01ภาพรวมของกราฟนี้
Star coordinates วางแกนของทุกตัวแปรเป็นเวกเตอร์จากจุดศูนย์กลาง แล้วหาตำแหน่งของแต่ละแถวจากผลบวกเวกเตอร์ ต่างจาก PCA ตรงที่ผู้ใช้หมุนและยืดแกนเองได้ ทำให้สำรวจได้อิสระ แต่แลกกับการที่ตำแหน่งเดียวกันอาจมาจากค่าคนละชุดโดยสิ้นเชิง
เปรียบเทียบให้เห็นภาพ
เหมือนโมบายที่แขวนของหลายชิ้น ตำแหน่งที่สมดุลมาจากน้ำหนักทุกชิ้นรวมกัน ซึ่งของหนักคนละชุดก็ให้จุดสมดุลเดียวกันได้
ใช้ที่ไหนบ้าง — สำรวจข้อมูลหลายมิติแบบโต้ตอบ หามุมที่กลุ่มแยกจากกันชัดที่สุด หรือสอนแนวคิดการลดมิติ
สร้างอย่างไร
- ขั้นที่ 1★ ปรับทุกตัวแปรให้อยู่ในสเกลเดียวกัน
- ขั้นที่ 2วางแกนกระจายรอบวงเป็นค่าเริ่มต้น
- ขั้นที่ 3คำนวณตำแหน่งจากผลบวกเวกเตอร์ของทุกแกน
- ขั้นที่ 4ให้ผู้ใช้หมุนและยืดแกนแล้วดูการเปลี่ยนแปลง
ตัวอย่างคลาสสิก · Star coordinates ในเครื่องมือสำรวจข้อมูลแบบโต้ตอบ
Eser Kandogan เสนอวิธีนี้ในปี 2000 โดยชี้ว่าการให้ผู้ใช้ควบคุมการฉายเองทำให้ค้นพบโครงสร้างที่วิธีอัตโนมัติมองข้าม แต่ก็เตือนไว้ตั้งแต่ต้นว่าการทับซ้อนของข้อมูลเป็นข้อจำกัดที่หลีกเลี่ยงไม่ได้ของการยุบหลายมิติลงเหลือสอง
02อธิบายภาษาคนเข้าใจง่าย ๆ
PCA เลือกมุมมองให้เราโดยอัตโนมัติ ซึ่งสะดวกแต่ก็ปิดโอกาสที่จะสำรวจมุมอื่นที่อาจเผยอะไรที่ต่างออกไป
Star coordinates ให้การควบคุมกลับมาที่ผู้ใช้ โดยวางแกนของแต่ละตัวแปรเป็นเวกเตอร์จากจุดศูนย์กลาง แล้วตำแหน่งของแต่ละแถวคือผลบวกของเวกเตอร์ทุกตัวถ่วงด้วยค่าของแถวนั้น
เมื่อผู้ใช้หมุนแกนหนึ่ง จุดทั้งหมดก็ขยับตาม ซึ่งทำให้ค่อย ๆ หามุมที่กลุ่มแยกจากกันชัดที่สุดได้ด้วยมือ และการได้เห็นจุดขยับก็ช่วยให้เข้าใจว่าตัวแปรไหนมีอิทธิพลกับการแยกกลุ่ม
ปัญหาที่ร้ายแรงที่สุดคือการทับซ้อนของข้อมูล เนื่องจากหลายมิติถูกยุบเหลือสอง แถวที่มีค่าคนละชุดโดยสิ้นเชิงก็ลงเอยที่ตำแหน่งเดียวกันได้ ซึ่งแปลว่าจุดที่อยู่ติดกันไม่ได้แปลว่าคล้ายกัน
ปัญหาที่สองคือภาพขึ้นกับมุมที่ผู้ใช้เลือกทั้งหมด ซึ่งเปิดช่องให้หมุนจนได้ภาพที่สนับสนุนสิ่งที่อยากเห็น แล้วนำเสนอเป็นข้อค้นพบ
ข้อสรุปที่ใช้ได้จริงคือมันเป็นเครื่องมือสำรวจแบบโต้ตอบที่ดี แต่ไม่ใช่ภาพสำหรับนำเสนอข้อสรุป และถ้าจะนำเสนอก็ต้องระบุมุมที่ใช้ไว้ให้ทำซ้ำได้
03ข้อมูลที่ต้องใช้
คอลัมน์ที่ต้องเตรียม
| คอลัมน์ | ทำหน้าที่ | ชนิด | เข้ารหัสด้วย | จำนวนค่าที่เหมาะ | หมายเหตุ |
|---|---|---|---|---|---|
item | ตัวอย่าง | หมวดหมู่ | text | 20–2,000 แถว | แต่ละแถวเป็นหนึ่งจุด |
groupไม่บังคับ | กลุ่ม | หมวดหมู่ | color | 2–6 กลุ่ม | ใช้ตรวจว่ามุมที่เลือกแยกกลุ่มได้ไหม |
ราคา | มิติที่ฉาย | ตัวเลขต่อเนื่อง | angle | 3–12 มิติ | ★ ต้องปรับเป็นสเกลเดียวกัน |
ต้องเตรียมข้อมูลอย่างไรก่อนวาด
- ★ ปรับทุกตัวแปรให้อยู่ในช่วงเดียวกัน
- บันทึกมุมและความยาวของแกนที่ใช้ในภาพสุดท้าย
- ตรวจว่าทุกมิติเป็นเชิงปริมาณ
ค่าที่หายไป — แถวที่มีค่าหายไปจะถูกดึงเข้าหาศูนย์กลางอย่างผิด ๆ ต้องตัดออกและรายงานจำนวน
สเกลของแกน — ทุกแกนต้องใช้ช่วงเดียวกัน และความยาวของแกนที่ต่างกันคือการให้น้ำหนักที่ต้องระบุ
กราฟจะเริ่มพังเมื่อไร
เกิน 12 มิติ ผู้ใช้ควบคุมแกนไม่ไหวและการทับซ้อนรุนแรงเกินไป
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
สิ่งที่เห็นได้จากภาพ
- กลุ่มที่แยกจากกันในมุมที่เลือก
- ตัวแปรที่มีอิทธิพลกับการแยกกลุ่มมากที่สุด
- ตัวอย่างที่อยู่ไกลจากกลุ่มทั้งหมด
สิ่งที่กราฟนี้ตอบไม่ได้
- ★ จุดที่อยู่ตำแหน่งเดียวกันอาจมีค่าคนละชุดโดยสิ้นเชิง
- ★ ภาพขึ้นกับมุมที่ผู้ใช้เลือก จึงไม่ใช่ข้อค้นพบที่เป็นกลาง
- ค่าของตัวแปรใดตัวแปรหนึ่ง
อ่านตามลำดับนี้
- ดูทิศและความยาวของแกนแต่ละแกนก่อน
- ดูว่าจุดของกลุ่มต่าง ๆ แยกกันหรือทับกัน
- หมุนแกนแล้วดูว่าจุดขยับอย่างไรเพื่อรู้ว่าตัวแปรไหนมีอิทธิพล
คำถามที่ตอบได้
- มีมุมที่ทำให้กลุ่มแยกกันชัดไหม
- ตัวแปรไหนผลักให้กลุ่มแยกกัน
- ข้อมูลมีโครงสร้างเป็นกลุ่มหรือไม่
สัญญาณว่ามีอะไรผิด
- ไม่ระบุมุมและความยาวของแกนที่ใช้
- ไม่ปรับตัวแปรเป็นสเกลเดียวกัน
- นำเสนอมุมที่หมุนจนได้ผลที่อยากเห็นว่าเป็นข้อค้นพบ
05เหมาะกับการนำเสนอแบบไหน
ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย
- ★ แสดงแกนทุกแกนพร้อมชื่อและความยาวที่ใช้จริง
- ระบุมุมของแกนเป็นตัวเลขเพื่อให้ทำซ้ำได้
- เขียนเตือนว่าจุดที่ทับกันอาจมีค่าคนละชุด
รูปแบบชื่อกราฟที่ควรใช้
การฉาย <จำนวน> มิติโดยผู้ใช้กำหนดมุม โดยกลุ่ม <กลุ่ม> แยกออกชัดที่สุด
06เอาไปใช้ต่อ
โค้ดทุกชิ้นอ่านไฟล์ star-coordinates-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง
# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด star-coordinates-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg") # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a" # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"
df = pd.read_csv("star-coordinates-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")
ROTATE = 0 # ← ค่าจาก Playground
fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)
dims = ["ราคา", "ความเร็ว", "ความจุ", "น้ำหนัก", "คะแนนรีวิว"]
norm = df[dims].apply(lambda c: (c - c.min()) / (c.max() - c.min())) # ★ สเกลเดียวกัน
ROTATE = 0 # ★ ระบุมุมเพื่อให้ทำซ้ำได้
ang = np.array([j / len(dims) * 2 * np.pi + np.radians(ROTATE) for j in range(len(dims))])
axes_vec = np.stack([np.cos(ang), np.sin(ang)], axis=1)
P = norm.values @ axes_vec # ตำแหน่ง = ผลบวกเวกเตอร์
for i, g in enumerate(df["group"].unique()):
mask = df["group"].values == g
ax.scatter(P[mask, 0], P[mask, 1], s=48, color=PALETTE[i], label=g, alpha=0.82)
for j, dim in enumerate(dims): # แสดงแกนให้เห็นเสมอ
ax.arrow(0, 0, axes_vec[j, 0], axes_vec[j, 1], color="#8c887e", head_width=0.05)
ax.text(axes_vec[j, 0] * 1.15, axes_vec[j, 1] * 1.15, dim, fontsize=9, ha="center")
ax.set_aspect("equal"); ax.axis("off"); ax.legend(frameon=False)
ax.spines[["top", "right"]].set_visible(False) # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("star-coordinates.png", dpi=160)
print("เขียน star-coordinates.png แล้ว ·", len(df), "แถว")07ลองเล่นเพื่อเข้าใจ
จุดสองจุดที่ทับกันอาจมาจากข้อมูลคนละแบบ เพราะการรวมเวกเตอร์ทำให้ค่าหักล้างกันได้
ดูข้อมูลเป็นตาราง (18 แถว)
| รายการ | กลุ่ม | 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 | 20.0 | 4.09 |
| รุ่น C | รุ่นพรีเมียม | 393 | 76.1 | 43.6 | 17.2 | 4.14 |
| รุ่น D | รุ่นประหยัด | 195 | 38.2 | 21.9 | 29.5 | 3.20 |
| รุ่น E | รุ่นมาตรฐาน | 304 | 57.4 | 35.1 | 23.3 | 3.82 |
| รุ่น F | รุ่นพรีเมียม | 432 | 67.9 | 38.5 | 15.4 | 4.47 |
| รุ่น G | รุ่นประหยัด | 186 | 42.8 | 18.5 | 30.0 | 3.04 |
| รุ่น H | รุ่นมาตรฐาน | 302 | 49.3 | 24.1 | 25.9 | 3.67 |
| รุ่น I | รุ่นพรีเมียม | 396 | 77.5 | 44.1 | 18.2 | 4.41 |
| รุ่น J | รุ่นประหยัด | 173 | 39.0 | 19.7 | 27.5 | 3.50 |
| รุ่น K | รุ่นมาตรฐาน | 308 | 60.0 | 34.2 | 22.1 | 3.82 |
| รุ่น L | รุ่นพรีเมียม | 420 | 79.1 | 46.4 | 19.7 | 4.27 |
| รุ่น M | รุ่นประหยัด | 173 | 35.9 | 19.5 | 31.9 | 3.11 |
| รุ่น N | รุ่นมาตรฐาน | 298 | 64.6 | 32.6 | 23.0 | 3.65 |
| รุ่น O | รุ่นพรีเมียม | 435 | 77.7 | 41.1 | 17.8 | 4.00 |
| รุ่น P | รุ่นประหยัด | 196 | 43.2 | 19.5 | 29.6 | 3.23 |
| รุ่น Q | รุ่นมาตรฐาน | 296 | 55.8 | 34.5 | 23.3 | 3.81 |
| รุ่น R | รุ่นพรีเมียม | 422 | 74.4 | 45.8 | 16.8 | 4.17 |
ลองแล้วจะเห็นอะไร
- หมุนแกน (องศา): หมุนไปมาแล้วดูว่ากลุ่มแยกกันชัดขึ้นหรือลง — นี่คือทั้งจุดแข็งและกับดัก เพราะหมุนจนได้ภาพที่อยากเห็นก็ทำได้
ข้อควรระวัง
- ★ ตีความว่าจุดที่อยู่ใกล้กันมีค่าคล้ายกัน ทั้งที่ค่าคนละชุดให้ตำแหน่งเดียวกันได้
- หมุนแกนจนได้ภาพที่สนับสนุนสิ่งที่อยากเห็นแล้วนำเสนอเป็นข้อค้นพบ
- ไม่ระบุมุมและความยาวของแกนที่ใช้ ทำให้ทำซ้ำไม่ได้
- ใช้ในสื่อนิ่งซึ่งทิ้งจุดแข็งเรื่องการโต้ตอบไปทั้งหมด
เมื่อไหร่ไม่ควรใช้กราฟนี้
- ต้องการมุมมองที่เป็นกลางและทำซ้ำได้→ใช้แทน: pca-biplot
- ต้องอ่านค่าของแต่ละมิติ→ใช้แทน: parallel-coordinates
- เป็นสื่อนิ่ง→ใช้แทน: scatter-matrix หรือ radar-chart