数据分类指将分级数值分组为不同范围的过程，每个分类范围由色带上的阴影或颜色或者符号大小来表示。
您使用的分类方法将取决于您使用的数据以及您要在地图上传达的信息。
自然间断点
自然间断点分类用于根据从数据中固有的自然分组创建分类。 这是默认分类。
当您想要强调数据中的自然分组时，使用自然间断点分类。 不要使用自然间断点比较使用不同的数据创建的地图。 例如，使用自然间断点来比较城市街区中的犯罪数量。 将对犯罪总数进行分组，以便使用相同的符号大小对具有相似犯罪总数的邻域进行符号化。
相等间隔
相等间隔分类会将属性值的范围划分为若干个大小相等的子范围。
相等间隔分类强调相对于其他值的属性数量。 对于具有常见范围的数据，使用相等间隔。 例如，使用相等间隔比较分店的总销售额。 如果您使用四个图格，则会将商店划分到 25% 范围内。
分位数
分位数分类用于将属性划分为具有相等数量要素的立方图格。
通过在不同的类中放置相似的值，分位数分类可导致地图外观失真。 对于相对均匀的数据，使用分位数分类。 您也可以使用分位数分类进行视觉排序。 例如，使用分位数间隔来比较给定年份各国家之间的碳排放。 如果数据集包括来自 100 个国家的排放数据，并且您应用 10 个图格，则可以在碳排放国组（10 个最高排放国、10 个最低排放国等）之间进行区分，但无法在组内进行区分。
标准差
标准差用于根据要素的属性与平均值的偏离程度对要素进行分类。
标准差分类最适用于正态分布的数据集，也适用于平均值或者与平均值的距离非常重要的分析。 例如，使用标准差和离散色带来比较各国之间的平均预期寿命。 预期寿命最高和最低的国家将显示为不同的暗色调。 对于越接近全球平均预期寿命的类，其颜色越浅。
提示：
请尝试将标准差分类与离散色带进行配对以用于分区统计图。 离散色带在下限和上限处采用暗色调样式，而在中间处则采用中性色调样式。
未归类
未分类以连续比例显示数值数据，而不是以离散类别显示。
要查看数据的渐进变化，使用未分类的分类。 例如，对于在固定间隔的气象站获取的给定时间范围的平均温度测量，使用未分类色带来设置其样式。 这些点将显示整个研究区域内温度的平缓变化。
手动
手动分类用于添加适用于您的数据的自定义类别间断点。
手动分类可用于新建类别间断点，或修改使用其他分类方法创建的间断点。 例如，可使用相等间隔对数据进行分类，然后使用手动分类修改间断点以舍入数值。
如果存在必须应用于数据的已知范围（例如，如果您要使用相同的立方图格创建多个地图），则使用手动分类。 例如，使用手动分类来比较一段时间内城市街区的空置房屋数量。 可以将相同的立方图格应用于两个地图，以应用模式和比较，避免由于分类中的差异而作出错误假设。
资源
请通过以下资源了解更多详细信息：