็อกที่เข้มกระจุกอยู่ตรงไหน ซึ่งเป็นคำถามที่มีค่าที่สุดกับข้อมูลขนาดนี้
ข้อจำกัดข้อแรกคือสีอ่านค่าได้หยาบที่สุดในบรรดาช่องทางทั้งหมด คนบอกได้แค่ว่าเข้มกว่าหรืออ่อนกว่า ไม่ใช่มากกว่ากี่เปอร์เซ็นต์
ข้อที่สองซึ่งสำคัญกว่าคือลำดับของแถวและคอลัมน์เปลี่ยนสิ่งที่เห็นได้ทั้งหมด เรียงตามตัวอักษรมักได้ภาพที่ดูสุ่ม แต่เรียงด้วยการจัดกลุ่มจะเห็นบล็อกชัดเจน
ซึ่งแปลว่าการเรียงลำดับไม่ใช่เรื่องความสวยงาม แต่เป็นส่วนหนึ่งของการวิเคราะห์ที่ต้องอธิบายให้ผู้อ่านรู้
03ข้อมูลที่ต้องใช้
คอลัมน์ที่ต้องเตรียม
| คอลัมน์ | ทำหน้าที่ | ชนิด | เข้ารหัสด้วย | จำนวนค่าที่เหมาะ | หมายเหตุ |
|---|---|---|---|---|---|
category | แถว | หมวดหมู่ | row | 3–100 แถว | ลำดับสำคัญมาก |
group | คอลัมน์ | หมวดหมู่ | column | 3–60 คอลัมน์ | ถ้าเป็นเวลาให้เรียงตามเวลา |
value | ค่าที่วัด | ตัวเลขต่อเนื่อง | color | ต่อเนื่อง | เข้ารหัสด้วยสี |
ต้องเตรียมข้อมูลอย่างไรก่อนวาด
- ★ เรียงแถวและคอลัมน์ด้วยเกณฑ์ที่ทำให้รูปแบบปรากฏ
- ตัดสินใจว่าจะทำให้ค่าเป็นมาตรฐานรายแถวหรือไม่
- ตรวจว่าทุกคู่แถวคอลัมน์มีค่าครบหรือรู้ว่าช่องไหนว่าง
ค่าที่หายไป — ช่องที่ไม่มีข้อมูลต้องใช้สีหรือลายที่ต่างจากสเกลหลักชัดเจน ไม่ใช่สีอ่อนสุด
สเกลของแกน — ใช้สเกลลำดับเดียวสำหรับค่าที่มีทิศทางเดียว และใช้สเกลสองขั้วพร้อมกลางสีเทาเมื่อมีจุดอ้างอิงที่มีความหมาย ห้ามใช้สีรุ้ง
กราฟจะเริ่มพังเมื่อไร
เกิน 100 แถว ป้ายชื่ออ่านไม่ออกและช่องเล็กจนกดไม่ได้
หน้าตาไฟล์ที่ต้องเตรียม
category,group,value
เหนือ,หน้าร้าน,91
เหนือ,เว็บไซต์,93
…04อ่านแล้วเห็นอะไร
สิ่งที่เห็นได้จากภาพ
- แถวหรือคอลัมน์ที่เข้มทั้งแนว
- บล็อกที่ค่าสูงกระจุกอยู่ด้วยกัน
- ช่องเดี่ยวที่ผิดจากเพื่อนบ้านอย่างชัดเจน
สิ่งที่กราฟนี้ตอบไม่ได้
- ★ เทียบค่าระหว่างสองช่องให้แม่น เพราะสีอ่านได้หยาบที่สุด
- ★ ข้อสรุปขึ้นกับลำดับที่เลือก ซึ่งภาพไม่ได้บอกว่าเรียงด้วยอะไร
- แนวโน้มที่ต่อเนื่องภายในแถว
อ่านตามลำดับนี้
- อ่านคำอธิบายสีและหน่วยก่อน
- มองภาพรวมหาแถวคอลัมน์หรือบล็อกที่เข้ม
- ตรวจว่าเรียงลำดับด้วยอะไร
คำถามที่ตอบได้
- มีรูปแบบอะไรในข้อมูลชุดใหญ่นี้
- แถวไหนสูงโดยรวม
- มีช่องไหนผิดปกติบ้าง
สัญญาณว่ามีอะไรผิด
- เรียงตามตัวอักษรทั้งที่มีเกณฑ์ที่มีความหมายกว่า
- ใช้สเกลสีรุ้ง
- ไม่แยกช่องว่างจากช่องที่มีค่าต่ำ
- ไม่มีคำอธิบายสี
05เหมาะกับการนำเสนอแบบไหน
ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย
- ★ ระบุว่าเรียงแถวและคอลัมน์ด้วยเกณฑ์อะไร
- ใส่ตัวเลขในช่องเมื่อตารางเล็กพอ
- ตีกรอบบล็อกที่ต้องการชี้ให้เห็น
รูปแบบชื่อกราฟที่ควรใช้
<ตัวชี้วัด> ของ <แถว> ข้าม <คอลัมน์> โดยเรียงตาม <เกณฑ์>
06เอาไปใช้ต่อ
โค้ดทุกชิ้นอ่านไฟล์ heatmap-matrix-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง
# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด heatmap-matrix-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("heatmap-matrix-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
NOTE = "order" # ← ค่าจาก Playground
fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)
mat = df.pivot_table(index="category", columns="group", values="value")
mat = mat.loc[mat.mean(axis=1).sort_values(ascending=False).index] # ★ เรียงตามค่าเฉลี่ย
sns.heatmap(mat, cmap="Blues", annot=True, fmt=".0f", annot_kws={"size": 8},
linewidths=2, linecolor="#fcfcfb", ax=ax,
cbar_kws={"label": "ยอดขาย (พันบาท)"})
ax.set_xlabel(""); ax.set_ylabel("")
ax.set_title("เรียงแถวตามค่าเฉลี่ย", loc="left", fontsize=9)
ax.spines[["top", "right"]].set_visible(False) # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("heatmap-matrix.png", dpi=160)
print("เขียน heatmap-matrix.png แล้ว ·", len(df), "แถว")07ลองเล่นเพื่อเข้าใจ
ดูข้อมูลเป็นตาราง (18 แถว)
| แถว | คอลัมน์ | ค่า |
|---|---|---|
| เหนือ | หน้าร้าน | 91.00 |
| เหนือ | เว็บไซต์ | 93.00 |
| เหนือ | แอป | 94.00 |
| อีสาน | หน้าร้าน | 120.00 |
| อีสาน | เว็บไซต์ | 84.00 |
| อีสาน | แอป | 154.00 |
| กลาง | หน้าร้าน | 88.00 |
| กลาง | เว็บไซต์ | 73.00 |
| กลาง | แอป | 130.00 |
| ตะวันออก | หน้าร้าน | 82.00 |
| ตะวันออก | เว็บไซต์ | 47.00 |
| ตะวันออก | แอป | 134.00 |
| ตะวันตก | หน้าร้าน | 92.00 |
| ตะวันตก | เว็บไซต์ | 70.00 |
| ตะวันตก | แอป | 136.00 |
| ใต้ | หน้าร้าน | 86.00 |
| ใต้ | เว็บไซต์ | 94.00 |
| ใต้ | แอป | 129.00 |
ลองแล้วจะเห็นอะไร
- สังเกตอะไร: ลองจินตนาการว่าสลับลำดับแถวแบบสุ่ม รูปแบบที่เห็นจะหายไปทันที — ลำดับคือส่วนหนึ่งของการวิเคราะห์
ข้อควรระวัง
- ★ เรียงตามตัวอักษรทั้งที่มีเกณฑ์ที่ทำให้รูปแบบปรากฏ
- ใช้สเกลสีรุ้งซึ่งไม่มีลำดับที่คนอ่านตรงกัน
- ไม่แยกช่องที่ไม่มีข้อมูลจากช่องที่มีค่าต่ำ
- ใช้ตอบคำถามที่ต้องการค่าที่แม่น ทั้งที่สีอ่านได้หยาบที่สุด
เมื่อไหร่ไม่ควรใช้กราฟนี้
- มีน้อยกว่า 20 ค่า→ใช้แทน: grouped-bar หรือตารางธรรมดา
- ต้องอ่านค่าให้แม่น→ใช้แทน: dot-plot หรือตารางที่มีแถบในเซลล์
- สนใจแนวโน้มต่อเนื่องในแต่ละแถว→ใช้แทน: small-multiples หรือ sparkline-tile