La classification des données est un processus dans lequel les valeurs numériques graduées sont regroupées par plages, et chaque plage de classification est représentée par une nuance ou une couleur sur un dégradé de couleurs ou une taille de symbole.
La méthode de classification que vous appliquez dépend des données que vous utilisez et des informations que vous voulez transmettre sur la carte.
Seuils naturels
La classification par seuils naturels crée des classes basées sur les regroupements naturels inhérents aux données. Il s’agit de la classification par défaut.
Utilisez la classification par seuils naturels quand vous voulez mettre en valeur les regroupements naturels des données. N’utilisez pas les seuils naturels pour comparer des cartes créées avec d’autres données. Par exemple, utilisez les seuils naturels pour comparer le nombre de crimes dans des quartiers d’une même ville. Les nombres totaux de crimes sont regroupés afin que les quartiers dont le nombre total de crimes est équivalent soient symbolisés par la même couleur.
Intervalle égal
La classification par intervalles égaux divise la plage de valeurs attributaires en sous-plages de même taille.
La classification par intervalles égaux met en évidence la quantité d’un attribut par rapport à d’autres valeurs. Utilisez la méthode Intervalle égal pour les données dont les plages sont familières. Par exemple, utilisez des intervalles égaux pour comparer les ventes totales des magasins. Si vous utilisez quatre corbeilles, les magasins seront divisés en plages de 25 pour cent.
Quantile
La classification par quantile divise les attributs en groupes avec des nombres égaux d’entités.
La classification par quantile peut déformer l’apparence d’une carte en plaçant des valeurs similaires dans des classes différentes. Utilisez la classification par quantile pour des données assez uniformes. Vous pouvez aussi utiliser la classification par quantile pour un classement visuel. Par exemple, utilisez les intervalles de quantiles pour comparer les émissions de carbone entre les pays, sur une année donnée. Si le jeu de données inclut les émissions de 100 pays et que vous utilisez 10 groupes, vous pourrez distinguer les groupes émetteurs de carbone (10 plus grands émetteurs, 10 plus faibles émetteurs, et ainsi de suite), mais pas distinguer à l’intérieur des groupes.
Écart type
La classification par écart type classe une entité en fonction de la variation de ses attributs par rapport à la moyenne.
La classification par écart type fonctionne mieux sur les jeux de données qui sont normalement distribués et pour les analyses dont la moyenne, ou la distance par rapport à la moyenne, est importante. Par exemple, utilisez l’écart type et un dégradé de couleurs contrastées pour comparer l’espérance de vie moyenne entre les pays. Les pays avec l’espérance de vie la plus haute et la plus basse apparaissent dans des nuances sombres différentes. Les couleurs deviennent plus claires quand les catégories se rapprochent de l’espérance de vie mondiale moyenne.
Conseil :
Essayez d’apparier la classification par écart type avec un dégradé de couleurs contrastées pour les cartes choroplèthes. Le style des dégradés de couleurs contrastées signale les valeurs extrêmes supérieures et inférieures par des nuances sombres et distingue la moyenne par une couleur neutre.
Non classé
Une classification non classée affiche des données numériques sur une échelle continue plutôt que dans des classes discrètes.
Utilisez la classification non classée si vous voulez voir les changements graduels de vos données. Par exemple, utilisez un style de dégradé de couleurs sans classification pour identifier les mesures de température moyennes d’une période donnée relevées dans des stations météo régulièrement espacées. Les points indiqueront les changements graduels de température sur la zone d’étude.
Manuelle
La classification manuelle ajoute des seuils de classe personnalisés correspondant aux données.
La classification manuelle permet de créer des seuils de classe ou de modifier des seuils créés à l’aide d’une autre méthode de classification. Par exemple, vous pouvez classer les données à l’aide d’intervalles égaux, puis utiliser la classification manuelle pour modifier les seuils par des nombres arrondis.
Utilisez la classification manuelle quand des plages connues doivent être appliquées aux données, par exemple si vous créez plusieurs cartes avec les mêmes groupes. Par exemple, utilisez une classification manuelle pour comparer le nombre de logements vides dans des quartiers d’une ville au fil du temps. Vous pouvez appliquer les mêmes groupes aux deux cartes afin que les modèles et les comparaisons puissent être établis sans émettre de fausses hypothèses en raison des différences de classification.
Ressources
Référez-vous aux ressources suivantes pour en savoir plus :
Vous avez un commentaire à formuler concernant cette rubrique ?