ถ้าเป็นเพื่อนกันคงไม่ปล่อยให้ทำ Data Visualization แบบนี้ — กราฟแย่ ๆ 16 ประเภทและเหตุผล

(github.com/cxli233)

3 คะแนน โดย GN⁺ 2023-11-21 | 2 ความคิดเห็น | แชร์ทาง WhatsApp

เป็น GitHub repository ที่รวบรวม แนวปฏิบัติด้าน Visualization ที่ผิดพลาด 16 ข้อ ซึ่งมักพบในงานวิจัยวิทยาศาสตร์และการวิเคราะห์ข้อมูล พร้อมตัวอย่าง โดยสามารถทำซ้ำแต่ละกรณีได้เองผ่านโค้ด R และข้อมูลจำลอง
ชี้ให้เห็นอย่างเป็นรูปธรรมถึง Visualization ที่บิดเบือนการกระจายและลักษณะของข้อมูล เช่น การใช้ bar graph เปรียบเทียบค่าเฉลี่ยอย่างผิดวิธี, violin plot กับตัวอย่างขนาดเล็ก, และการใช้สเกลสีแบบสองทิศทางกับข้อมูลทิศทางเดียว
อธิบายปัญหาของ ประเภทแผนภูมิที่ไม่คำนึงถึงลักษณะการรับรู้ทางสายตาของมนุษย์ เช่น การไม่จัดเรียงแถว/คอลัมน์ใหม่ใน heatmap, การไม่ตรวจสอบ outlier, และข้อจำกัดพื้นฐานของ pie chart กับ donut chart แบบวงซ้อน
รวมคำเตือนเกี่ยวกับ ข้อผิดพลาดเชิงโครงสร้างในการออกแบบที่ทำให้เข้าใจผิด เช่น การสับสนระหว่าง Visualization แบบอิงตำแหน่งกับแบบอิงความยาว และ bar graph ที่ตัดแกน
เป็น ชุด anti-pattern เชิงปฏิบัติ ที่นักวิจัยและนักพัฒนาทุกคนซึ่งทำงานกับ Data Visualization ใช้อ้างอิงได้ พร้อมเสนอวิธี Visualization ทางเลือกในแต่ละหัวข้อ

1. อย่าใช้ bar graph เพื่อเปรียบเทียบค่าเฉลี่ย

แผนภาพเปรียบเทียบค่าเฉลี่ย (means separation) เป็นหนึ่งใน Visualization ที่พบบ่อยที่สุดในบทความวิทยาศาสตร์ โดยมีเป้าหมายเพื่อแสดง ค่าเฉลี่ย ความแปรปรวน และการกระจาย ของกลุ่มตั้งแต่สองกลุ่มขึ้นไป
ในตัวอย่าง กลุ่มสองกลุ่มมีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานคล้ายกัน แต่ การกระจายแตกต่างกันโดยสิ้นเชิง — หากดูแค่ bar graph จะตรวจจับความต่างนี้ไม่ได้
ก่อนใช้ bar graph ต้องตรวจสอบการกระจายของข้อมูลเสมอ และ Weissgerber et al. (2015, PLOS Biology) ก็ชี้ให้เห็น ข้อจำกัดของ bar graph เช่นกัน

2. อย่าใช้ violin plot กับตัวอย่างขนาดเล็ก

violin plot หรือ เส้นโค้งการกระจายแบบปรับเรียบ ไม่มีความหมายเมื่อขนาดตัวอย่างเล็ก
ในตัวอย่างขนาดเล็ก แม้เป็นค่าที่สังเกตได้ชุดเดียวกัน การกระจายและควอไทล์ก็อาจเปลี่ยนแปลงมาก และ ต้องมี n อย่างน้อย 50 เพื่อให้ควอไทล์เสถียร
เรื่องนี้พิสูจน์ด้วยผลการทดลองที่สุ่มตัวอย่างซ้ำหลายครั้งจากการแจกแจงปกติเดียวกันแล้วเปรียบเทียบควอไทล์

3. อย่าใช้สเกลสีแบบสองทิศทางกับข้อมูลทิศทางเดียว

ในสเกลสี สีที่เข้มที่สุดและสีที่อ่อนที่สุด ควรแทนค่าที่มีความหมาย เช่น ค่าสูงสุด ค่าต่ำสุด ค่าเฉลี่ย หรือ 0
การให้สีที่อ่อนที่สุดหรือเข้มที่สุดแทน ตัวเลขตามอำเภอใจ เป็นข้อผิดพลาดร้ายแรงพอ ๆ กับ “แท่งที่ยาวที่สุดใน bar chart ไม่ใช่ค่าสูงสุด”
เมื่อใช้ heatmap/gradient สี จำเป็นต้องเลือกสเกลสีให้เหมาะกับทิศทางของข้อมูล (ทิศทางเดียว vs. สองทิศทาง)

4. อย่าสร้างทุ่ง bar plot (Bar Plot Meadow)

เมื่อนำผลการทดลองแบบ หลายปัจจัย มาเรียงเป็น bar graph จะกลายเป็น “ทุ่ง bar graph” ที่สื่อสารผลลัพธ์ได้ไม่มีประสิทธิภาพ
หากต้องการสื่อสารผลการทดลองหลายปัจจัยให้มีประสิทธิภาพ ต้อง ออกแบบการจัดกลุ่ม/การทำ facet อย่างรอบคอบ ตามปัจจัยที่สนใจ
ในตัวอย่างมีการเปรียบเทียบผลของ Treatment และ Explant ต่อ Response ที่ระดับ Variety และเน้นว่า layout ควรเปลี่ยนไปตามจุดเน้นของการวิเคราะห์

5. ต้องพิจารณาการจัดเรียงแถวและคอลัมน์ใหม่ใน heatmap

heatmap พบได้บ่อยมากในบทความวิทยาศาสตร์ โดยเฉพาะ บทความด้าน omics แต่หากไม่จัดเรียงลำดับแถวและคอลัมน์ใหม่ ก็ไม่สามารถดึงข้อมูลที่เป็นประโยชน์ออกมาได้
การจัดเรียงใหม่ด้วย clustering เป็นวิธีทั่วไป แต่ไม่ใช่วิธีเดียว และในกรณีที่แสดง การจัดวางทางกายภาพ เช่น 96-well plate จะไม่สามารถจัดเรียงใหม่ได้
เมื่อผสานการจัดเรียงแถว/คอลัมน์ใหม่กับ gradient สีที่เหมาะสม จะสร้าง heatmap ที่สวยงามทางสายตา ได้ด้วย

6. ต้องตรวจสอบ outlier ใน heatmap

outlier สามารถเปลี่ยนการรับรู้และการตีความ heatmap ได้โดยสิ้นเชิง และเป็นปัญหาที่ใช้ได้กับ Visualization ทุกแบบที่แสดงข้อมูลเชิงตัวเลขด้วยสี
ในตัวอย่าง ค่าสังเกต 2 ค่าโดยวัดคุณลักษณะ 20 รายการดูคล้ายกันโดยรวมเมื่อไม่ได้ตรวจสอบ outlier แต่เมื่อ ปรับสเกลสีโดยอิงเปอร์เซ็นไทล์ที่ 95 ความแตกต่างในทุกคุณลักษณะจะปรากฏชัด

7. ตรวจสอบช่วงข้อมูลในแต่ละระดับของปัจจัย

ในการทดลองหลายปัจจัย มักพบว่า ช่วงของตัวแปรตอบสนอง แตกต่างกันมากตามระดับของปัจจัย
ในการทดลองสมมติที่วัดสารประกอบ 3 ชนิดใน 2 กลุ่ม (กลุ่มควบคุม vs. กลุ่มรักษา) ช่วงความเข้มข้นของสารประกอบ 1 แคบกว่าสารประกอบอื่นมาก จึงมี ความเสี่ยงที่จะพลาดผลของการรักษา
หากไม่ตรวจสอบช่วงข้อมูลของสารประกอบแต่ละชนิดล่วงหน้า อาจ มองข้ามผลของการรักษาที่สำคัญ ได้

8. ลอง layout หลายแบบใน network graph

รูปลักษณ์ภายนอกของ network graph (layout ไม่ใช่ topology) ส่งผลอย่างมากต่อประสิทธิผล
จากข้อมูลเดียวกัน network graph 3 แบบดูแตกต่างกันโดยสิ้นเชิง และยังมีตัวอย่างที่ใช้ layout แตกต่างกัน 9 แบบ
เนื่องจาก layout ทำให้ ความยากง่ายในการตีความ network แตกต่างกันมาก จึงควรลอง layout หลายแบบ

9. อย่าสับสนระหว่าง Visualization แบบอิงตำแหน่งกับแบบอิงความยาว

ใน dot/line graph ค่าถูกแสดงด้วย ตำแหน่ง บนแกน x และ y ส่วนใน bar graph ค่าถูกแสดงด้วย ระยะทาง (ความยาว) จากแกน x
ในตัวอย่าง bar graph ที่ไม่ได้เริ่มจาก 0 ทำให้ความยาวแท่งของช่วงเวลา 2 ดูยาวประมาณ 3 เท่าของช่วงเวลา 1 แต่ความต่างของค่าเฉลี่ยจริงอยู่ที่ประมาณ 1.6 เท่า — การสับสนระหว่างความยาวกับตำแหน่งทำให้สร้างกราฟที่ชวนเข้าใจผิด
ระวัง bar graph แบบตัดแกน (Broken Axis)
- การตัดแกนมีประโยชน์เมื่อแสดงค่าที่มีช่วงกว้าง (ทางเลือกคือใช้ แกนสเกลลอการิทึม) แต่เหมาะเฉพาะกับกราฟแบบอิงตำแหน่งเท่านั้น
- ใน bar graph การเปลี่ยนตำแหน่งที่ตัดแกนจะทำให้เกิด ภาพลวงตา ว่าแท่งบางแท่งยาวขึ้นหรือสั้นลง
- ในตัวอย่าง ความยาวของแท่ง “d” ดูแตกต่างกันมากตามตำแหน่งที่ตัดแกน เพราะ bar graph เป็นกราฟิกแบบอิงความยาว

10. อย่าสร้าง pie chart

pie chart แสดงข้อมูลสัดส่วนโดยแบ่งเป็นเซกเตอร์ในวงกลม แต่มนุษย์ อ่านความยาวได้ดีกว่ามุมและพื้นที่มาก
ในตัวอย่างที่มี 2 กลุ่ม โดยแต่ละกลุ่มมีหมวดหมู่ย่อย 4 หมวด pie chart ทำให้ เปรียบเทียบระหว่างกลุ่มได้ยากมาก
แม้จะทำให้ง่ายขึ้นเป็น donut chart ก็ยังเป็นการแสดงข้อมูลด้วยความยาวของส่วนโค้ง ดังนั้นการคลี่ donut ออกเป็น stacked bar graph จึงมีประสิทธิภาพในการเปรียบเทียบมากกว่าอย่างมาก
ใน ggplot สคริปต์สำหรับ pie chart และ donut chart กลับ ซับซ้อนกว่า stacked bar ด้วยซ้ำ

11. อย่าสร้าง donut chart แบบวงซ้อน

ใน donut แบบวงซ้อน อาจคิดได้ง่ายว่าข้อมูลถูกแสดงด้วยความยาวส่วนโค้ง แต่ จริง ๆ แล้วแสดงด้วยมุมของส่วนโค้ง และมนุษย์ไม่ถนัดในการอ่านมุมของส่วนโค้ง
ความยาวส่วนโค้งของวงนอกยาวกว่าวงในมาก ทำให้แม้ Group 2 และ Group 3 จะมีค่าเท่ากัน แต่ ความยาวส่วนโค้งของ Group 3 ดูยาวกว่ามาก
ลำดับของกลุ่ม (กลุ่มใดถูกวางบนวงใด) ส่งผลต่อความประทับใจของ plot อย่างมาก จนอาจเกิด ความย้อนแย้งที่ค่ามากกว่ามีส่วนโค้งสั้นกว่า
ปัญหาเดียวกันนี้ใช้กับ layout แบบวงกลม เช่น circos plot ด้วย และทางเลือกคือเพียงคลี่ donut ออกเป็น stacked bar plot

12. อย่าใช้สเกลสีแดง/เขียวและสีรุ้ง

ภาวะตาบอดสีแดง-เขียว (Deuteranomaly) เป็นรูปแบบตาบอดสีที่พบบ่อยที่สุด โดยพบในผู้ชาย 1/16 และผู้หญิง 1/256
สเกลสีแดง/เขียวและสีรุ้งสร้างปัญหาให้ผู้ใช้ที่ตาบอดสี และเมื่อพิมพ์ขาวดำก็ รักษาข้อมูลไว้ได้แย่มาก
สเกลสี “สมัยใหม่” อย่าง viridis เป็นมิตรต่อผู้ที่ตาบอดสีและปลอดภัยใน grayscale อีกทั้งยังดูดีทางสายตา

13. อย่าลืมจัดเรียง stacked bar plot ใหม่

stacked bar plot มักใช้กับการแสดงข้อมูลสัดส่วน, โครงสร้างชุมชน, โครงสร้างประชากร, และการวิเคราะห์ admixture
ในตัวอย่างที่มี 100 sample และ 8 class หากไม่ปรับลำดับแท่งให้เหมาะสม จะ ไม่สามารถระบุ pattern ใด ๆ จากกราฟได้เลย
หลังจากจัดเรียงแท่งใหม่ pattern จะปรากฏอย่างเด่นชัด และ การจัดกลุ่ม sample กับการปรับการเรียงลำดับให้เหมาะสม คือหัวใจสำคัญ

14. อย่าผสม stacked bar กับการเปรียบเทียบค่าเฉลี่ย

stacked bar plot ใช้กับ ข้อมูลสัดส่วนที่รวมกันเป็น 100% ส่วน plot เปรียบเทียบค่าเฉลี่ยใช้แสดงความต่างของค่าเฉลี่ยและความแปรปรวน ทั้งสองเป็นโจทย์ Visualization ที่แตกต่างกันโดยสิ้นเชิง
ในตัวอย่างการทดลองพืชบลูเบอร์รี่ stacked bar plot มาตรฐานแสดงให้เห็นอย่างชัดเจนว่าการใช้สารเคมีทำให้โปรไฟล์สีของผลไม้เคลื่อนไปสู่ระยะสุกที่สุด (dark blue) อย่างแรง
เมื่อ overlay error bar และจุด บน stacked bar จะไม่ชัดเจนว่า error bar และจุดใดถูกนำมาเปรียบเทียบกัน และ error bar ของ stack ด้านบนถูกดันขึ้น ทำให้ การตีความแกน y ไม่เป็นธรรมชาติ
หากเป้าหมายหลักของ Visualization คือการเปรียบเทียบค่าเฉลี่ยและความแปรปรวน กราฟเปรียบเทียบค่าเฉลี่ยแยกต่างหาก จะเหมาะกว่า

15. อย่าใช้ histogram กับตัวอย่างขนาดเล็ก

แม้บางครั้ง histogram จะถูกเสนอเป็นทางเลือกแทน bar graph แต่ ความทนทานต่อจำนวน bin ในตัวอย่างขนาดเล็กต่ำมาก
เมื่อสุ่มตัวอย่างจากการแจกแจงปกติเดียวกันด้วย n = 10, 100, 1000 แล้ววาด histogram ด้วย 10, 30, 50 bin จะเห็นว่า แม้เป็นการแจกแจงเดียวกัน รูปร่างของ histogram ก็แตกต่างกันมาก
ในตัวอย่างขนาดเล็ก (n < 30) การ แสดงทุก data point ลงบนกราฟโดยตรง เป็นสิ่งที่พึงประสงค์กว่ามาก และแม้ n = 100 รูปร่างของ histogram ก็เปลี่ยนแปลงอย่างรวดเร็วตามจำนวน bin
เพื่อให้ histogram ทนทานต่อการเปลี่ยนจำนวน bin ต้องมี ขนาดตัวอย่างประมาณ 1000 ขึ้นไป

16. อย่าใช้ boxplot กับข้อมูลการแจกแจงสองยอด (Bimodal)

boxplot เน้น มัธยฐานและควอไทล์ จึงไม่สามารถแสดงข้อมูลการแจกแจงสองยอด (และหลายยอด) ได้อย่างเหมาะสม
ก่อนสร้าง boxplot ต้อง ตรวจสอบการกระจายของข้อมูล เสมอ
สำหรับขนาดตัวอย่างเล็กถึงปานกลาง (ต่ำกว่าหลายหมื่น) แนวปฏิบัติที่ดีที่สุดคือใช้ geom_quasirandom() จากแพ็กเกจ ggbeeswarm เพื่อ แสดงทุก data point โดยตรง
กราฟิกแบบอิงการกระจาย เช่น violin plot และ histogram ไม่ทนทาน เมื่อใช้กับตัวอย่างขนาดเล็ก

2 ความคิดเห็น

xguru 2023-11-21

ชื่อบทความน่าสนุกดีนะครับ ถ้าดูบทความต้นฉบับจะมีกราฟตัวอย่างแนบมาด้วยเลย ทำให้ดูเข้าใจง่ายครับ

GN⁺ 2023-11-21

ความคิดเห็นบน Hacker News

ด้านหนึ่ง เนื้อหาแบบนี้ดูค่อนข้างยอดเยี่ยม
แต่อีกด้านหนึ่ง กราฟแย่ ๆ จำนวนมากในนี้ดูเหมือนถูกเลือกมาอย่างจงใจเพื่อซ่อนว่ามีจุดข้อมูลน้อย หรือซ่อนการแจกแจงพื้นฐานที่น่าสงสัย
ดังนั้นมันจึงใกล้เคียงกับ “ถ้าเห็นกราฟที่ทำให้ภาพไม่ชัดแทนที่จะทำให้เห็นชัด ให้สงสัยไว้ก่อนว่าอาจเป็นเจตนา” มากกว่า “ถ้าเป็นเพื่อนกันก็ต้องห้ามไม่ให้ทำแบบนี้”
- ก็ไม่ได้ผิด แต่บรรดานักวิจัยเองก็ไม่สมบูรณ์แบบอย่างมาก ทุกคนยุ่งตลอด ไม่มีเวลาจริง ๆ ในการปรับปรุงงาน และแรงกดดันทั้งหมดก็อยู่ที่การตีพิมพ์ เปเปอร์ที่พอใช้ได้ ออกมา
  ในบรรดาเปเปอร์ที่ผม/ฉันมีส่วนร่วม ไม่มีครั้งไหนเลยที่ท่าทีไม่ใช่ “ปล่อยออกไปเดี๋ยวนี้”
  เหตุผลที่กราฟไม่ชัดเจนมักเป็นเพราะการทำให้ชัดต้องใช้เวลาและความพยายาม ซึ่งทั้งสองอย่างนี้ขาดแคลนอย่างมากในแวดวงวิชาการ แน่นอนว่าบางครั้งก็มีการจงใจซ่อนรายละเอียดที่ไม่น่าดูอยู่บ้าง แต่ผม/ฉันไม่คิดว่านั่นเป็นแหล่งที่มาหลักของภาพแย่ ๆ เหล่านั้น
- AMD กับ NVIDIA ก็ปล่อยกราฟที่ค่อนข้างห่วยออกมาทุกปีเหมือนกัน แต่นั่นเป็นเรื่อง จงใจ
- ในวรรณกรรมจิตวิทยา เรื่องนี้เกิดขึ้นแน่นอนไม่ว่าจะจงใจหรือไม่ และผม/ฉันคิดว่าโดยเฉพาะข้อแรกเป็นแบบนั้น เปเปอร์จิตวิทยารายงาน ค่า p ของ ANOVA แล้วก็ทึกทักหน้าตาเฉยว่าทุกอย่างแจกแจงแบบปกติ
  บางกลุ่มก็ไม่จำเป็นต้องไปแหย่เรื่องยุ่งยากโดยไม่จำเป็น ส่วนอีกกลุ่มก็แค่ไม่รู้จริง ๆ มีคนที่ไม่ควรทำวิจัยอยู่ด้วย แต่การฝึกอบรมก็ไม่พอ และแรงงานปริญญาเอกค่าถูกก็ไม่ได้หาได้ง่าย ๆ จึงกลายเป็นแบบที่เป็นอยู่ตอนนี้
- คนส่วนใหญ่จัดวางกราฟไม่เป็น หลายครั้งแม้แต่ป้ายกำกับแกนก็ยังใส่ให้ถูกไม่ได้
ตัวอย่าง “ถ้าเป็นเพื่อนกัน จะไม่ปล่อยให้ทำ heatmap ที่ไม่เอาค่านอกกลุ่มเป็นค่าสูงสุด” พบได้บ่อยมากจริง ๆ เห็นบ่อยในการแสดงสถิติของวิดีโอเกมด้วย
ในเกมกลยุทธ์/ซิมูเลชันมี visualization จำนวนมากที่ช่วยให้ผู้เล่นเข้าใจสถานการณ์หรือปัญหา แต่ heatmap มักทำให้ไล่ระดับสีแทบใช้ไม่ได้เพราะ ผลของค่านอกกลุ่ม
ตัวอย่างเช่น ใน Oxygen Not Included เมื่อเปิด visualization อุณหภูมิ ถ้ามีแหล่งความร้อนอย่างภูเขาไฟ สีที่เหลือทั้งหมดจะดูเย็นไปหมด ทำให้หน้าจอมักเปลี่ยนเป็นแค่สีน้ำเงินหรือสีแดงอมชมพู แยกภูเขาไฟ 1000°C ออกจากห้องไอน้ำ 270°C ที่ร้อนเกินไปเล็กน้อยไม่ได้ และทั้งคู่ก็กลายเป็นสีแดงอมชมพูเกือบสม่ำเสมอ ฐานที่ร้อนเกินไปที่ 60°C ก็ยังดูเย็นเมื่อเทียบกันจึงเป็นสีน้ำเงิน ทำให้แทบไร้ประโยชน์ในฐานะ heatmap สำหรับวินิจฉัยปัญหาอุณหภูมิ
- ถ้าอุณหภูมิหนึ่ง ๆ บ่งชี้ปัญหาที่มีความหมาย สีควรถูก ทำให้เป็นมาตรฐาน เพื่อแสดงอุณหภูมินั้น และไม่ควรสร้างอัตโนมัติจากช่วงอุณหภูมิทั้งหมดที่มีอยู่ในขณะนั้น
  จริง ๆ แล้วการที่ความหมายของสีเปลี่ยนไปตามการเปลี่ยนแปลงของอุณหภูมิดูเป็นไอเดียที่ค่อนข้างแย่
- ในกรณีนี้ การ แปลงข้อมูลเป็นลอการิทึม น่าจะเป็นทางแก้ที่เหมาะหรือเปล่า? ถ้าอุณหภูมิของภูเขาไฟเองไม่ใช่สิ่งที่สนใจก็ควรตัดออก หรือทำเครื่องหมายว่าเป็นค่านอกกลุ่มมากกว่า
- เพื่อนผม/ฉันมีแผนที่ความร้อนตามตัวอักษรเลย คือกล้องถ่ายภาพความร้อนอินฟราเรด ซึ่งแสดงค่านอกกลุ่มที่ชัดเจนเป็นแถบสีแดงกับสีขาว เหมือนกล้องวิดีโอดิจิทัลแสดงบริเวณที่ overexpose
  มันทำงานได้ทั้งเป็นคำเตือน hotspot และในเวลาเดียวกันก็เป็นการเตือนให้มองข้ามจุดเหล่านั้นไปด้วย จึงมีประโยชน์มากจริง ๆ
ก่อนหน้านี้บน HN เคยถกเถียงกันดุเดือดกับคนหนึ่งที่บอกว่ากราฟทุกแบบที่ค่าต่ำสุดของทุกแกนไม่ใช่ 0 ล้วนทำให้เข้าใจผิด
ตอนนั้นกำลังคุยกันเรื่องกราฟ อุณหภูมิโลกที่เพิ่มขึ้น จากการเปลี่ยนแปลงสภาพภูมิอากาศ และคนนั้นบอกว่ากราฟ misleading เพราะแกน Y คืออุณหภูมิไม่ได้เริ่มที่ 0 ไม่รู้ว่า 0 องศาฟาเรนไฮต์ หรือ 0 องศาเซลเซียส หรือแม่งเอ๊ย 0 เคลวินกันแน่
เขายังถึงกับพูดว่า “ถ้าเป็นการเปลี่ยนแปลงที่มองไม่เห็นเมื่อกำหนดฐานไว้ที่ 0 บางทีมันอาจไม่ได้เป็นการเปลี่ยนแปลงที่มีนัยสำคัญขนาดนั้นก็ได้?” อยู่พักหนึ่งศรัทธาต่อมนุษยชาติของผม/ฉันบุบสลายไป แต่ตอนนี้ดีใจที่ดูเหมือนเราคุยกันในระดับที่สูงขึ้นแล้ว ช่วงปี 2016–2020 ดูเหมือนเป็นอีกยุคหนึ่งเลย
- ก็ยื่นกราฟที่แกน X เป็น “ปี” แต่เริ่มตั้งแต่ ค.ศ. 0 ให้คนนั้นไปเลย
- ถ้าอยากให้สัดส่วนของอุณหภูมิมีความหมายจริง ๆ ก็ต้องตั้งจุดศูนย์ที่ เคลวิน
  กราฟที่ทำให้ 25°C ดูเหมือน “ร้อนกว่า” 20°C อยู่ 25% อาจเรียกได้ว่าทำให้เข้าใจผิดในแง่นั้น แน่นอนว่านี่ไม่ได้ทำให้การปฏิเสธภาวะโลกร้อนมีความชอบธรรม
- ทางแก้ง่าย ๆ คือการพล็อต การเปลี่ยนแปลงเป็น °C นับจากวันอ้างอิงหนึ่ง ๆ แค่เอา y(x_0) ไปลบออกจากทุกจุดในกราฟใด ๆ ก็พอ
- ผม/ฉันค่อนข้างเห็นด้วยกับคำพูดที่ว่า “กราฟที่ 0 ไม่ใช่ค่าต่ำสุดของทุกแกนทำให้เข้าใจผิด” อยู่บ้าง
  เช่น กราฟแรกที่หาเจอคืออันนี้: https://religionnews.com/wp-content/uploads/2014/08/61Years-...
  มองเผิน ๆ เหมือนลดลงไป 2/3 ซึ่งทำให้เข้าใจผิด กราฟการลดลงแบบนี้มักให้ความประทับใจทางภาพที่ไม่สะท้อนขนาดการลดลงจริง
- เป็นตัวอย่างคลาสสิกของการหยิบกฎที่ทำให้ง่ายเกินไปไปใช้กับปัญหาที่ยังเข้าใจไม่ถ่องแท้ ความรู้ตื้น ๆ นั้นอันตราย
หากอยากอ่านเรื่องการแสดงข้อมูลด้วยภาพเพิ่มเติม The Visual Display of Quantitative Information ของ Edward Tufte เป็นหนังสืออ้างอิงที่ยอดเยี่ยม แม้จะเป็นงานคลาสสิกที่ตีพิมพ์ครั้งแรกในปี 1983 แต่ก็ยังมีความหมายจนถึงปัจจุบัน
- เป็นหนังสือที่น่าสนใจ และตัวอย่างที่ดีและไม่ดีนั้นสนุกมาก จึงน่าแนะนำ
  อย่างไรก็ตาม สมมติฐานหลักของหนังสือที่ว่า “จงเพิ่มอัตราส่วนหมึกต่อข้อมูลให้สูงสุด” ฟังดูสมเหตุสมผลมาก แต่มีข้อบกพร่องโดยพื้นฐาน เพราะปริมาณหมึก หรือบนหน้าจอก็คือจำนวนพิกเซลสีดำ ไม่เท่ากับความซับซ้อนทางสายตา สมองตีความข้อมูลภาพหลังจากทำการตรวจจับขอบ การจัดกลุ่ม และการประมวลผลล่วงหน้าอื่น ๆ เสร็จไปแล้ว
  หนังสือยกตัวอย่าง scatter plot ที่ลดแกนให้แสดงเฉพาะช่วงของข้อมูล แทนที่จะให้แกนมาบรรจบกันที่มุม โดยบอกว่าใช้หมึกน้อยลงและแสดงข้อมูลมากขึ้น จึงได้ประโยชน์ทั้งสองทาง แต่เมื่อเทียบกันแล้ว เห็นได้ชัดว่าเวอร์ชันที่แก้ไขแล้วซับซ้อนทางสายตามากกว่า หากเป็นหน้าที่ซับซ้อนซึ่งมีข้อความและกราฟหลายกราฟอยู่ด้วยกัน ชิ้นส่วนต่าง ๆ จะปะปนกันทางสายตาและยิ่งแย่ลง
  วิธีหนึ่งในการลดความซับซ้อนแบบนั้นคือการล้อมพื้นที่ใหญ่ ๆ อย่างพล็อตทั้งอันด้วยกรอบ แต่กรอบถือเป็นศัตรูตัวฉกาจของ Tufte ทั้งในหนังสือเล่มนั้นและที่อื่น ๆ น่าแปลกใจที่เขายังคงมีท่าทีแบบนั้น ทั้งที่มองงานแสดงผลทางสายตามาเป็นเวลานานมาก
- เป็นหนังสือที่ดี ขอแนะนำบทความคลาสสิกของ John Tukey เรื่อง Some Graphic and Semigraphic Displays ด้วย: https://www.edwardtufte.com/tufte/tukey
  Tukey เป็นหนึ่งในเมนเทอร์ของ Tufte
- ในมุมมองทางประวัติศาสตร์ถือว่าน่าสนใจ แต่ในยุคที่มีทรัพยากรออนไลน์มากมายกว่านั้นมาก ก็ไม่ได้มีข้อมูล “ลับ” หรือเนื้อหาเพิ่มเติมที่ควรใส่อะไรนัก
  สำหรับภาพรวมระดับสูงในการเลือกชาร์ตให้เหมาะกับข้อมูลและเรื่องราวของข้อมูล http://data-to-viz.com ยอดเยี่ยมมาก และตัวอย่างจากไลบรารีพล็อตต่าง ๆ ก็เป็นแหล่งอ้างอิงที่ดีสำหรับหาแรงบันดาลใจ เช่น https://matplotlib.org/stable/gallery/index.html
- เป็นคำแนะนำที่ดี แต่ควรจำไว้ว่าตั้งแต่นั้นมา ประสาทวิทยาศาสตร์และ ความเข้าใจด้านการรับรู้ ได้พัฒนาขึ้นแล้ว
  น่าสนใจมากและเกี่ยวข้องกัน แต่ไม่ใช่ข้อสรุปสุดท้ายของหัวข้อนี้
- ผมมองว่าเขาเสนอกรอบที่มี insight สำหรับคิดว่าอะไรทำให้การแสดงข้อมูลด้วยภาพดี
  แต่หลายคนพลาดตรรกะเบื้องหลัง แล้วเพียงคัดลอก สไตล์ Tufte ไปตรง ๆ ซึ่งบางครั้งผลลัพธ์ก็ดูจัดสไตล์มากเกินไปและเหมือนตั้งใจแหกขนบ ตัวอย่างที่ดีคือพล็อตเริ่มต้นของ ggplot2 ใน R
เป็นบทความที่ไล่ดูข้อผิดพลาดที่พบบ่อยในการแสดงข้อมูลด้วยภาพได้ดี จึงตั้งใจจะแชร์กับเพื่อนร่วมงาน ส่วนเนื้อหาเสริม ขอแนะนำอย่างยิ่งเรื่อง 39 studies about human perception in 30 mins ของ Kennedy Eliot: https://medium.com/@kennelliott/39-studies-about-human-perce...
สามารถไล่ดูฐานงานวิจัยของข้ออ้างจำนวนมากเกี่ยวกับ best practices ในการแสดงข้อมูลด้วยภาพได้อย่างรวดเร็ว โดยเฉพาะหลักปฏิบัติแบบตายตัวที่บอกว่าอย่าใช้ pie chart นั้นน่าสนใจ เพราะเป็นหัวข้อที่นักออกแบบไม่สบายใจกันมาตั้งแต่ทศวรรษ 1930 แต่ผลวิจัยกลับยังสรุปได้ไม่ชัดเจนนัก แม้มองในแง่ดีก็ตาม
- ยังไม่ได้อ่านบทความนี้ แต่กำลังจะเสนอ paper ล่าสุดชิ้นหนึ่ง: https://journals.sagepub.com/doi/full/10.1177/15291006211051...
  ลองดูบทความ Medium คร่าว ๆ แล้ว เหมือนว่าจะมีมุมมองต่อประเด็นเหล่านี้คล้ายกัน จึงน่าจะเสริมกันได้
ในข้อ “3. ถ้าเป็นเพื่อนกัน จะไม่ปล่อยให้ใช้ สเกลสีแบบสองทิศทาง กับข้อมูลทิศทางเดียว” ผมไม่เข้าใจตั้งแต่แรกว่าทำไมตัวอย่างเหล่านั้นถึงต้องใช้สี
- ใช่เลย ไม่จำเป็นต้องเข้ารหัสข้อมูลเดียวกันซ้ำสองครั้ง แบบนั้นมีแต่ทำให้ต้องคิดมากขึ้นว่ากราฟกำลังแสดงอะไรอยู่
- ในตัวอย่าง สเกลสีไม่ได้ทำให้อะไรดีขึ้นเลย ถึงอย่างนั้นคำแนะนำทั่วไปก็ยังดีอยู่
  ในหลายกรณี การแสดงตัวแปรเดี่ยวสามารถดีขึ้นได้ถ้าใช้สเกลสีแทนที่จะใช้แค่ระดับเทา ในกรณีแบบนั้น การใช้สเกลสองทิศทางกับข้อมูลทิศทางเดียวเป็นเรื่องแย่ และกลับกันก็เช่นกัน
- ตรงนี้ควรเข้าใจว่า “ตัวอย่าง” เป็นการแสดง คุณสมบัติของสเกลสี มากกว่าจะเป็น use case จริง
  กล่าวคือ ไม่ใช่ตัวอย่างที่แสดงว่าเมื่อไรควรใช้สเกลสี
- ใช้ความยาวของแท่งเพื่ออธิบายบริบท ไม่ได้แนะนำให้ใช้ทั้งสองอย่างพร้อมกัน
บทเรียนจำนวนมากเหล่านี้ไม่ใช่เรื่องใหม่ ดูได้จากหนังสือปี 1939 ของ Willard C. Brinton ชื่อ Graphic presentation และเข้าถึงได้ฟรี: https://archive.org/details/graphicpresentat00brinrich/mode/...
ในสายตาผม สิ่งเหล่านี้ก็ยังแย่ทั้งหมดอยู่ดี มี chartjunk มากเกินไป และส่วนใหญ่ก็ใช้สีมากเกินไปด้วย
เส้นเหล่านั้นไม่ได้จำเป็นทั้งหมด ใส่ให้น้อยลงอย่างระมัดระวังจะทำให้อ่านง่ายขึ้น หนังสือเล่มไหนของ Edward Tufte ก็พูดเรื่องนี้ และแค่เทคนิคพื้นฐานไม่กี่อย่างก็ไปได้ไกลพอสมควรแล้ว
- ชาร์ตเหล่านี้สร้างด้วย ggplot2 และ ggplot2 อิงกับ grammar of graphics
  แก้ไข: ผมนึกว่า Tufte เป็นคนสร้าง แต่ผิด https://www.amazon.com/Grammar-Graphics-Statistics-Computing...
ไม่เคยชอบ violin plot เลย แต่ก็ไม่ได้เป็นคนในสาย data visualization แต่อย่างใด เมื่อสัปดาห์ก่อนเพิ่งบังเอิญดูวิดีโอชื่อ violin plots should not exist แล้วทุกอย่างก็ลงล็อก: https://youtu.be/_0QMKFzW9fw?feature=shared
จากงานวิจัยของ Bill Cleveland ได้มีการนำแนวคิดเหล่านี้บางส่วนมาร้อยเรียงเป็นกรอบที่สอดคล้องกันในงานนำเสนอชื่อ How Humans See Data
https://www.youtube.com/watch?v=fSgEeI2Xpdc
- ขอบคุณที่อัปโหลดให้ เป็นงานนำเสนอที่ยอดเยี่ยมและจังหวะดีมาก 40 นาทีผ่านไปในพริบตา
  ส่วน การประมาณสามขั้นตอน เปิดหูเปิดตาจริง ๆ พอมาดูทีหลังก็ดูเป็นเรื่องชัดเจน แต่ก่อนที่จะมีคนอธิบายให้ฟังโดยตรง ก็ไม่เคยเชื่อมโยงประเด็นนี้ได้เลย