Mehr

Wie wählt man die Klassifikationen auf Choroplethenkarten?

Wie wählt man die Klassifikationen auf Choroplethenkarten?


Ich kämpfe immer mehr mit der Definition von Breakpoints, wenn ich Choroplethen-Karten (auch thematische Karten genannt) zur Ansicht anzeigen möchte Andere. Hat jemand empfohlene Referenzen, die bei der Auswahl des verwendeten Waagentyps helfen? und die entsprechende Anzahl von Haltepunkten? Insbesondere bei der Anzahl der Bins habe ich bisher nur Argumente für eine limitierende Anzahl gesehen (z.B. sollten Sie nicht mehr als 5 verwenden).


Um genauer zu sein, wonach ich suche, ähneln die meisten Referenzen, die ich zu diesem Thema gefunden habe, dem Dokument, auf das Julien in diesem Beitrag verweist, und ich suche nur nach einer eingehenderen Diskussion über das Thema.

Ein paar spezifische Anwendungsfälle, auf die ich häufig stoße (für Beispiele meiner Kämpfe);

  • Bei der Anzeige von Daten mit einem großen Rechtsversatz zögere ich normalerweise, eine exponentielle Skala anzuzeigen. Ich befürchte (für das Publikum, dem ich normalerweise Karten zeige), würde dies zu einer größeren kognitiven Belastung beim Lesen der Skala und der Zuordnung der tatsächlichen Attributwerte zu den Farben führen. Sind meine Ängste falsch? Auch für diese Arten von Verteilungen finde ich es schwierig, eine bestimmte Anzahl von Bins zu rechtfertigen.
  • Wie wähle ich bei der Anzeige vieler kleiner multipler Karten einen geeigneten Maßstab, der es ermöglicht, Beziehungen sowohl innerhalb als auch zwischen den kleinen multiplen Karten effektiv zu visualisieren? Mein De-facto-Standard, wenn die Attributskalen stark variieren, besteht darin, Quintile innerhalb jeder einzelnen Verteilung zu verwenden. Sind Quintile zu viele Klassifikationen und verursachen sie eine zu große kognitive Belastung, um zwischen den Panels zu vergleichen? Ich gehe davon aus, dass die Leute verstehen, dass Quantilklassifikationen mit Rankings äquivalent sind (und daher bei der Klassifizierung zwischen den Panels die Interpretation hilft), ist diese Annahme richtig?

Ich habe anfangs einen Absatz geschrieben, um die Ziele solcher Karten zu beschreiben, aber ich vermute, dass meine Ziele ziemlich typisch sind, also war es unnötig. Das einzige, was noch einmal klargestellt werden muss, ist, dass diese für die Ansicht durch andere Personen (wie in Berichten, Veröffentlichungen) und nicht wirklich für meine eigene explorative Datenanalyse gedacht sind (obwohl ich vermute, dass gute Ratschläge in beide übersetzt werden sollten). Vielleicht kann eine gute Referenz die potenziellen Ziele solcher Karten und Kompromisse im Zusammenhang mit der Verwendung verschiedener Klassifikationsschemata beschreiben. Mich würden sowohl konkrete als auch allgemeine Hinweise interessieren.


Eine großartige Referenz, die nicht genug zitiert wird, ist "How Maps Works" von Alan M. McEachren (The Guilford Press, 1995/2004). Es ist keine Kurzanleitung, sondern eine umfassende Reflexion darüber, wie Karten gesehen und verstanden werden, basierend auf einer wirklich beeindruckenden wissenschaftlichen Untersuchung und dem Wissen von Praktikern.


Ich habe vor kurzem gekauft Thematische Kartografie und Visualisierung (Slocum et al., 2005), und es scheint für meine Bitte um allgemeine Referenzen zum Thema Behälterauswahl mehr als ausreichend zu sein. Es wird mir sicherlich noch einige Zeit viel zu lesen geben, und die Kaufentscheidung war nicht allzu mühsam (es gibt viele ältere Billigexemplare im Umlauf).

Hinweis Ich glaube nicht, dass ich MacEachren's empfehlen würde Wie Karten funktionieren speziell für diese Frage. Das Buch ist so monolithisch, dass ich es sicherlich vergessen hätte, aber ich erinnere mich an keine direkte Diskussion über die Wahl der Anzahl der Fächer (zumindest nicht so einfach wie das Kapitel, das ihm im Slocum-Lehrbuch gewidmet ist). Wenn ich mich erinnere, dass er das Thema erwähnte, ist es etwas übertrieben und zu keinem wirklichen Ergebnis gekommen, aber ich würde es auf jeden Fall als allgemeine Referenz für die Datenvisualisierung empfehlen.

Es gibt wahnsinnig viel Literatur zu diesem Thema, und ich muss noch etwas Selbststudium machen, um zu sehen, ob ich eine befriedigendere Antwort zur Klassifizierung der schiefen Verteilung finden kann. Und ich melde mich wieder, wenn ich etwas Wichtigeres zu sagen habe.

Aber für die zweite Frage zur Visualisierung kleiner multipler Karten bin ich kürzlich auf einen Artikel von Cynthia Brewer und Linda Pickle gestoßen, Evaluation of Methods for Classifying Epidemiological Data on Choropleth Maps in Series (PDF hier), nämlich exakt zielt auf meine Frage ab.

Kurz gesagt, Experimente deuten darauf hin, dass Quantile der nützlichste Weg sind, um eine Reihe kleiner multipler Karten darzustellen, sowohl für die einfache Interpretation (wie ich in der Frage vorgeschlagen habe) als auch für die Tatsache, dass sie Karten mit gleicher Fläche in Bezug auf die Füllung erzeugen, wenn die Polygone sind ungefähr gleich groß. Dies ist vielleicht erst offensichtlich, wenn Sie ein Gegenbeispiel sehen. Unten habe ich ein Bild einiger kleiner multipler Karten eingefügt, in denen die Klassifikationen über die Reihe der verschiedenen Krebsraten hinweg auf gleich sind (auf Seite 674 des zitierten Artikels).

Da die Inzidenz von Lebererkrankungen so viel niedriger ist als die von COPD, fallen alle Landkreise in den oberen Karten tendenziell in die unteren Klassifikationen. Wenn Sie Muster innerhalb einer der Karten nicht unterscheiden können, ist es unwahrscheinlich, dass Sie Muster zwischen den Karten unterscheiden! Natürlich sollte man, wenn es sinnvoll ist, die Klassifikationen konsistent machen, aber das ist nur für einige Vergleichskarten sinnvoll. Auch was die Anzahl der Behälter angeht, die sie in ihren Experimenten gewählt haben.


siehe diese ref. Optimierung der Auswahl mehrerer Choroplethen-Map-Klassen

In

T. Bandrova et al. (Hrsg.), Thematische Kartographie für die Gesellschaft, Lecture Notes in Geoinformation and Cartography, DOI: 10.1007/978-3-319-08180-9_6, Springer International Publishing Switzerland 2014