Mapas Coropléticos – Um Guia para Classificação de Dados

O que é um Mapa Coroplético?

Um mapa coroplético usa diferentes sombreamentos e cores com base em dados quantitativos.

Mas o problema dos mapas coropléticos é: há muitas maneiras de classificar seus dados.

Por exemplo, existem intervalos iguais , quantil , quebras naturais e quebras bonitas.

Mas qual a diferença entre cada um deles?

Hoje, você aprenderá a escolher a melhor maneira de classificar seus dados em mapas coropléticos em nosso guia de classificação de dados .

Escolha o seu número de aulas

Primeiro, você deve agregar dados com base em várias classes. Quando você tem mais classes, você obtém mais variação, às vezes tornando mais difícil separar o sombreamento. Se você quiser testar diferentes tonalidades, ColorBrewer tem uma ferramenta para aconselhamento de cores.

Por exemplo, aqui estão 10 classes :

Enquanto menos classes fornecem menos separação entre classes, como 5 classes abaixo.

Afinal, o número de classes que você decide realmente depende do propósito do seu mapa.

Selecione seu método de classificação de dados

Em segundo lugar, você terá que decidir como classificar seus dados. Em outras palavras, a classificação de dados organiza seus dados com limites para classes separadas. Você pode separar suas classes com um modo de intervalo igual:

Alternativamente, você pode selecionar um tipo de classificador de quantil onde ele organiza os dados de maneira diferente (mais sobre isso abaixo)

Cada técnica de classificação de dados produz mapas coropléticos exclusivos . Mas todos eles pintam uma história diferente para o leitor do mapa. A única coisa que você deve perceber é que você está usando os mesmos dados em cada mapa coroplético, mas o que realmente está mudando é como você classifica os dados .

Criando um mapa coroplético

A coisa mais importante que você precisa perceber é que para cada um desses mapas coropléticos que criamos, usamos os mesmos dados . O que está mudando é como classificamos os dados.

Neste exemplo, contamos o número de letras nos nomes dos países. Por exemplo:

• Mali, Cuba, Peru e outros são países de quatro letras .
• Considerando que, Bósnia e Herzegovina tem 22 caracteres.

Se você traçar de 4 a 22 caracteres, terá muitas cores.

Por exemplo, os países de quatro letras são os tons mais claros de verde. À medida que a contagem de letras aumenta, o sombreamento fica mais escuro.

Legenda – Sombreamento do mapa Choropleth por países número de caracteres

Qual país pertence a qual grupo? É difícil dizer.

Então é por isso que usamos a classificação de dados. Quando agrupamos por classes, há menos sombreamento e agregamos os dados por grupo.

Em última análise, a questão é como definimos esses limites ou compartimentos de classe? Em outras palavras, como classificamos os dados em grupos?

Primeiro, vamos tentar dividir as classes em agrupamentos uniformemente espaçados, como intervalos iguais abaixo, e ver o que acontece.

Classificação de dados de intervalo igual

A classificação de intervalo igual é cortada e seca. Tudo o que realmente faz é dividir as classes em grupos iguais .

• Classe 1 : 4 – 8 (113 países têm quatro, cinco, seis, sete ou oito letras)
• Classe 2 : 8 – 12 (41)
• Classe 3 : 12 – 16 (12)
• Classe 4 : 16 – 20 (8)
• Classe 5 : 20 – 24 (2)

O número mínimo de caracteres de um país é 4 , como o Peru. O número máximo de caracteres é 24 , que é a República Centro-Africana. Quando você plota cada país e seu número de caracteres em um mapa, fica assim (os colchetes indicam a contagem):

A classificação de dados de intervalo igual subtrai o valor máximo do valor mínimo ( 24-4=20 ). Em nosso exemplo, geramos 5 classes, mas o número de classes depende inteiramente de você. Então, ele divide 20 por 5 e você obtém um intervalo ( 20/5=4 ).

Quase sempre, mapas coropléticos de intervalos iguais resultam em uma contagem desigual de países por classe . Por exemplo, a classe 1 tem 113 países de 176 países com quatro, cinco, seis e sete letras.

No entanto, apenas 2 países têm mais de 20 letras. Como resultado, este mapa exibe mais cores com sombras claras em comparação com apenas 2 com sombras escuras.

Mas o que acontece se você quiser que a contagem de países em cada classe seja quase igual? É quando você deve usar um mapa de quantil.

Classificação de Quantil (Contagem Igual)

O mapa quantil tenta agrupar a mesma contagem de características em cada uma das 5 classes. Em outras palavras, os mapas de quantis tentam organizar os grupos para que tenham a mesma quantidade . Como resultado, o sombreamento parecerá igualmente distribuído em tipos de quantis de mapas.

• Classe 1 : 4 – 6 (56 países têm nomes de 4, 5 ou 6 letras)
• Classe 2 : 6 – 7 (38)
• Classe 3 : 7 – 8 (19)
• Classe 4 : 9 – 11 (36)
• Classe 5 : 12 – 24 (27)

Os mapas de quantis levam o número de feições (176 países no nosso caso). Em seguida, divide o total pelo número de aulas para obter a média ( 176/5=35,2 ). Finalmente, os mapas de quantis contam a quantidade em cada grupo e os organizam o mais próximo possível da média.

Você pode ver como a contagem de cada classe é muito semelhante e está próxima de 35,2 . Para cada classe, não há muitos ou poucos para a contagem.

Apesar do estilo equilibrado em mapas coropléticos quantílicos, eles também podem ser enganosos. Eles são enganosos porque as pessoas tendem a olhar para um dos tons e agrupá-lo na mesma categoria. Por exemplo, um país de 12 letras recebe o mesmo tom escuro de um país de 24 letras… e onde está a justiça nisso?

Classificação de quebras naturais (Jenks)

A primeira coisa a lembrar sobre a classificação Natural Breaks (Jenks) é que ela é um método de otimização para mapas coropléticos. Em suma, ele organiza cada agrupamento para que haja menos variação em cada classe ou sombreamento.

• Classe 1 : 4 – 6 (56)
• Classe 2 : 6 – 8 (57)
• Classe 3 : 8 – 12 (41)
• Classe 4 : 12 – 18 (18)
• Classe 5 : 18 – 24 (4)

Natural Breaks (Jenks) adota uma abordagem iterativa comparando a soma dos desvios quadrados entre classes com a média da matriz. Então, o algoritmo usa um ajuste de bondade de variância com 1 como um ajuste perfeito e 0 como um ajuste ruim.

O fundador do método de classificação de dados Natural Breaks foi um cartógrafo chamado George Frederick Jenks. Ele se especializou em monitorar os movimentos oculares das pessoas ao olhar para um mapa. E os resultados para este mapa também pareciam ótimos.

Você pode ver como esse método de classificação de dados minimiza a variação em cada grupo . Como temos muitos nomes de países mais curtos, ele encontra intervalos de classe adequados. Mas ainda consegue agrupar discrepantes com nomes de países mais longos em uma classe própria.

Classificação de Desvio Padrão

O desvio padrão é um tipo de mapa de técnica estatística baseado em quanto os dados diferem da média. Você mede a média e o desvio padrão para seus dados. Então, cada desvio padrão se torna uma classe em seus mapas coropléticos.

No nosso caso, o número médio de caracteres é de cerca de 8,5 com um desvio padrão de 3,7 caracteres. Como resultado, todos os países com 5 a 8 caracteres serão colocados no agrupamento de desvio padrão de 0 a -1. Da mesma forma, os países com 9 a 12 letras são agrupados em uma faixa de desvio padrão de 0 a 1 assim:

• Classe 1 : <-1 σ (9)
• Classe 2 : -1 a 0 σ (104)
• Classe 3 : 0 a 1 σ (41)
• Classe 4 : 1 a 2 σ (10)
• Classe 5 : 2 a 3 σ (9)
• Classe 6 : 3 a 4 σ (2)
• Classe 7 : >=4 σ (1)

As categorias brutas como saída precisam de um pouco de esclarecimento para o leitor. Qual é a média? Qual é o intervalo para cada desvio padrão?

Apesar dessas inconsistências, os tipos de mapas de desvio padrão podem ser um dos mais apropriados devido à sua origem estatística. Todos os países de 4 letras são <-1 desvio padrão. Países com 5 a 8 letras têm desvio padrão de -1 a 0. O único país de 24 letras tem >4 desvios padrão devido ao seu desvio extremo da média de 8,5.

Classificação de Pretty Breaks

Se você deseja números redondos em seus intervalos, deve escolher intervalos bonitos. Tudo o que a classificação “pretty breaks” faz é arredondar cada ponto de interrupção para cima ou para baixo. Então, em vez de ter um ponto de interrupção de 599.364, ele se tornará 600.000 com quebras bonitas.

É um pouco difícil ver como os números são redondos (está agrupando por 5) neste exemplo porque todos os exemplos acima também produzem números redondos. Mas quando você tem números grandes, como estimativas populacionais (veja abaixo), isso gerará algumas quebras muito bonitas.

• Classe 1 : 4 – 5 (29)
• Classe 2 : 5 – 10 (111)
• Classe 3 : 10 – 15 (24)
• Classe 4 : 15 – 20 (10)
• Classe 5 : 20 – 24 (2)

Como resultado de fazer números arredondados, as pausas bonitas também serão muito exigentes sobre o número de aulas que você decidir.

Veja como as estimativas populacionais se comparam quando você analisa todas as técnicas de classificação de dados:

Intervalo igual:

Quantil:

Pausas Naturais (Jenks):

Quebras Bonitas. Agora ficou lindo :

Experimente você mesmo

Os mapas coropléticos usam diferentes sombreamentos e cores para exibir a quantidade ou valor em áreas definidas.

Geralmente o caso, o criador de mapas usa um tipo de classificação de dados para produzir seu próprio mapa coroplético exclusivo . Cada método de classificação de dados impacta o leitor de forma diferente.

Existem várias maneiras de classificar dados em um SIG. Delineamos suas diferenças com diferentes exemplos de mapas coropléticos. Use este guia para classificar praticamente qualquer coisa como taxas de criminalidade, níveis de educação e política.

Qual é o seu método de classificação de dados favorito? deixe-nos saber com um comentário abaixo.