เทคนิคที่ 108 · PYTHON / JAVASCRIPT

พิกัดดาวStar Coordinates

ให้ผู้ใช้หมุนแกนเองเพื่อหามุมที่กลุ่มแยกกัน

5
เฉพาะทางควรรู้ก่อน · เข้าใจการฉายและการลดมิติ
ลองเล่น

01ภาพรวมของกราฟนี้

Star coordinates วางแกนของทุกตัวแปรเป็นเวกเตอร์จากจุดศูนย์กลาง แล้วหาตำแหน่งของแต่ละแถวจากผลบวกเวกเตอร์ ต่างจาก PCA ตรงที่ผู้ใช้หมุนและยืดแกนเองได้ ทำให้สำรวจได้อิสระ แต่แลกกับการที่ตำแหน่งเดียวกันอาจมาจากค่าคนละชุดโดยสิ้นเชิง

เปรียบเทียบให้เห็นภาพ

เหมือนโมบายที่แขวนของหลายชิ้น ตำแหน่งที่สมดุลมาจากน้ำหนักทุกชิ้นรวมกัน ซึ่งของหนักคนละชุดก็ให้จุดสมดุลเดียวกันได้

ใช้ที่ไหนบ้าง — สำรวจข้อมูลหลายมิติแบบโต้ตอบ หามุมที่กลุ่มแยกจากกันชัดที่สุด หรือสอนแนวคิดการลดมิติ

สร้างอย่างไร

  1. ขั้นที่ 1★ ปรับทุกตัวแปรให้อยู่ในสเกลเดียวกัน
  2. ขั้นที่ 2วางแกนกระจายรอบวงเป็นค่าเริ่มต้น
  3. ขั้นที่ 3คำนวณตำแหน่งจากผลบวกเวกเตอร์ของทุกแกน
  4. ขั้นที่ 4ให้ผู้ใช้หมุนและยืดแกนแล้วดูการเปลี่ยนแปลง

ตัวอย่างคลาสสิก · Star coordinates ในเครื่องมือสำรวจข้อมูลแบบโต้ตอบ

Eser Kandogan เสนอวิธีนี้ในปี 2000 โดยชี้ว่าการให้ผู้ใช้ควบคุมการฉายเองทำให้ค้นพบโครงสร้างที่วิธีอัตโนมัติมองข้าม แต่ก็เตือนไว้ตั้งแต่ต้นว่าการทับซ้อนของข้อมูลเป็นข้อจำกัดที่หลีกเลี่ยงไม่ได้ของการยุบหลายมิติลงเหลือสอง

Wikipedia · Dimensionality reduction ↗

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

รูปทรงของข้อมูลตารางแบบกว้าง (หนึ่งแถวหนึ่ง entity)
จำนวนมิติที่เข้ารหัสได้5 มิติ
จำนวนแถวที่เหมาะ50–800 แถว กับ 4–10 มิติขั้นต่ำ 10 แถว
เส้นฐานศูนย์ไม่เกี่ยวข้องตำแหน่งมาจากผลบวกเวกเตอร์ ไม่ใช่ค่าบนแกนเดียว

คอลัมน์ที่ต้องเตรียม

คอลัมน์ทำหน้าที่ชนิดเข้ารหัสด้วยจำนวนค่าที่เหมาะหมายเหตุ
itemตัวอย่างหมวดหมู่text20–2,000 แถวแต่ละแถวเป็นหนึ่งจุด
group
ไม่บังคับ
กลุ่มหมวดหมู่color2–6 กลุ่มใช้ตรวจว่ามุมที่เลือกแยกกลุ่มได้ไหม
ราคามิติที่ฉายตัวเลขต่อเนื่องangle3–12 มิติ★ ต้องปรับเป็นสเกลเดียวกัน

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

  1. ★ ปรับทุกตัวแปรให้อยู่ในช่วงเดียวกัน
  2. บันทึกมุมและความยาวของแกนที่ใช้ในภาพสุดท้าย
  3. 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

  1. ดูทิศและความยาวของแกนแต่ละแกนก่อน
  2. ดูว่าจุดของกลุ่มต่าง ๆ แยกกันหรือทับกัน
  3. หมุนแกนแล้วดูว่าจุดขยับอย่างไรเพื่อรู้ว่าตัวแปรไหนมีอิทธิพล

คำถามที่ตอบได้

  • มีมุมที่ทำให้กลุ่มแยกกันชัดไหม
  • ตัวแปรไหนผลักให้กลุ่มแยกกัน
  • ข้อมูลมีโครงสร้างเป็นกลุ่มหรือไม่

สัญญาณว่ามีอะไรผิด

  • ไม่ระบุมุมและความยาวของแกนที่ใช้
  • ไม่ปรับตัวแปรเป็นสเกลเดียวกัน
  • นำเสนอมุมที่หมุนจนได้ผลที่อยากเห็นว่าเป็นข้อค้นพบ

05เหมาะกับการนำเสนอแบบไหน

ผู้ชมที่เหมาะนักวิเคราะห์ที่กำลังสำรวจข้อมูลแบบโต้ตอบ
เวลาที่ผู้ชมต้องใช้ต้องเรียนรู้ก่อน
ขนาดเล็กสุดที่ยังอ่านได้420×420 px
dashboard ที่อัปเดตตลอด
รายงานเชิงวิเคราะห์
สิ่งพิมพ์จุดแข็งอยู่ที่การหมุนแกนซึ่งภาพนิ่งทำไม่ได้
สไลด์ผู้บริหารต้องอธิบายวิธีอ่านนานเกินไป
สื่อสารกับคนทั่วไปผู้อ่านทั่วไปตีความตำแหน่งผิดแน่นอน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

  1. ★ แสดงแกนทุกแกนพร้อมชื่อและความยาวที่ใช้จริง
  2. ระบุมุมของแกนเป็นตัวเลขเพื่อให้ทำซ้ำได้
  3. 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")

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

07ลองเล่นเพื่อเข้าใจ

ข้อมูลตัวอย่าง · 24 แถว · seed 197● คำนวณใหม่ในเบราว์เซอร์ทันทีที่ปรับค่า
ผู้ใช้ควบคุมมุมเอง
รุ่นประหยัดรุ่นมาตรฐานรุ่นพรีเมียม
ราคาความเร็วความจุน้ำหนักคะแนนรีวิวรุ่น Aรุ่น Bรุ่น Cรุ่น Dรุ่น Eรุ่น Fรุ่น Gรุ่น Hรุ่น Iรุ่น Jรุ่น Kรุ่น Lรุ่น Mรุ่น Nรุ่น Oรุ่น Pรุ่น Qรุ่น Rรุ่น Sรุ่น Tรุ่น Uรุ่น Vรุ่น Wรุ่น X

จุดสองจุดที่ทับกันอาจมาจากข้อมูลคนละแบบ เพราะการรวมเวกเตอร์ทำให้ค่าหักล้างกันได้

มุมหมุนของแกน0°
จำนวนแกน5
จำนวนจุด24
ดูข้อมูลเป็นตาราง (18 แถว)
star coordinates 5 แกน
รายการกลุ่มราคาความเร็วความจุน้ำหนักคะแนนรีวิว
รุ่น Aรุ่นประหยัด16748.517.630.93.17
รุ่น Bรุ่นมาตรฐาน30155.730.420.04.09
รุ่น Cรุ่นพรีเมียม39376.143.617.24.14
รุ่น Dรุ่นประหยัด19538.221.929.53.20
รุ่น Eรุ่นมาตรฐาน30457.435.123.33.82
รุ่น Fรุ่นพรีเมียม43267.938.515.44.47
รุ่น Gรุ่นประหยัด18642.818.530.03.04
รุ่น Hรุ่นมาตรฐาน30249.324.125.93.67
รุ่น Iรุ่นพรีเมียม39677.544.118.24.41
รุ่น Jรุ่นประหยัด17339.019.727.53.50
รุ่น Kรุ่นมาตรฐาน30860.034.222.13.82
รุ่น Lรุ่นพรีเมียม42079.146.419.74.27
รุ่น Mรุ่นประหยัด17335.919.531.93.11
รุ่น Nรุ่นมาตรฐาน29864.632.623.03.65
รุ่น Oรุ่นพรีเมียม43577.741.117.84.00
รุ่น Pรุ่นประหยัด19643.219.529.63.23
รุ่น Qรุ่นมาตรฐาน29655.834.523.33.81
รุ่น Rรุ่นพรีเมียม42274.445.816.84.17

ลองแล้วจะเห็นอะไร

  • หมุนแกน (องศา): หมุนไปมาแล้วดูว่ากลุ่มแยกกันชัดขึ้นหรือลง — นี่คือทั้งจุดแข็งและกับดัก เพราะหมุนจนได้ภาพที่อยากเห็นก็ทำได้

ข้อควรระวัง

  1. ★ ตีความว่าจุดที่อยู่ใกล้กันมีค่าคล้ายกัน ทั้งที่ค่าคนละชุดให้ตำแหน่งเดียวกันได้
  2. หมุนแกนจนได้ภาพที่สนับสนุนสิ่งที่อยากเห็นแล้วนำเสนอเป็นข้อค้นพบ
  3. ไม่ระบุมุมและความยาวของแกนที่ใช้ ทำให้ทำซ้ำไม่ได้
  4. ใช้ในสื่อนิ่งซึ่งทิ้งจุดแข็งเรื่องการโต้ตอบไปทั้งหมด

เมื่อไหร่ไม่ควรใช้กราฟนี้

  • ต้องการมุมมองที่เป็นกลางและทำซ้ำได้→ใช้แทน: pca-biplot
  • ต้องอ่านค่าของแต่ละมิติ→ใช้แทน: parallel-coordinates
  • เป็นสื่อนิ่ง→ใช้แทน: scatter-matrix หรือ radar-chart

กราฟที่เกี่ยวข้อง

เทคนิคถัดไป · กลุ่มคำ