Cuando aplica estilo con color o tamaño para mostrar datos numéricos, puede clasificar esos datos (es decir, dividirlos en clases o grupos) y definir los rangos y cortes para dichas clases. Por ejemplo, puede agrupar los datos de población por edades en hasta 10 grupos (población de 0 a 9 años, de 10 a 19 años, de 20 a 29 años, etc.) e identificar visualmente esas clases en un mapa.
Dependiendo de la cantidad de datos, puede tener hasta 10 clases. Cuantos más datos haya, más clases puede agregar. La forma en que define los rangos y las rupturas de clases (valores máximos y mínimos que definen cada clase) determina qué entidades quedan dentro de cada clase y el aspecto de la capa. Al cambiar las clases con métodos de clasificación diferentes cambia la apariencia del mapa. Por lo general, el objetivo es garantizar que las entidades con valores similares se encuentren en la misma clase.
Cortes naturales
El método de clasificación de cortes naturales (también conocido como optimización de Jenks) se basa en agrupaciones naturales inherentes a los datos. Se identifican las rupturas de clase que mejor agrupan valores similares y que maximizan las diferencias entre clases; por ejemplo, la altura de los árboles en un bosque nacional. Las entidades se dividen en clases cuyos límites quedan establecidos dónde hay diferencias considerables entre los valores de los datos.
Dado que la clasificación de cortes naturales coloca los valores agrupados en la misma clase, este método resulta útil para representar cartográficamente valores de datos que no están distribuidos equitativamente.
Intervalo equivalente
El método de clasificación de intervalos equivalentes divide el rango de valores de los atributos en subrangos de igual tamaño. Con este método de clasificación puede especificar el número de intervalos (o subrangos) y los datos se dividirán automáticamente. Por ejemplo, si especifica tres clases para un campo de atributo cuyos valores van de 0 a 300, se crearán tres clases con los rangos 0-100, 101-200 y 201-300.
El intervalo de igualdad se aplica mejor en rangos de datos familiares, tales como porcentajes y temperatura. Este método enfatiza la cantidad de un valor de atributo relativo al resto de valores. Por ejemplo, se podría mostrar que una tienda forma parte del grupo de tiendas que realizan la tercera parte de todas las ventas.
Desviación estándar
El método de clasificación de la desviación estándar muestra la diferencia entre el valor de atributo de una entidad y el valor medio. Al enfatizar valores superiores e inferiores al valor medio, la clasificación de la desviación estándar ayuda a mostrar qué entidades son superiores o inferiores a un valor promedio. Utilice esta clasificación cuando sea importante conocer la relación de los valores respecto al valor medio, por ejemplo, al analizar la densidad de población en una región o para comparar índices de ejecuciones hipotecarias en el país. Para obtener información más detallada del mapa, puede cambiar el tamaño de clase de desviación estándar 1 a desviación estándar 0,5.
Cuantil
Con el método de clasificación de cuantiles, cada clase contiene un número igual de entidades, por ejemplo, 10 por clase o 20 por clase. No hay clases vacías ni clases con demasiados valores ni con pocos valores. La clasificación de cuantiles es adecuada para los datos distribuidos linealmente (equitativamente). Si necesita tener el mismo número de entidades o valores en cada clase, utilice la clasificación de cuantiles.
Dado que las entidades se agrupan en igual número en cada clase, el mapa resultante puede ser erróneo en algunas ocasiones. Las entidades similares se pueden situar en clases adyacentes, o las entidades con valores muy diferentes se pueden poner en la misma clase. Esta distorsión se puede reducir al mínimo aumentando el número de clases.
Intervalo manual
Para definir clases personalizadas, puede agregar manualmente rupturas de clase y establecer los rangos que sean apropiados para los datos. También puede empezar con uno de los métodos de clasificación estándar y realizar los ajustes según sea necesario. Puede que ya existan algunos estándares o directrices para representar cartográficamente los datos. Por ejemplo, puede que una agencia utilice clases o divisiones estándar para todos los mapas (como la escala Fujita (escala F), para clasificar la intensidad de los tornados).
Recursos adicionales
El artículo Unos mejores cortes definen el propósito de su mapa temático ilustra las diferencias entre cada método de clasificación en un mapa temático.