แผนที่ความร้อนKernel Heat Map

01ภาพรวมของกราฟนี้

Kernel heat map เกลี่ยจุดแต่ละจุดเป็นเนินแล้วรวมกันเป็นพื้นผิวความหนาแน่น ทำให้จุดร้อนอ่านง่ายกว่าแผนที่จุดดิบมาก แต่รัศมีการเกลี่ยเป็นค่าที่คนตั้งและเปลี่ยนภาพได้ทั้งหมด จึงต้องระบุเสมอ และพื้นผิวที่ได้ก็ไม่ใช่ข้อมูลจริงแต่เป็นการประมาณ

ใช้ที่ไหนบ้าง — จุดร้อนของอาชญากรรมในเมือง ความหนาแน่นของอุบัติเหตุบนถนน หรือบริเวณที่ผู้ใช้แอปกระจุกตัว

สร้างอย่างไร

1. ขั้นที่ 1เลือกรัศมีการเกลี่ยตามสเกลของปรากฏการณ์
2. ขั้นที่ 2คำนวณพื้นผิวความหนาแน่นจากทุกจุด
3. ขั้นที่ 3ใช้สเกลสีลำดับเดียวและระบุหน่วย
4. ขั้นที่ 4แสดงจุดดิบทับด้วยเพื่อให้เห็นว่าข้อมูลจริงมีแค่ไหน

02อธิบายภาษาคนเข้าใจง่าย ๆ

แผนที่จุดดิบมีปัญหาเมื่อจุดเยอะ เพราะจุดทับกันจนบอกไม่ได้ว่าบริเวณไหนหนาแน่นกว่ากันจริง ๆ

Kernel heat map แก้ด้วยการเกลี่ย แทนที่จะวาดจุดเป็นจุด มันวาดแต่ละจุดเป็นเนินเตี้ย ๆ ที่สูงตรงกลางและค่อย ๆ ลดลงตามระยะ แล้วบวกเนินทั้งหมดเข้าด้วยกัน

ผลคือพื้นผิวเรียบที่บริเวณจุดกระจุกกันจะสูงและเข้ม ซึ่งเป็นภาพที่สายตาอ่านได้ทันทีโดยไม่ต้องเพ่งนับจุด

ราคาที่จ่ายอย่างแรกและสำคัญที่สุดคือรัศมีการเกลี่ยเป็นค่าที่คนตั้ง รัศมีเล็กให้จุดร้อนหลายจุดแยกกัน รัศมีใหญ่ให้จุดร้อนใหญ่จุดเดียว จากข้อมูลชุดเดียวกันทุกประการ

อย่างที่สองคือพื้นผิวที่เห็นไม่ใช่ข้อมูล แต่เป็นการประมาณ ค่าที่บริเวณหนึ่งอาจสูงเพราะมีจุดข้างเคียงหลายจุด ทั้งที่ตรงนั้นไม่มีข้อมูลเลยสักจุดเดียว

ผลที่ตามมาคือกราฟนี้ตอบได้แค่ว่าจุดร้อนอยู่บริเวณไหนโดยประมาณ ไม่ได้ตอบว่าที่ตำแหน่งนี้มีค่าเท่าไร และห้ามใช้ตัดสินใจระดับรายตำแหน่ง

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ★ เลือกรัศมีการเกลี่ยตามสเกลของปรากฏการณ์และบันทึกไว้
2. ตัดจุดที่พิกัดผิดปกติออก
3. ตัดสินใจว่าจะแสดงจุดดิบทับหรือไม่

ค่าที่หายไป — บริเวณที่ไม่มีการเก็บข้อมูลจะดูเหมือนบริเวณที่ไม่มีเหตุการณ์ ต้องตีกรอบขอบเขตการเก็บข้อมูลให้ชัด

สเกลของแกน — ใช้สเกลสีลำดับเดียวไล่อ่อนไปเข้ม และระบุว่าค่าที่แสดงคือความหนาแน่นประมาณ ไม่ใช่จำนวนนับ

หน้าตาไฟล์ที่ต้องเตรียม

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

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. อ่านคำอธิบายว่ารัศมีการเกลี่ยเท่าไร
2. มองหาบริเวณที่เข้มที่สุด
3. ดูจุดดิบที่ทับอยู่เพื่อตรวจว่าจุดร้อนนั้นมาจากข้อมูลจริงหรือจากการเกลี่ย

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ★ ระบุรัศมีการเกลี่ยไว้ในคำอธิบายเสมอ
2. แสดงจุดดิบทับเพื่อให้ตรวจสอบได้
3. ตีกรอบขอบเขตที่เก็บข้อมูลให้ชัด

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ kernel-heat-map-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด kernel-heat-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.stats import gaussian_kde

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

df = pd.read_csv("kernel-heat-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")
RADIUS = "46"   # ← ค่าจาก Playground

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

kde = gaussian_kde(np.vstack([df["lon"], df["lat"]]),
                   weights=df["value"], bw_method=0.3)   # bw_method = รัศมีการเกลี่ย
gx, gy = np.mgrid[df["lon"].min():df["lon"].max():160j,
                  df["lat"].min():df["lat"].max():160j]
z = kde(np.vstack([gx.ravel(), gy.ravel()])).reshape(gx.shape)
im = ax.pcolormesh(gx, gy, z, cmap="Blues", shading="gouraud")
ax.scatter(df["lon"], df["lat"], s=6, color="#22201c", alpha=0.5)   # จุดดิบทับให้ตรวจได้
fig.colorbar(im, ax=ax, label="ความหนาแน่นประมาณ", shrink=0.8)
ax.set_title("bw = 0.3", loc="left")

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ★ ไม่ระบุรัศมีการเกลี่ย ทั้งที่ค่านี้เปลี่ยนจำนวนจุดร้อนที่เห็นได้ทั้งหมด
2. ตีความพื้นผิวว่าเป็นข้อมูลจริง ทั้งที่เป็นการประมาณ
3. ใช้กับข้อมูลน้อยเกินไปจนพื้นผิวเป็นภาพลวง
4. ไม่แสดงจุดดิบ ทำให้ผู้อ่านตรวจสอบไม่ได้ว่าจุดร้อนมาจากไหน

เมื่อไหร่ไม่ควรใช้กราฟนี้

• ต้องอ่านค่าของแต่ละบริเวณ→ใช้แทน: hexbin-map ที่นับจริงในแต่ละช่อง
• มีจุดข้อมูลน้อยกว่า 30 จุด→ใช้แทน: dot-density-map หรือ scatter-plot
• ข้อมูลผูกกับเขตการปกครอง→ใช้แทน: choropleth-map

กราฟที่เกี่ยวข้อง