데이터 분류는 점진 숫자 값이 여러 범위로 그룹화되고, 각 분류 범위를 색상 램프의 음영이나 색상으로 표시하는 프로세스입니다. 분류는 데이터 클럭 및 히트 차트에 사용할 수 있습니다.
사용할 분류 방법은 사용 중인 데이터와 맵에서 전달하려는 정보에 따라 달라집니다.
네츄럴 브레이크
네츄럴 브레이크 분류는 데이터에 내재된 자연스러운 그룹화를 기반으로 클래스를 생성합니다. 이 방법이 기본 분류입니다.
네츄럴 브레이크 분류는 데이터의 자연스러운 그룹화를 강조하려는 경우 사용합니다. 예를 들어 네츄럴 브레이크를 사용하면 데이터 클럭을 통해 도시의 범죄 수를 월 및 연도에 걸쳐 비교할 수 있습니다. 범죄율이 비슷한 월 및 연도는 동일한 색상으로 심볼화되도록 범죄율이 그룹화됩니다.
서로 다른 데이터로 생성된 차트를 비교하는 데 네츄럴 브레이크를 사용해서는 안 됩니다.
등간격
등간격 분류는 속성 값 범위를 같은 크기의 하위 범위로 나눕니다.
등간격 분류는 다른 값을 기준으로 속성의 양을 강조합니다. 등간격은 익숙한 범위가 있는 데이터에 사용합니다. 예를 들어 등간격을 사용하면 히트 차트를 통해 한 카운티의 공원 전체에서 침입종 딱정벌레가 있는 다양한 나무 종의 비율을 비교할 수 있습니다. 백분율 범위는 0~100입니다. 4개 그룹을 사용하는 경우 클래스는 25% 간격에 따라 나뉩니다.
등도수
등도수 분류는 속성을 동일한 수의 피처가 있는 그룹으로 나눕니다.
등도수 분류는 유사한 값을 여러 클래스에 배치하므로 차트의 모양이 왜곡될 수 있습니다. 등도수 분류는 비교적 균일한 데이터에 사용합니다. 등도수 분류를 사용하여 시각적 순위를 매길 수도 있습니다. 예를 들어 등도수 간격을 사용하면 히트 차트를 통해 미국 전체 주의 실업률을 연도별로 비교할 수 있습니다. 워싱턴 D.C.를 포함한 50개 주에 5개 그룹을 적용할 경우 그룹당 약 10개 주가 포함됩니다. 결과를 통해 10개 그룹 단위로 순위가 매겨진 실업률을 확인할 수 있습니다.
수동
수동 분류는 데이터에 적합한 사용자 설정 클래스 구분점을 추가합니다.
수동 분류는 새 클래스 구분점을 생성하거나 다른 분류 방법을 사용하여 생성된 구분점을 수정하는 데 사용할 수 있습니다. 예를 들어 등간격을 사용하여 데이터를 분류한 다음 수동 분류를 사용하여 구분점을 어림수로 수정할 수 있습니다.
수동 분류는 동일한 그룹으로 여러 차트를 생성하려는 경우와 같이 알려진 범위를 반드시 데이터에 적용해야 하는 경우에 사용합니다. 예를 들어 수동 분류를 사용하면 데이터 클럭을 통해 다양한 지역의 평균 주택 임대 비용을 월별 및 연도별로 비교할 수 있습니다. 동일한 그룹을 모든 차트에 적용하면 분류의 차이로 인한 잘못된 가정 없이 패턴과 비교가 이루어지도록 할 수 있습니다.
리소스
다음과 같은 리소스를 사용하여 자세히 알아보세요.