Choropleth地图-数据分类指南¶
等间距，分位数，自然断裂，漂亮断裂。每种数据分类方法生成不同的脊索面图。我们解释了使用每种choropleth地图的优缺点。
如何利用数据分类制作Choropleth地图¶
你已经准备好了你的定量数据。鼠标悬停在“分类”上，等待生成多色的choropleth地图。
但你不禁想知道你是否选择了正确的数据分类模式。
Equal intervals 分位数，自然休息，漂亮休息-有很多选择。但它们之间有什么区别呢？
这篇文章将帮助您了解存在**choropleth地图**的类型，以及为您的地图选择哪一个。
选择课程数量¶
首先，必须基于多个类聚合数据。当你有更多的类，你会得到更多的变化，有时会使它更难分离阴影。如果你想测试不同的底纹， ColorBrewer 有颜色建议工具。
例如，这里是 10个班 ：
而类越少，类之间的分离就越少，例如 5个等级 下面。
毕竟，您决定使用的类的数量实际上取决于映射的目的。
选择数据分类方法¶
其次，您必须决定如何对数据进行分类。换一种说法，数据分类用边界来安排数据，以分离类。您可以使用相等的间隔模式来分隔类：
或者，您可以选择一种分位数类型的分类器，它在其中以不同的方式排列数据（更多内容见下文）。
每种数据分类技术都会生成唯一的**choropleth图**。但是它们都给地图阅读器描绘了一个不同的故事。你必须意识到的一件事是，您在每个Choropleth映射中使用的是**相同数据**，但是真正的变化是**如何对数据进行分类**。
我们的示例数据¶
你必须认识到的最重要的一点是，对于我们创建的每一幅choropleth地图，我们都使用**相同的数据**。改变的是我们如何对数据进行分类。
在本例中，我们计算国家名称中的字母数。例如：
马里、古巴、秘鲁等国 四个字母的国家 .
然而，波斯尼亚和黑塞哥维那有22个字符。
如果您打印出4到22个字符，它将有很多颜色。
例如，四个字母的国家是最浅的绿色阴影。随着字母数的增加，阴影会变暗。
按国家/地区字符数划分的Choropleth地图阴影
哪个国家属于哪个集团？很难说。
所以这就是我们使用数据分类的原因。当我们按类分组时，阴影会减少，我们会按组聚合数据。
最后，问题是我们如何定义这些类边界或容器？换句话说，我们如何 对数据进行分类 分组？
首先，让我们尝试将类划分为等距分组，如下面的等距分组，看看会发生什么。
等间隔数据分类¶
等距切割和干燥。它真正的作用是 将类分成相等的组。
1班 ：4-8（113个国家有4、5、6、7或8个字母）
2班 ：8–12（41）
3班 ：12–16（12）
4级 ：16–20（8）
第5类 ：20–24（2）
这个 一个国家的最小字符数为4 比如秘鲁。这个 最多24个字符 中非共和国。在地图上绘制每个国家及其字符数时，如下所示（括号表示计数）：
等间隔数据分类从最小值中减去最大值（ 24-4=20 ）在我们的示例中，我们生成了5个类，但类的数量完全取决于您。然后，它将20除以5，得到一个区间（ 20/5=4 ）
几乎所有情况下，等间隔的脊索映射都会导致 每类国家的不平等计数 . 例如，1类有 113个国家 在176个国家中，有4、5、6和7个字母。
然而，只有2个国家有超过20个字母。因此，与只有2种带有深色底纹的颜色相比，此地图显示的浅色底纹颜色更多。
但是如果你想让每个班级的国家数接近相等，会发生什么呢？这时你应该使用分位数图。
分位数（等计数）分类¶
这个 分位数图 尝试在5个类中的每个类中存储相同数量的功能。换句话说，分位数映射尝试 将组排列成相同的数量 . 因此，阴影将在分位数类型的地图中均匀分布。
1班 ：4-6（56个国家有4、5或6个字母的名称）
2班 ：6–7（38）
3班 ：7–8（19）
4级 ：9–11（36）
第5类 ：12–24（27）
分位数地图占特征总数的176个国家。然后，它将总数除以类的数目得到平均值（ 176/5=35.2 ）最后，分位数映射计算每组中的数量，并尽可能接近平均值。
您可以看到每个类的计数看起来非常相似，并且 接近35.2 . 对于每个类，没有太多或太少的可供计算。
尽管分位数合唱团地图的平衡风格，他们也可能是误导。它们是误导性的，因为人们倾向于看一个阴影，把它归为同一类。例如，一个12个字母的国家和一个24个字母的国家有相同的阴影……和 正义在哪里？
自然断裂（Jenks）分类¶
关于自然中断（Jenks）分类要记住的第一件事是，它是针对Choropleth地图的优化方法。简而言之，它会排列每个分组，因此每个分组的 差异都较小类别 或阴影。
1班 ：4–6（56）
2班 ：6–8（57）
3班 ：8–12（41）
4级 ：12–18（18）
第5类 ：18–24（4）
自然中断（jenks）采用迭代方法，将类之间的平方偏差和与数组平均值进行比较。然后，该算法使用方差拟合优度，1为完全拟合，0为差拟合。
自然断裂数据分类方法的创始人是一位名叫乔治·弗雷德里克·詹克斯的制图员。他专门研究看着地图时人眼的运动。这张地图的结果看起来也很棒。
您可以看到这个数据分类方法 最小化每组的变化 . 因为我们有许多较短的国家名称，所以它会找到合适的类别范围。但它仍然设法将具有较长国家名称的离群值分组到自己的类中。
标准偏差分类¶
标准差是一种统计技术类型的地图，基于多少数据不同于平均值。测量数据的平均值和标准偏差。然后，每一个标准差变成一个等级 在choropleth地图上。
在我们的例子中，字符的平均数约为8.5，标准偏差为3.7个字符。因此，所有5到8个字符的国家将被置于0到1的标准偏差分组中。同样，具有9到12个字母的国家被归为0到1个标准偏差范围，如下所示：
1级 ：
2级 ：-1至0σ（104）
3级 ：0至1σ（41）
4级 ：1至2σ（10）
5级 ：2至3σ（9）
6级 ：3至4σ（2）
7级 ：>=4σ（1）
作为输出的原始类别需要向读者澄清一点。平均值是多少？每个标准偏差的范围是多少？
尽管这些不一致，标准偏差类型的地图可能是最合适的 因为它的统计来源 . 所有4个字母的国家都是4个标准差，因为它与8.5的平均值有极大的偏差。
中断分类¶
如果你想要 整数 在你的范围内，那么你应该选择中断。所有中断都是向上或向下舍入每个断点。因此，与599.364的临界点不同，它将会变成60万。
在本例中，很难看到数字的取整程度（它是按5进行分组的），因为上面的所有示例都会产生整数。但是当你有大量的数据，如人口估计（见下文），它会产生一些中断。
1班 ：4–5（29）
2班 ：5–10（111）
3班 ：10–15（24）
4级 ：15–20（10）
第5类 ：20–24（2）
作为四舍五入数字的结果，中断对于您决定的类的数量也是非常挑剔的。
下面是人口估计如何比较数据分类技术：
等间隔：
分位数：
自然断裂（Jenks）：
很好的中断。现在 很好 ：
你自己试试看¶
Choropleth地图使用不同的底纹和颜色来显示定义区域中的数量或值。
通常情况下，地图绘制者使用 数据分类 创造自己独特的**choropleth地图**。每种数据分类方法对读者的影响不同。
在GIS中有几种数据分类方法。我们用不同的例子概述了它们的差异。使用本指南可以对犯罪率、教育水平和政治水平等进行分类。
您最喜欢的数据分类方法是什么？请在下面发表评论。
本文链接 :Choropleth地图-数据分类指南
