A classificação de dados é um processo no qual valores numéricos graduados são agrupados em intervalos e cada intervalo de classificação é representado por uma tonalidade ou cor em uma rampa de cores ou por um tamanho de símbolo.
O método de classificação usado depende dos dados que você está usando e das informações que deseja transmitir no mapa.
Quebras naturais
A classificação de quebras naturais cria classes baseadas em agrupamentos naturais inerentes aos dados. Esta é a classificação padrão.
Use a classificação de quebras naturais quando quiser enfatizar os agrupamentos naturais nos dados. Não utilize quebras naturais para comparar mapas criados com dados diferentes. Por exemplo, utilize quebras naturais para comparar o número de crimes em bairros de uma cidade. O total de crimes será agrupado de forma que as vizinhanças com total de crimes semelhantes sejam simbolizadas com o mesmo tamanho de símbolo.
Intervalo idêntico
A classificação de intervalo igual divide o intervalo de valores de atributos em subintervalos de tamanhos iguais.
A classificação de intervalo igual enfatiza a quantidade de um atributo em relação a outros valores. Use intervalos iguais para dados que possuem intervalos familiares. Por exemplo, use intervalos iguais para comparar o total de vendas nas filiais das lojas. Se você utilizar quatro caixas, as lojas serão divididas em intervalos de 25 porcento.
Quantil
A classificação quantílica divide os atributos em categorias com números iguais de feições.
A classificação quantílica pode distorcer a aparência de um mapa ao colocar valores semelhantes em classes diferentes. Use classificação quantílica para dados relativamente uniformes. Você também pode usar a classificação quantílica para classificação visual. Por exemplo, utilize intervalos quantílicos para comparar as emissões de carbono entre países num determinado ano. Se o conjunto de dados incluir as emissões de 100 países e você aplicar 10 categorias, poderá distinguir entre grupos de emissores de carbono (10 emissores mais altos, 10 emissores mais baixos e assim por diante), mas não dentro dos grupos.
Desvio padrão
A classificação Desvio padrão classifica uma feição com base em quanto os atributos da feição variam em relação à média.
A classificação do desvio padrão funciona melhor em conjuntos de dados normalmente distribuídos e para análises nas quais a média, ou a distância da média, é importante. Por exemplo, utilize o desvio padrão e uma rampa de cores divergentes para comparar a esperança média de vida entre países. Os países com maior e menor expectativa de vida serão exibidos em diferentes tons escuros. As cores se tornarão mais claras à medida que as classes se aproximarem da média da expectativa de vida global.
Dica:
Tente emparelhar a classificação do desvio padrão com uma rampa de cores divergentes para mapas coropléticos. Rampas de cores divergentes estilizam os extremos superior e inferior com tons escuros e o meio com uma cor neutra.
Não Classificado
A classificação Não classificado exibe dados numéricos em uma escala contínua, em vez de classes discretas.
Use a classificação não classificada quando quiser ver alterações graduais nos dados. Por exemplo, use uma rampa de cores não classificada para estilizar medições de temperatura média para um determinado intervalo de tempo, obtidas em estações meteorológicas posicionadas regularmente. Os pontos mostrarão alterações graduais de temperatura na área de estudo.
Manual
A classificação Manual adiciona quebras de classe personalizadas apropriadas para os dados.
A classificação manual pode ser usada para criar novas quebras de classe ou modificar as quebras criadas usando um método de classificação diferente. Por exemplo, você pode classificar os dados usando intervalos idênticos e usar a classificação manual para modificar as quebras para arredondar números.
Use a classificação manual quando houver intervalos conhecidos que devem ser aplicados aos dados, como ao criar vários mapas com os mesmos compartimentos. Por exemplo, utilize a classificação manual para comparar o número de casas vagas em bairros de uma cidade ao longo do tempo. Você pode aplicar os mesmos compartimentos a ambos os mapas para que padrões e comparações possam ser feitos sem fazer suposições falsas devido a diferenças na classificação.
Recursos
Utilize os seguintes recursos para saber mais: