กราฟจุดกระจายStrip Plot

01ภาพรวมของกราฟนี้

Strip plot ไม่สรุปอะไรเลย มันวาดทุกจุดข้อมูลตามค่าจริงและเบียดตำแหน่งเล็กน้อยไม่ให้ทับกันสนิท เมื่อข้อมูลมีไม่มาก นี่คือวิธีที่ซื่อสัตย์ที่สุด เพราะค่าสรุปอย่างมัธยฐานจากข้อมูล 8 จุดอาจให้ภาพที่มั่นใจเกินจริง

ใช้ที่ไหนบ้าง — ผลการทดลองที่มีตัวอย่างน้อย คะแนนของทีมขนาดเล็ก หรือใช้วาดทับ box plot เพื่อแสดงข้อมูลจริง

สร้างอย่างไร

1. ขั้นที่ 1วาดจุดทุกจุดตามค่าของมัน
2. ขั้นที่ 2เบียดตำแหน่งในแกนตั้งฉากเล็กน้อย
3. ขั้นที่ 3ใช้ความโปร่งใสเมื่อจุดเริ่มเยอะ
4. ขั้นที่ 4เพิ่มเส้นมัธยฐานถ้าต้องการค่าสรุป

02อธิบายภาษาคนเข้าใจง่าย ๆ

เมื่อข้อมูลมีแค่ 10-30 จุดต่อกลุ่ม การวาด box plot เป็นการสรุปที่อันตราย เพราะควอไทล์จากข้อมูลไม่กี่จุดแกว่งมาก และภาพกล่องที่เรียบร้อยทำให้ดูน่าเชื่อถือเกินความจริง

Strip plot เลือกทางตรงข้ามคือไม่สรุปเลย วาดทุกจุดที่มีจริงลงไป ผู้อ่านจึงเห็นด้วยตาตัวเองว่ามีข้อมูลกี่จุดและมันเกาะกลุ่มกันอย่างไร

ปัญหาเดียวคือจุดที่มีค่าเท่ากันจะทับกันสนิทจนนับไม่ได้ ทางแก้คือเบียดตำแหน่งในแนวตั้งฉากเล็กน้อย ซึ่งเรียกว่า jitter การเบียดนี้ไม่มีความหมายใด ๆ มีไว้เพื่อให้เห็นจุดเท่านั้น

เพราะ jitter ไม่มีความหมาย จึงต้องใช้ให้น้อยที่สุดเท่าที่ยังเห็นจุดได้ ถ้าเบียดมากเกินไป ผู้อ่านอาจคิดว่าตำแหน่งในแนวนั้นสื่ออะไรบางอย่าง

เมื่อข้อมูลเริ่มเยอะเกิน 200-300 จุดต่อกลุ่ม การเบียดจะไม่พอ ต้องเปลี่ยนไปใช้ beeswarm ที่จัดจุดอย่างเป็นระบบ หรือกลับไปใช้ box plot เพราะตอนนั้นการสรุปเริ่มเชื่อถือได้แล้ว

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ตัดค่าว่างออก
2. กำหนดขนาดของ jitter ให้น้อยที่สุดเท่าที่ยังเห็นจุด
3. ตัดสินใจว่าจะเพิ่มเส้นมัธยฐานหรือไม่

ค่าที่หายไป — ตัดค่าว่างและรายงานจำนวน เพราะจุดที่เห็นคือจำนวนข้อมูลจริงที่ผู้อ่านจะนับ

สเกลของแกน — linear เป็นหลัก ใช้ log ได้ถ้าค่ากินหลายเท่า

หน้าตาไฟล์ที่ต้องเตรียม

group,value
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. นับหรือกะจำนวนจุดของแต่ละกลุ่ม
2. ดูว่าจุดเกาะกันที่ระดับไหน
3. หาจุดที่แยกตัวออกไป

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. เขียนจำนวนจุดของแต่ละกลุ่มไว้กำกับ
2. เพิ่มเส้นมัธยฐานเมื่อต้องการค่าสรุป
3. ระบุว่ามีการใส่ jitter และมันไม่มีความหมาย

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ strip-plot-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด strip-plot-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("strip-plot-sample.csv")
df["value"] = pd.to_numeric(df["value"], errors="coerce")
NOTE = "count"   # ← ค่าจาก Playground

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

groups = list(df["group"].unique())
rng = np.random.default_rng(42)          # ตรึง seed ให้ jitter เหมือนเดิมทุกครั้ง
for i, g in enumerate(groups):
    v = df[df["group"] == g]["value"]
    jitter = rng.uniform(-0.12, 0.12, len(v))    # jitter ไม่มีความหมาย มีไว้กันจุดทับ
    ax.scatter(np.full(len(v), i) + jitter, v, s=34, alpha=0.6, color=C1)
    ax.plot([i - 0.2, i + 0.2], [v.median()] * 2, color=INK, linewidth=2)
ax.set_xticks(range(len(groups)))
ax.set_xticklabels([f"{g}\n(n={(df['group'] == g).sum()})" for g in groups])

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ใส่ jitter มากเกินไปจนผู้อ่านคิดว่าตำแหน่งแนวนอนมีความหมาย
2. ใช้กับข้อมูลเยอะเกินไปจนจุดทับกันและประเมินความหนาแน่นผิด
3. ไม่ตรึง seed ของ jitter ทำให้ภาพเปลี่ยนทุกครั้งที่รัน
4. ไม่ใส่เส้นมัธยฐาน ทำให้ผู้อ่านต้องกะค่ากลางเอง

เมื่อไหร่ไม่ควรใช้กราฟนี้

• มีข้อมูลมากกว่า 300 จุดต่อกลุ่ม→ใช้แทน: beeswarm-plot หรือ box-plot
• ต้องการค่าสรุปเป็นหลัก→ใช้แทน: box-plot
• ต้องการเห็นรูปร่างการกระจาย→ใช้แทน: violin-plot หรือ histogram

กราฟที่เกี่ยวข้อง