ตารางคำต่อเอกสารTerm-Document Heatmap

01ภาพรวมของกราฟนี้

Term-document heatmap จัดคำเป็นแถวและเอกสารเป็นคอลัมน์แล้วระบายสีตามความถี่ ทำให้เห็นว่าคำไหนเป็นลักษณะเฉพาะของเอกสารไหน สิ่งที่ต้องทำเสมอคือทำให้ค่าเป็นมาตรฐานก่อน ไม่อย่างนั้นเอกสารที่ยาวกว่าจะเข้มกว่าทุกแถว

ใช้ที่ไหนบ้าง — เทียบภาษาที่ใช้ระหว่างกลุ่มลูกค้า เทียบหัวข้อระหว่างช่วงเวลา หรือเทียบคำที่พรรคการเมืองต่าง ๆ ใช้

สร้างอย่างไร

1. ขั้นที่ 1★ ทำให้ความถี่เป็นมาตรฐานตามความยาวของเอกสาร
2. ขั้นที่ 2เลือกคำที่จะแสดงด้วยเกณฑ์ที่ระบุได้
3. ขั้นที่ 3เรียงคำด้วยการจัดกลุ่มเพื่อให้รูปแบบปรากฏ
4. ขั้นที่ 4ใช้สเกลสีลำดับเดียวและใส่คำอธิบาย

02อธิบายภาษาคนเข้าใจง่าย ๆ

กราฟแท่งความถี่คำตอบได้แค่ว่าคำไหนพบบ่อยในข้อความทั้งชุด แต่คำถามที่มีค่ากว่ามักเป็นว่าคำไหนเป็นลักษณะเฉพาะของกลุ่มไหน

Term-document heatmap ตอบคำถามนั้นด้วยการจัดคำเป็นแถวและเอกสารหรือกลุ่มเป็นคอลัมน์ แล้วระบายสีตามความถี่

สิ่งที่ปรากฏขึ้นคือลายเส้นแนวนอนของคำที่ใช้ทุกกลุ่มเท่ากัน และจุดเข้มเดี่ยว ๆ ของคำที่กลุ่มเดียวเท่านั้นที่ใช้ ซึ่งจุดหลังคือสิ่งที่มีค่าที่สุด

กับดักที่ใหญ่ที่สุดคือความยาวของเอกสาร ถ้าเอกสารหนึ่งยาวกว่าอีกเอกสารสิบเท่า มันก็จะเข้มกว่าทุกแถวโดยอัตโนมัติ ซึ่งไม่ได้บอกอะไรเลย

ทางแก้คือทำให้ค่าเป็นมาตรฐานตามความยาวเสมอ หรือใช้น้ำหนักแบบ TF-IDF ซึ่งเพิ่มน้ำหนักให้คำที่ปรากฏในไม่กี่เอกสารและลดน้ำหนักคำที่ปรากฏทุกที่

อีกเรื่องที่ต้องระบุคือเกณฑ์เลือกคำที่จะแสดง เพราะการเลือกเฉพาะคำที่สนับสนุนข้อสรุปที่ตั้งไว้เป็นเรื่องที่ทำได้ง่ายมากและมองไม่เห็นจากภาพ

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. ★ ทำให้ความถี่เป็นมาตรฐานหรือใช้ TF-IDF
2. ตัดคำหยุดออก
3. ★ ระบุเกณฑ์ที่ใช้เลือกคำที่จะแสดง

ค่าที่หายไป — คำที่ไม่ปรากฏในเอกสารหนึ่งคือค่าศูนย์ซึ่งต่างจากไม่มีข้อมูล ต้องแยกให้ชัด

สเกลของแกน — ใช้สเกลสีลำดับเดียว และเมื่อค่ากระจายแบบหางยาวให้พิจารณาสเกลลอการิทึมพร้อมระบุ

หน้าตาไฟล์ที่ต้องเตรียม

word,count
ส่งเร็ว,331
ราคา,179
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. มองหาจุดเข้มเดี่ยว ๆ ซึ่งคือคำเฉพาะของเอกสารนั้น
2. มองหาแถวที่เข้มทั้งแถวซึ่งคือคำที่ใช้ทุกที่
3. ตรวจว่าทำให้เป็นมาตรฐานแล้วหรือยัง

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. ★ ระบุวิธีทำให้เป็นมาตรฐานและเกณฑ์เลือกคำ
2. ตีกรอบคำที่ต้องการชี้ให้เห็น
3. ใส่ตัวเลขในช่องเมื่อตารางเล็กพอ

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ term-document-heatmap-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด term-document-heatmap-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
import seaborn as sns

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

df = pd.read_csv("term-document-heatmap-sample.csv")
df["count"] = pd.to_numeric(df["count"], errors="coerce")
NOTE = "unique"   # ← ค่าจาก Playground

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

# ★ TF-IDF จัดการเรื่องความยาวเอกสารให้เอง
vec = TfidfVectorizer(max_features=25, stop_words=THAI_STOPWORDS)
X = vec.fit_transform(documents)                     # documents = list ของข้อความ
mat = pd.DataFrame(X.T.toarray(), index=vec.get_feature_names_out(), columns=doc_names)
mat = mat.loc[mat.var(axis=1).sort_values(ascending=False).index]   # เรียงตามความต่าง
sns.heatmap(mat, cmap="Blues", linewidths=2, linecolor="#fcfcfb", ax=ax,
            cbar_kws={"label": "น้ำหนัก TF-IDF"})
ax.set_xlabel(""); ax.set_ylabel("")
ax.set_title("น้ำหนัก TF-IDF — ปรับตามความยาวเอกสารแล้ว", loc="left", fontsize=9)

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

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

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ★ ไม่ทำให้ค่าเป็นมาตรฐาน ทำให้ภาพบอกแค่ว่าเอกสารไหนยาวกว่า
2. ไม่ระบุเกณฑ์เลือกคำที่แสดง ซึ่งเปิดช่องให้เลือกเฉพาะคำที่สนับสนุนข้อสรุป
3. เรียงคำตามตัวอักษรทำให้รูปแบบกระจายจนมองไม่เห็น
4. ไม่แยกค่าศูนย์จากช่องที่ไม่มีข้อมูล

เมื่อไหร่ไม่ควรใช้กราฟนี้

• มีเอกสารชุดเดียว→ใช้แทน: word-frequency-bar
• สนใจการเปลี่ยนแปลงตามเวลา→ใช้แทน: topic-stream
• ต้องดูบริบทการใช้คำ→ใช้แทน: kwic-view

กราฟที่เกี่ยวข้อง