La clasificación de datos es un proceso en el que los valores numéricos graduados se agrupan en rangos y cada rango de clasificación está representado con un tono o color en la rampa de color, o un tamaño de símbolo.
El método de clasificación que utilice depende de los datos que esté usando y la información que desee trasmitir en el mapa.
Cortes naturales
La clasificación de cortes naturales crea clases que se basan en agrupaciones naturales inherentes a los datos. Este es el método de clasificación predeterminado.
Utilice la clasificación de cortes naturales cuando desee resaltar las agrupaciones naturales de los datos. No utilice cortes naturales para comparar mapas creados con datos diferentes. Por ejemplo, use cortes naturales para comparar el número de crímenes de los vecindarios de una ciudad. Los crímenes totales se agruparán para que los vecindarios con crímenes totales similares estén simbolizados con el mismo tamaño de símbolo.
Intervalo equivalente
La clasificación de intervalo equivalente divide el rango de valores de atributo en subrangos de igual tamaño.
La clasificación de intervalos equivalentes resalta la cantidad de un atributo relativo a otros valores. Utilice intervalo equivalente para datos que presentan rangos familiares. Por ejemplo, use intervalos equivalentes para comparar las ventas totales para tiendas. Si usa cuatro bins, las tiendas se dividirán en rangos del 25 por ciento.
Cuantil
La clasificación de cuantiles divide los atributos en bins con el mismo número de entidades.
La clasificación de cuantiles puede distorsionar el aspecto de un mapa colocando valores similares en clases diferentes. Utilice la clasificación de cuantiles para datos relativamente uniformes. También puede usar la clasificación de cuantiles para clasificación visual. Por ejemplo, use intervalos de cuantiles para comparar las emisiones de carbono entre países en un año específico. Si el dataset incluye las emisiones de 100 países y aplica 10 bins, puede distinguir entre grupos de emisores de carbono (los 10 emisores más altos, los 10 emisores más bajos y así sucesivamente), pero no dentro de grupos.
Desviación estándar
La clasificación de desviación estándar clasifica una entidad basándose en cuánto varían los atributos de la entidad con respeto al valor medio.
La clasificación de la desviación estándar funciona mejor en datasets que están distribuidos normalmente y para análisis en los que el valor medio o la distancia desde la media es importante. Por ejemplo, use la desviación estándar y una rampa de color divergente para comparar la esperanza de vida media de diferentes países. Los países con la esperanza de vida más alta y más baja se mostrarán en diferentes tonos oscuros. Los colores se volverán más claros a medida que las clases se acerquen al valor medio de esperanza de vida global.
Sugerencia:
Pruebe a emparejar la clasificación de la desviación estándar con una rampa de color divergente para mapas de coropletas. Las rampas de color divergentes aplican tonos oscuros a los extremos superior e inferior y un color neutro al valor medio.
Sin clasificar
La clasificación sin clasificar muestra datos numéricos en una escala continua y no en clases discretas.
Use la clasificación sin clasificar cuando desee ver cambios graduales en los datos. Por ejemplo, use una rampa de color sin clasificar para distinguir las mediciones de temperatura promedias para un intervalo de tiempo específico tomado en estaciones meteorológicas colocadas de manera uniforme. Los puntos mostrarán cambios graduales en la temperatura en el área de estudio.
Manual
La clasificación manual agrega rupturas de clase personalizados que son apropiados para los datos.
La clasificación manual puede utilizarse para crear nuevas rupturas de clase o modificar las rupturas creadas mediante un método de clasificación diferente. Por ejemplo, puede clasificar los datos mediante intervalos iguales y utilizar la clasificación manual para modificar los intervalos a números enteros.
Use la clasificación manual cuando haya rangos conocidos que deban aplicarse a los datos, como cuando se crean varios mapas con los mismos bins. Por ejemplo, use una clasificación manual para comparar el número de casas vacantes en los vecindarios de una ciudad a lo largo del tiempo. Se pueden aplicar los mismos bins a ambos mapas, de forma que se pueden crear patrones y realizar comparaciones sin hacer suposiciones erróneas que se deban a las diferencias de la clasificación.
Recursos
Utilice los recursos siguientes para más información: