ฮีตแม็พความสัมพันธ์

Visualize

ฮีตแม็พความสัมพันธ์

Created: Last updated: Read time: 1 min

เมทริกซ์ความสัมพันธ์แบบฮีตแม็พช่วยให้เห็นว่าตัวชี้วัดแต่ละตัวเชื่อมโยงกันแค่ไหน สีเข้มบอกความสัมพันธ์บวก/ลบที่แรง ในแผนภูมิเดียวเราจึงเลือกได้ว่าควรจับตาคู่ตัวแปรใดก่อน

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

metrics = pd.DataFrame(
    {
        "ยอดขาย": [100, 120, 150, 170, 190, 210, 230, 250],
        "ลูกค้าใหม่": [35, 42, 48, 55, 58, 63, 67, 72],
        "งบโฆษณา": [25, 28, 32, 40, 43, 47, 50, 55],
        "อัตราแปลง": [0.31, 0.33, 0.34, 0.36, 0.37, 0.39, 0.40, 0.41],
    }
)

corr = metrics.corr(numeric_only=True)
fig, ax = plt.subplots(figsize=(6, 5))
sns.heatmap(
    corr,
    annot=True,
    cmap="Blues",
    vmin=-1,
    vmax=1,
    square=True,
    fmt=".2f",
    ax=ax,
)
ax.set_title("เมทริกซ์ความสัมพันธ์ของตัวชี้วัดการเติบโต")
fig.tight_layout()

plt.show()

ฮีตแม็พความสัมพันธ์ของตัวชี้วัดการเติบโต

วิธีอ่าน #

  • ค่าใกล้ 1 แสดงความสัมพันธ์ทางบวกสูง ขณะที่ใกล้ -1 คือความสัมพันธ์ผกผัน
  • สีบอกความแรงอย่างชัดเจน ช่วยให้มองเห็นกลุ่มตัวชี้วัดที่เคลื่อนไปพร้อมกัน
  • เมื่อเทียบหลายเพจหรือหลายทีม ควรเรียงลำดับตัวชี้วัดเดียวกันและใช้ค่าสีคงที่เพื่อให้อ่านง่าย