เมทริกซ์แผนภาพกระจายScatter Plot Matrix

01ภาพรวมของกราฟนี้

Scatter plot matrix วาดแผนภาพกระจายของทุกคู่ตัวแปรเรียงเป็นตาราง จุดแข็งเหนือ correlation matrix คือมันไม่ได้ย่อความสัมพันธ์เหลือตัวเลขเดียว จึงเห็นความสัมพันธ์แบบโค้ง กลุ่มก้อน และค่าผิดปกติที่ค่าสหสัมพันธ์มองไม่เห็น

ใช้ที่ไหนบ้าง — สำรวจชุดข้อมูลใหม่ที่มี 4-6 ตัวแปร ตรวจสมมติฐานก่อนสร้างโมเดล หรือหากลุ่มย่อยในข้อมูลหลายมิติ

สร้างอย่างไร

1. ขั้นที่ 1เลือกตัวแปรไม่เกิน 6 ตัว
2. ขั้นที่ 2วาดแผนภาพกระจายของทุกคู่
3. ขั้นที่ 3ใส่สถิติสรุปในครึ่งหนึ่งของตาราง
4. ขั้นที่ 4ใส่การกระจายของแต่ละตัวแปรบนเส้นทแยงมุม

02อธิบายภาษาคนเข้าใจง่าย ๆ

ตารางสหสัมพันธ์บอกได้เร็วว่าคู่ไหนแรง แต่มันย่อทุกอย่างเหลือตัวเลขเดียว ซึ่งทิ้งข้อมูลสำคัญไปมาก โดยเฉพาะรูปร่างของความสัมพันธ์

Scatter plot matrix แก้ด้วยการวาดแผนภาพกระจายของทุกคู่จริง ๆ แล้ววางเป็นตาราง ตำแหน่งแถวและคอลัมน์บอกว่าช่องนั้นเป็นคู่ของตัวแปรไหน

สิ่งที่เห็นเพิ่มขึ้นมาคือความสัมพันธ์แบบโค้งที่ค่าสหสัมพันธ์ให้เป็นศูนย์ กลุ่มก้อนที่แยกกัน และค่าผิดปกติที่ดึงค่าสหสัมพันธ์ทั้งค่า

นิยมใช้พื้นที่ให้คุ้มด้วยการใส่สองอย่างในตารางเดียว คือครึ่งล่างเป็นแผนภาพกระจาย ครึ่งบนเป็นตัวเลขสหสัมพันธ์ และเส้นทแยงมุมเป็นการกระจายของตัวแปรนั้นเอง

ข้อจำกัดคือจำนวนตัวแปร ถ้ามี 6 ตัวก็ได้ 36 ช่อง ซึ่งแต่ละช่องเล็กแล้ว เกินกว่านั้นช่องจะเล็กจนอ่านอะไรไม่ได้ ในทางปฏิบัติจึงใช้กับ 3-6 ตัวแปร

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. เลือกตัวแปรที่จะเทียบไม่เกิน 6 ตัว
2. ปรับสเกลถ้าหน่วยต่างกันมาก
3. ตัดสินใจว่าจะใส่อะไรในครึ่งบนและเส้นทแยงมุม

ค่าที่หายไป — แถวที่ขาดค่าใดค่าหนึ่งจะหายไปเฉพาะในช่องที่เกี่ยวข้อง ต้องระบุจำนวนที่ใช้จริงในแต่ละช่อง

สเกลของแกน — แต่ละตัวแปรใช้สเกลของตัวเอง และสเกลของตัวแปรเดียวกันต้องเหมือนกันทุกช่องในแถวและคอลัมน์นั้น

หน้าตาไฟล์ที่ต้องเตรียม

item,group,ราคา,ความเร็ว,ความจุ,น้ำหนัก,คะแนนรีวิว
รุ่น A,รุ่นประหยัด,167,48.5,17.6,30.9,3.17
รุ่น B,รุ่นมาตรฐาน,301,55.7,30.4,20,4.09
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. กวาดตาหาช่องที่จุดเรียงเป็นรูปแบบชัดเจน
2. ดูเส้นทแยงมุมเพื่อรู้การกระจายของแต่ละตัวแปร
3. ตรวจว่าค่าผิดปกติจุดเดียวกันโผล่ในหลายช่องไหม

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ทำเครื่องหมายช่องที่น่าสนใจที่สุดด้วยกรอบ
2. ใส่ค่าสหสัมพันธ์ในครึ่งบนของตาราง
3. เขียนชื่อตัวแปรให้อ่านง่ายที่ขอบ

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ scatter-matrix-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด scatter-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("scatter-matrix-sample.csv")
df["ราคา"] = pd.to_numeric(df["ราคา"], errors="coerce")
df["ความเร็ว"] = pd.to_numeric(df["ความเร็ว"], errors="coerce")
df["ความจุ"] = pd.to_numeric(df["ความจุ"], errors="coerce")
df["น้ำหนัก"] = pd.to_numeric(df["น้ำหนัก"], errors="coerce")
df["คะแนนรีวิว"] = pd.to_numeric(df["คะแนนรีวิว"], errors="coerce")
NOTE = "shapes"   # ← ค่าจาก Playground

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

fig.clf()
cols = ["ราคา", "ความเร็ว", "ความจุ", "คะแนนรีวิว"]     # เลือกไม่เกิน 6 ตัว
g = sns.pairplot(df[cols + ["group"]], hue="group", diag_kind="kde",
                 palette=[C1, C2, C3], plot_kws={"s": 18, "alpha": 0.6})
g.figure.savefig("scatter-matrix.png", dpi=160)
print("เขียน scatter-matrix.png แล้ว")
raise SystemExit   # seaborn สร้าง figure ของตัวเอง จึงไม่ใช้ fig เดิม

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ใส่ตัวแปรมากเกินไปจนแต่ละช่องเล็กจนอ่านไม่ได้
2. ใช้สีเกิน 3 กลุ่ม ทำให้จุดที่ปนกันในทุกช่องแยกไม่ออก
3. ใช้สเกลของตัวแปรเดียวกันไม่ตรงกันระหว่างช่อง
4. ดูแต่ครึ่งบนที่เป็นตัวเลข โดยไม่ดูครึ่งล่างที่เป็นรูปร่างจริง

เมื่อไหร่ไม่ควรใช้กราฟนี้

• มีตัวแปรมากกว่า 7 ตัว→ใช้แทน: correlation-matrix คัดกรองก่อนแล้วค่อยดูคู่ที่น่าสนใจ
• ต้องการดูคู่เดียว→ใช้แทน: scatter-plot ที่ใหญ่และอ่านง่ายกว่า
• ข้อมูลใหญ่มากจนจุดทับกัน→ใช้แทน: hexbin-plot ของคู่ที่สนใจ

กราฟที่เกี่ยวข้อง