ฮิสโทแกรมHistogram

01ภาพรวมของกราฟนี้

Histogram แบ่งช่วงของตัวเลขหนึ่งคอลัมน์ออกเป็นถัง (bin) ที่กว้างเท่ากัน แล้ววาดแท่งสูงตามจำนวนข้อมูลในแต่ละถัง ผลที่ได้คือรูปร่างของการกระจาย ซึ่งบอกอะไรที่ค่าเฉลี่ยกับส่วนเบี่ยงเบนมาตรฐานสองตัวเลขบอกไม่ได้

ใช้ที่ไหนบ้าง — ตรวจว่าข้อมูลเบ้ไปทางไหนก่อนเลือกโมเดล ดูว่าราคาสินค้ากระจุกที่ช่วงไหน หรือหาว่ามีสองกลุ่มปนกันอยู่ในข้อมูลหรือไม่

สร้างอย่างไร

1. ขั้นที่ 1เลือกคอลัมน์ตัวเลขหนึ่งคอลัมน์
2. ขั้นที่ 2กำหนดจำนวนหรือความกว้างของ bin
3. ขั้นที่ 3นับจำนวนข้อมูลในแต่ละ bin
4. ขั้นที่ 4วาดแท่งสูงตามจำนวน โดยแท่งชิดกัน

02อธิบายภาษาคนเข้าใจง่าย ๆ

สมมติเรามีคะแนนสอบของนักเรียน 500 คน ถ้าบอกแค่ว่าค่าเฉลี่ยคือ 65 คะแนน เรายังไม่รู้เลยว่าเกิดอะไรขึ้นจริง ๆ อาจเป็นว่าเกือบทุกคนได้ราว ๆ 65 หรืออาจเป็นว่าครึ่งหนึ่งได้ 40 อีกครึ่งได้ 90 ซึ่งสองแบบนี้ต้องแก้ปัญหาคนละทางกันโดยสิ้นเชิง

Histogram ตอบคำถามนี้ด้วยวิธีง่ายมาก คือแบ่งช่วงคะแนนเป็นช่วงย่อยที่กว้างเท่ากัน เช่น 0 ถึง 10 ไปจนถึง 90 ถึง 100 แล้วนับว่าแต่ละช่วงมีนักเรียนกี่คน จากนั้นวาดแท่งให้สูงตามจำนวนที่นับได้

สิ่งที่ทำให้ Histogram ต่างจากกราฟแท่งธรรมดาคือแกนนอนของมันเป็นตัวเลขต่อเนื่อง ไม่ใช่หมวดหมู่ แท่งจึงต้องวางชิดกันเพื่อสื่อว่าช่วงค่าต่อเนื่องกันไป ถ้าเว้นช่องว่างระหว่างแท่ง คนอ่านจะเข้าใจผิดว่าเป็นหมวดที่แยกขาดจากกัน

จำนวน bin คือการตัดสินใจที่สำคัญที่สุดและเป็นจุดที่คนพลาดบ่อยที่สุด ถ้า bin น้อยเกินไปรูปร่างจะเรียบจนกลืนรายละเอียดที่สำคัญ เช่น ยอดสองยอดจะรวมเป็นยอดเดียว ถ้า bin มากเกินไปแท่งจะหยักขึ้นลงตามความบังเอิญของข้อมูลจนดูเหมือนมีรูปแบบทั้งที่ไม่มี

วิธีปฏิบัติที่ปลอดภัยคือลองหลายค่าแล้วดูว่าข้อสรุปเปลี่ยนไหม ถ้าเห็นสองยอดที่ bin เท่าไรก็ยังเห็น แปลว่ามีจริง แต่ถ้ายอดที่สองหายไปเมื่อเปลี่ยน bin เล็กน้อย ก็ยังสรุปไม่ได้ Playground ด้านล่างออกแบบมาให้ลองข้อนี้โดยเฉพาะ

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. กรองค่าหายออก และบันทึกไว้ว่ากรองไปกี่แถว
2. ตัดสินใจเรื่องค่าผิดปกติก่อนวาด: จะคงไว้ จะตัด หรือจะใช้ scale log
3. ถ้าข้อมูลเบ้ขวาแรง พิจารณา log-transform แล้วบอกในชื่อแกนว่าทำแล้ว

ค่าที่หายไป — ตัดแถวที่ค่าว่างออกจากการนับ และเขียนจำนวนที่ตัดไว้ใน caption เสมอ — ถ้าค่าหายไม่ได้สุ่ม การกระจายที่เห็นจะบิด

สเกลของแกน — แกน x ใช้ linear ตามค่าจริง ถ้าข้อมูลเบ้ขวาแรง เช่น รายได้ ใช้ log บนแกน x และคง bin ให้กว้างเท่ากันในสเกล log

หน้าตาไฟล์ที่ต้องเตรียม

value
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. ดูตำแหน่งยอดก่อน — ข้อมูลส่วนใหญ่อยู่ตรงไหน
2. ดูความกว้าง — แคบแปลว่าค่าใกล้เคียงกัน กว้างแปลว่ากระจาย
3. ดูความสมมาตร — หางข้างไหนยาวกว่า
4. ดูจำนวนยอด — มากกว่าหนึ่งยอดแปลว่าควรแยกวิเคราะห์

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ลากเส้นแนวตั้งที่ค่าเฉลี่ยและมัธยฐาน แล้วติดป้ายทั้งสอง — ระยะห่างของสองเส้นนี้บอกความเบ้ทันที
2. เขียนจำนวนแถวทั้งหมดและจำนวนที่ถูกตัดออกไว้ใน caption
3. ระบุความกว้างของ bin ไว้ใน caption เสมอ เพราะมันเปลี่ยนรูปที่เห็น

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ histogram-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด histogram-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("histogram-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
BINS = 24
SCALE = "linear"   # ← ค่าจาก Playground

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

values = df["value"].dropna()
dropped = len(df) - len(values)
ax.hist(values, bins=BINS, color=C1, edgecolor=SURFACE, linewidth=1.2)
ax.axvline(values.mean(), color=INK, linewidth=1.2, linestyle="--")     # ค่าเฉลี่ย
ax.axvline(values.median(), color=INK, linewidth=1.2)                    # มัธยฐาน
ax.set_xlabel("ค่าที่วัดได้"); ax.set_ylabel("จำนวนข้อมูล")
ax.set_title(f"การกระจาย · {BINS} bin · n={len(values)} (ตัดค่าว่าง {dropped} แถว)", loc="left")
ax.grid(axis="y", alpha=0.25); ax.set_axisbelow(True)

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ใช้จำนวน bin ค่า default ของไลบรารีแล้วสรุปเลย — ต้องลองหลายค่าเสมอก่อนสรุปรูปร่าง
2. เว้นช่องว่างระหว่างแท่ง ทำให้ดูเหมือนกราฟแท่งหมวดหมู่ ทั้งที่แกนเป็นค่าต่อเนื่อง
3. เอา histogram ของสองกลุ่มมาซ้อนทับกันจนอ่านไม่ออก — ใช้ small multiples หรือ density แทน
4. แกนตั้งไม่เริ่มที่ศูนย์ ทำให้สัดส่วนความสูงโกหก
5. วาด histogram จากข้อมูลที่สรุปมาแล้ว เช่น ค่าเฉลี่ยรายจังหวัด ทั้งที่ควรใช้ข้อมูลดิบ
6. ไม่บอกว่าตัดค่าผิดปกติออกไปแล้ว ทำให้คนอ่านเห็นการกระจายที่ไม่ตรงความจริง

เมื่อไหร่ไม่ควรใช้กราฟนี้

• ข้อมูลน้อยกว่า 30 แถว→ใช้แทน: strip-plot หรือ dot-plot ที่แสดงทุกจุดจริง
• ต้องเทียบการกระจายมากกว่า 3 กลุ่ม→ใช้แทน: box-plot หรือ ridgeline-plot
• ตัวแปรเป็นหมวดหมู่ไม่ใช่ตัวเลขต่อเนื่อง→ใช้แทน: bar-chart
• ต้องการอ่านว่าสัดส่วนเท่าไรที่ต่ำกว่าค่าหนึ่ง→ใช้แทน: ecdf-plot ซึ่งอ่านค่านั้นได้ตรง ๆ

กราฟที่เกี่ยวข้อง