Seaborn: วิธีสร้างและตกแต่งกราฟใน Python พร้อมตัวอย่าง

Updated: 03 Nov 2026

.

🤔 Seaborn คืออะไร?

seaborn เป็น package ยอดนิยมสำหรับสร้างกราฟ (data visualisation) ใน Python และมีจุดเด่น 3 ข้อ

1. ใช้งานง่าย ด้วยการเขียนโค้ดที่ตรงไปตรงมา
2. กราฟมีหน้าตาสวยงาม เหมาะสำหรับตีพิมพ์
3. ทำงานร่วมกับ pandas และ matplotlib ซึ่งเป็น package ยอดนิยมสำหรับทำงานกับข้อมูล ได้อย่างลงตัว

💻 การเริ่มใช้งาน seaborn

เราเริ่มใช้งาน seaborn ได้ใน 2 ขั้นตอน:

1. ติดตั้ง package
2. โหลด package

ขั้นที่ 1. ติดตั้ง package:

ติดตั้ง seaborn รวมทั้ง pandas และ matplotlib ที่จะใช้งานร่วมกัน (ทำแค่ครั้งแรกครั้งเดียว)

! pip install seaborn pandas matplotlib

ขั้นที่ 2. โหลด package:

โหลด seaborn และ package ที่เกี่ยวข้อง (ทำทุกครั้งที่เริ่ม session ใหม่)

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

🧑‍💻 วิธีใช้งาน seaborn

seaborn มีวิธีสร้างกราฟดังนี้:

# Create a plot
sns.plot(data, x, y, customisation)
# Show the plot
plt.show()

• sns.plot กำหนดประเภทกราฟ
• data กำหนดชุดข้อมูล
• x กำหนดข้อมูลแกน x
• y กำหนดข้อมูลแกน y
• customisation ตกแต่งกราฟ
• plt.show() แสดงกราฟบนหน้าจอ

📉 การสร้างกราฟ 5 ประเภท

มาดูวิธีสร้างกราฟ 5 ประเภทใน seaborn กัน:

1. Histogram
2. Box plot
3. Scatter plot
4. Line plot
5. Bar plot

.

🍔 ชุดข้อมูลตัวอย่าง

สำหรับชุดข้อมูลตัวอย่าง เราจะใช้ tips ซึ่งมีข้อมูลเกี่ยวกับทิปในร้านอาหารกัน

รายละเอียดชุดข้อมูล:

วิธีโหลดข้อมูล:

tips = sns.load_dataset("tips")

.

📊 กราฟ 1. Histogram

Histogram เป็นกราฟแสดงการกระจายตัว (distribution) ของข้อมูล

ตัวอย่าง:

ดูการกระจายตัวของทิปที่พนักงานได้รับ

# Create a histogram
sns.histplot(
    data = tips,
    x = "tip"
)
# Show the plot
plt.show()

ผลลัพธ์:

.

📊 กราฟ 2. Box Plot

Box plot แสดงการกระจายตัวของข้อมูล (เหมือนกับ histogram) และใช้เปรียบเทียบการกระจายตัวของตัวแปรหนึ่งระหว่างกลุ่มได้

ตัวอย่าง:

ดูการกระจายตัวของทิปในแต่ละมื้ออาหาร

# Create a box plot
sns.boxplot(
    data = tips,
    x = "time",
    y = "tip"
)
# Show the plot
plt.show()

ผลลัพธ์:

.

📊 กราฟ 3. Scatter Plot

Scatter plot ใช้แสดงความสัมพันธ์ระหว่าง 2 ตัวแปร

ตัวอย่าง:

ความสัมพันธ์ระหว่างค่าอาหารและทิป

# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip"
)
# Show the plot
plt.show()

ผลลัพธ์:

.

📊 กราฟ 4. Line Plot

Line plot ใช้แสดงความสัมพันธ์ระหว่างตัวแปร 2 ตัว หรือแสดงการเปลี่ยนแปลงของข้อมูลตามช่วงเวลา

ตัวอย่าง:

สำรวจทิปตามจำนวนแขก

# Create a line plot
sns.lineplot(
    data = tips,
    x = "size",
    y = "tip"
)
# Show the plot
plt.show()

ผลลัพธ์:

.

📊 กราฟ 5. Bar Plot

Bar plot ใช้เปรียบเทียบค่าของตัวแปรระหว่างกลุ่ม

ตัวอย่าง:

สำรวจทิปในแต่ละวันของสัปดาห์

# Create a bar plot
sns.barplot(
    data = tips,
    x = "day",
    y = "tip"
)
# Show the plot
plt.show()

ผลลัพธ์:

3️⃣ การเพิ่มตัวแปรที่ 3

เราสามารถเพิ่มตัวแปรที่ 3 (นอกเหนือจากแกน x, y) ได้โดยใช้สี (hue) ดังนี้

ตัวอย่าง:

เพิ่มประเภทการสูบบุหรี่ (ตัวแปรที่ 3) เข้าไปในกราฟความสัมพันธ์ระหว่างทิป (y) และค่าอาหาร (x)

# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip",
    hue = "smoker" # third variable
)
# Show the plot
plt.show()

ผลลัพธ์:

🎨 การตกแต่งกราฟ

เรามาดู 3 วิธีในการตกแต่งกราฟกัน:

1. การเปลี่ยนสีข้อมูล
2. การเปลี่ยนสไตล์กราฟ
3. การเพิ่มข้อความ

.

🖌️ วิธีที่ 1. การเปลี่ยนสีข้อมูล

เปลี่ยนสีข้อมูล (hue) ได้ด้วย 2 วิธีย่อย:

1. ใช้ palette: กำหนดสีเอง
2. ใช้ sns.set_palette(): ใช้เซตสีของ seaborn

👉 ตัวอย่างการใช้ palette:

เปลี่ยนสีประเภทลูกค้าให้เป็นสีแดงและดำ

# Specify the colours
colours = {
    "Yes": "red",
    "No": "black"
}
# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip",
    hue = "smoker",
    palette = colours # change colours
)
# Show the plot
plt.show()

ผลลัพธ์:

👉 ตัวอย่างการใช้ sns.set_palette():

ใช้ชุดสีที่เหมาะกับผู้ชมที่ตาบอดสี

# Set the palette
sns.set_palette("colorblind")
# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip",
    hue = "smoker"
)
# Show the plot
plt.show()

ผลลัพธ์:

ตัวอย่างเซตสีที่เลือกใช้ได้:

.

🖌️ วิธีที่ 2. การเปลี่ยนสไตล์กราฟ

เราเปลี่ยนสไตล์กราฟ (ธีม) ด้วย sns.set_style() ได้ดังนี้:

ตัวอย่าง:

เปลี่ยนสไตล์กราฟให้มีฉากหลังสีเทา

# Set the style
sns.set_style("darkgrid")
# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip",
    hue = "smoker"
)
# Show the plot
plt.show()

ผลลัพธ์:

.

🖌️ วิธีที่ 3. การเพิ่มข้อความ

เราเพิ่มข้อความลงบนกราฟได้ด้วยคำสั่งจาก matplotlib.pyplot ดังนี้

ตัวอย่าง:

# Create a scatter plot
sns.scatterplot(
    data = tips,
    x = "total_bill",
    y = "tip",
    hue = "smoker"
)
# Add a title
plt.title("Total Bill vs Tip", fontsize = 16)
# Add labels
plt.xlabel("Total Bill ($)", fontsize = 12)
plt.ylabel("Tip ($)", fontsize = 12)
# Show the plot
plt.show()

ผลลัพธ์:

💪 สรุปเนื้อหา

ในบทความนี้ เราเรียนรู้วิธีการสร้างกราฟง่าย ๆ ใน seaborn กัน

การสร้างกราฟ 5 ประเภท:

การเพิ่มตัวแปรที่ 3:

การตกแต่งกราฟ:

🫵 หลังจบบทความนี้

ลองมาใช้ seaborn เพื่อสร้างกราฟกันนะครับ

• ดูตัวอย่างโค้ดทั้งหมดในบทความที่ GitHub
• ดาวน์โหลดชุดข้อมูลสำหรับทดลองใช้ seaborn
• อ่านคู่มือการใช้ seaborn อย่างเป็นทางการ

📄 อ้างอิง

• Seaborn: Python
• Seaborn vs Matplotlib: Which Visualization Library Should You Choose in 2026?
• Python Seaborn Tutorial For Beginners: Start Visualizing Data
• Python Seaborn Cheat Sheet
• Python Seaborn Tutorial