กราฟแยกส่วนประกอบอนุกรมเวลาSeasonal Decomposition Plot

01ภาพรวมของกราฟนี้

Seasonal decomposition plot แยกอนุกรมเวลาออกเป็นสามส่วนประกอบแล้ววางเรียงกันสี่แผงบนแกนเวลาเดียวกัน แผงบนคือข้อมูลจริง ตามด้วยแนวโน้ม ฤดูกาล และส่วนที่เหลือ ส่วนที่เหลือคือชั้นที่มีค่าที่สุด เพราะมันคือสิ่งที่โมเดลอธิบายไม่ได้

ใช้ที่ไหนบ้าง — วิเคราะห์ยอดขายก่อนทำพยากรณ์ ตรวจว่าการเปลี่ยนแปลงเป็นเรื่องฤดูกาลหรือเรื่องจริง หรือหาเหตุการณ์ผิดปกติที่ซ่อนอยู่ใต้ฤดูกาล

สร้างอย่างไร

1. ขั้นที่ 1เลือกความยาวของรอบฤดูกาล
2. ขั้นที่ 2สกัดแนวโน้มด้วยค่าเฉลี่ยเคลื่อนที่
3. ขั้นที่ 3สกัดฤดูกาลจากค่าเฉลี่ยของแต่ละตำแหน่งในรอบ
4. ขั้นที่ 4ส่วนที่เหลือคือสิ่งที่อธิบายไม่ได้

02อธิบายภาษาคนเข้าใจง่าย ๆ

อนุกรมเวลาส่วนใหญ่เป็นผลรวมของสามอย่าง คือทิศทางระยะยาว รูปแบบที่ซ้ำตามฤดูกาล และความผันผวนที่อธิบายไม่ได้ เมื่อดูรวมกันเราแยกไม่ออกว่าอันไหนเป็นอันไหน

การแยกส่วนประกอบคำนวณแต่ละชั้นออกมาแล้ววาดเรียงกัน แผงบนสุดคือข้อมูลดิบ แผงถัดมาคือแนวโน้มที่ได้จากการทำให้เรียบ แผงที่สามคือรูปแบบที่ซ้ำทุกรอบ และแผงล่างคือส่วนที่เหลือ

ชั้นที่คนมักมองข้ามแต่มีค่าที่สุดคือแผงล่าง เพราะมันคือสิ่งที่แนวโน้มและฤดูกาลอธิบายไม่ได้ ถ้ามีจุดที่พุ่งสูงในแผงนี้ นั่นคือเหตุการณ์จริงที่ไม่ใช่ฤดูกาลและไม่ใช่แนวโน้ม

สิ่งที่ต้องตัดสินใจคือความยาวของรอบ ถ้าข้อมูลรายเดือนก็มักเป็น 12 แต่ถ้าเป็นรายวันอาจเป็น 7 สำหรับรอบสัปดาห์หรือ 365 สำหรับรอบปี การเลือกผิดทำให้ผลการแยกไม่มีความหมาย

ข้อควรระวังคือการแยกส่วนประกอบเป็นแบบจำลอง ไม่ใช่ความจริง มันสมมติว่าสามชั้นบวกกันได้และฤดูกาลมีรูปร่างคงที่ ซึ่งอาจไม่จริงกับข้อมูลของเรา

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ทำให้ช่วงห่างของเวลาสม่ำเสมอ
2. เลือกความยาวของรอบและเขียนเหตุผล
3. ตัดสินใจว่าจะใช้แบบบวกหรือแบบคูณ

ค่าที่หายไป — ต้องเติมค่าที่หายก่อนแยกส่วนประกอบ เพราะค่าเฉลี่ยเคลื่อนที่คำนวณข้ามช่องว่างไม่ได้ และต้องระบุวิธีเติมที่ใช้

สเกลของแกน — แต่ละแผงใช้สเกลของตัวเองเพราะขนาดของส่วนประกอบต่างกันมาก แต่ต้องใช้แกนเวลาร่วมกันเสมอ

หน้าตาไฟล์ที่ต้องเตรียม

date,month,value
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. ดูแผงแนวโน้มเพื่ออ่านทิศทางที่แท้จริง
2. ดูแผงฤดูกาลเพื่ออ่านรูปแบบที่ซ้ำ
3. ดูแผงส่วนที่เหลือเพื่อหาเหตุการณ์ผิดปกติ

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. เขียนความยาวรอบที่ใช้และวิธีแยกไว้ใต้กราฟ
2. ทำเครื่องหมายจุดที่ส่วนที่เหลือพุ่งสูงผิดปกติ
3. ระบุว่าใช้แบบบวกหรือแบบคูณ

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ seasonal-decomposition-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด seasonal-decomposition-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
from statsmodels.tsa.seasonal import seasonal_decompose  # pip install statsmodels

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

df = pd.read_csv("seasonal-decomposition-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
NOTE = "residual"   # ← ค่าจาก Playground

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

df["date"] = pd.to_datetime(df["date"])
s = df.set_index("date")["value"].asfreq("MS").interpolate()   # ต้องเติมค่าที่หายก่อน
result = seasonal_decompose(s, model="additive", period=12)    # period = ความยาวรอบ
fig.clf(); fig.set_size_inches(7.6, 6)
for i, (name, comp) in enumerate([("ข้อมูลจริง", s), ("แนวโน้ม", result.trend),
                                  ("ฤดูกาล", result.seasonal), ("ส่วนที่เหลือ", result.resid)]):
    a = fig.add_subplot(4, 1, i + 1)
    a.plot(comp.index, comp, color=[INK, C1, C3, C2][i], linewidth=1.6)
    a.set_ylabel(name, fontsize=9); a.grid(alpha=0.2)

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. เลือกความยาวรอบผิด ทำให้ผลการแยกไม่มีความหมายเลย
2. มองข้ามแผงส่วนที่เหลือ ซึ่งเป็นแผงที่มีข้อมูลใหม่มากที่สุด
3. ตีความผลการแยกว่าเป็นความจริง ทั้งที่เป็นเพียงแบบจำลองที่ตั้งสมมติฐานไว้
4. ใช้แบบบวกกับข้อมูลที่ฤดูกาลโตตามระดับ ซึ่งควรใช้แบบคูณ

เมื่อไหร่ไม่ควรใช้กราฟนี้

• ข้อมูลมีน้อยกว่า 2 รอบเต็ม→ใช้แทน: line-chart
• ผู้อ่านไม่ใช่นักวิเคราะห์→ใช้แทน: cycle-plot หรือ line-chart พร้อมคำอธิบาย
• ต้องการเห็นแนวโน้มภายในแต่ละเดือน→ใช้แทน: cycle-plot

กราฟที่เกี่ยวข้อง