Всем привет!
Это перевод второй части руководства по тематической картографии от ребят из axismaps.
Первая часть: Тематическая картография: общие вопросы.
Рекомендую к прочтению информационным дизайнерам, журналистам (данных), аналитикам, начинающим картографам, а также всем, кто хочет научиться читать тематические карты и отличать хорошую карту от плохой, вводящей читателя в заблуждение. Всех заинтересовавшихся приглашаю под кат.
Хороплеты (фоновые картограммы)
Когда использовать
Вы можете использовать хороплеты, когда ваши данные (1) закреплены за перечнем единиц (районы, провинции, страны), (2) нормализованы для показа уровней и соотношений (никогда не используйте хороплет с «сырыми» данными), и (3) у вас есть непрерывное статистическое покрытие, то есть вы можете измерить феномен в любой точке пространства (ноль тоже является измерением). Например, количество людей не является нормализованной величиной, поэтому не подходит для хороплета; количество людей на квадратный километр является соотношением, и каждая локация имеет своё значение (пусть даже нулевое), поэтому подходит для хороплета.
Примеры наборов данных, подходящих для хороплетов:
- карта мира с величинами подоходного налога по странам
- карта, показывающая прирост населения на 100,000 жителей
- карта, показывающая изменение процента заболеваемости раком кожи
- карта мира, показывающая процент населения до 18 лет по странам
- карта, показывающая процентное увеличение стоимости недвижимости
Причины распространённости
Хороплеты очень популярны, вероятно, это самый распространённый вид тематических карт на сегодняшний день. И это хорошо, значит с большой долей вероятности ваши читатели уже понимают как ими пользоваться. Одна из причин такой популярности в том, что большинство геоданных собираются по конкретным территориям, поэтому мы изначально делим мир на пространственные единицы, такие как районы, округа, провинции. Однако, многие картографы не согласны с такой ситуацией и считают, что хороплеты часто используются неуместно, ведь многие феномены нельзя привязать к искусственным границам. Например, болезни, типы почв, демографические показатели не заботятся об административных границах и почтовых индексах и редко когда резко меняются при переходе этих границ, созданных человеком. С другой стороны, ставки налогов очень даже привязаны к административным границам, так что использование хороплета имеет смысл. Чем меньше визуализируемое явление связано с административными границами, тем меньше смысла в хороплете.
Не уверены стоит ли использовать хороплет? Хорошими альтернативами являются точечная картограмма плотности, пропорциональная и градуированная символьные карты, площадная картограмма. К тому же хороплет требует нормализованных данных, а перечисленные альтернативы могут быть использованы с исходными данными.
Хороплет с группами (классифицированный)
Ниже приведён хороплет с 5 классами, использующий непрерывную цветовую схему (от светлого к тёмному) и разбиение на равные интервалы.
На непрерывных цветовых схема традиционно тёмные/сильные цвета используются для больших значений. Учтите, что восприятие цветовой схемы хороплета также зависит от остальных цветов карты, таких как цвет воды или цвет подписей. Цвета границ (линии округов и штатов на примере) тоже оказывают сильное влияние на внешний вид карты, так что экспериментируйте с комбинациями цветов заливки и линий. Вы можете даже отказаться от отрисовки границ, но в таком случае вашим читателям будет сложнее ориентироваться на карте. Для более детального изучения темы использования цвета в тематической картографии ознакомьтесь с материалами ColorBrewer.
Количество классов
Если вы не уверены, то создавайте карту с 3–7 классами данных. Конечно ваши цели и сами данные должны влиять на принятие решения, например, политическая карта США обычно имеет только 2 класса (небезызвестные карты красно-синих штатов). Карты, показывающие отклонения от среднего, также будут иметь всего 2 класса (ниже среднего и выше среднего).
Чем больше классов вы будете использовать, тем больше подробностей будет видно на карте (что хорошо), но при этом будет возрастать сложность восприятия карты и, как следствие, риск неправильной интерпритации данных, так как большее количество цветов труднее различать (а ещё сложнее печатать такую карту). Ключевой вопрос — как много подробностей вы хотите показать? Карта с 3 классами/цветами будет очень легко читаться, но может скрыть от читателя некоторые важные аспекты данных, и при этом может создать искусственные географические паттерны из-за объединения по факту разных территорий. Единственно верного количества классов для карты не существует, так что экспериментируйте.
Не уверены сколько классов использовать? Посмотрите распределение ваших данных на гистограмме: есть ли явные кластеры внутри ваших данных, есть ли большие разрывы, формирующие естественные группы? Если так, то выберите количество классов соответственно этому.
Метод классификации
Также как нет единственно верного количества класов, нет и единственно верного способа разбить данные на интервалы. Посмотрите на гистограмму (или диаграмму разброса), чтобы определить «форму» ваших данных. Постарайтесь определить величины с близкими частотами в один класс, а величины с сильно различающимися частотами разнести по разным классам.
По форме этих гистограмм можно предполажить, что 3 или 4 класса будет хорошим выбором.
При отсутствии иных умозаключений, естественные «перепады/разрывы» являются хорошей основой для формирования интервалов.
РАВНЫЕ ИНТЕРВАЛЫ разбивают данные на классы одинакового размера (например, 0-10, 10-20, 20-30, и т.д.) и лучше всего работают на равномерно распределённых данных. ВНИМАНИЕ: Избегайте использования разбиения на равные интервалы, если на гистограмме виден явный перекос (ассиметричность), или присутствуют большие выбросы. Выбросы будут плодить пустые классы, а перекосы приведут к большой вариации внутри классов. Так как в данных по отелям нет явных выбросов, то использование равных интервалов здесь допустимо.
КВАНТИЛИ помогут создать карту с равным количеством наблюдений в каждом классе: если у вас 30 регионов и 6 классов данных, то в каждом классе будет по 5 регионов. Недостаток квантилей в том, что они могут привести к очень разным интервалам у разных классов (например, 1-4, 4-9, 9-250… последний класс огромен). Выбросы также могут разделить области с очень близкими частотами и привести к объединению областей с разными частотами, что крайне не желательно, так что всегда смотрите разбиение на гистограмме. ВНИМАНИЕ: В примере с данными по отелям использование квантилей приводит к тому, что часть третьего кластера попадает во второй класс, хотя гораздо ближе к наблюдениям из третьего класса.
ЕСТЕСТВЕННЫЕ РАЗРЫВЫ являются в некотором смысле «оптимальным» решением, потому что изначально минимизируют вариацию внутри классов и максимизируют различия между ними. Одним из недостатков этого метода является то, что каждый набор данных уникален и, соответственно, разбиение тоже. Это приводит к невозможности сравнивать аналогичные карты разных наборов данных, например, в атласах карт или сериях карт, показывающих динамику во времени. В таких случаях лучше использовать другую схему разбивки на классы.
ВРУЧНУЮ приходится расставлять границы классов во многих случаях. Причины могут быть разными: необходимо учесть критическую точку в данных, сделать одной из границ среднее значение, сделать карту частью серии/атласа (чтобы сохранялась преемственность цветов и диапазонов в серии). Если разбиения других методов могут быть улучшены небольшими правками, то не бойтесь скорректировать их вручную.
Неклассифицированный хороплет
Неклассифицированный хороплет является привлекательной альтернативной традиционному классифицированному хороплету, хотя их качества горячо обсуждаются сообществом картографов, за 30 с лишним лет были выявлены их преимущества и недостатки. Впервые они были предложены Вальдо Тоблером (Waldo Tobler) в начале 1970-ых, сторонники этих карт любят их за возможность избежать разбиения на классы (почти всегда неоптимального). Критики традиционных, классифицированных хороплетов считают, что классификация является очень мощным способом фильтрации данных, способным заглушить важные детали и легко изменить восприятие карты, при этом она часто воспринимается читателями как данность. Неклассифицированные хороплеты обходят эту проблему стороной, позволяя «данным говорить за себя», и даже небольшие различия могут быть выявлены на карте.
На неклассифицированных хороплетах каждое уникальное значение получает уникальный цвет. Например, показатели безработицы для 50 штатов США будут ранжированы от меньшего к большему и расположены вдоль непрерывной цветовой шкалы (пример ниже). Если, например, имеется большой числовой разрыв между штатами с 3-м и 2-м местом в рейтинге, то соответствующий разрыв в цветах будет тоже большим.
Пример неклассифицированного хороплета
На примере выше, обратите внимание на то, как легко виден общий паттерн уровня безработицы. Но при этом сравнить или проранжировать уровни безработицы в разных округах очень сложно: попробуйте проранжировать округа Калифорнии в порядке возрастания… это практически невозможно.
Ограничения
Существует как минимум три основных недостатка у неклассифицированных хороплетов. Во-первых, хотя идея позволить данным говорить самим за себя очень заманчива, часто выходит, что им есть слишком много что сказать. Картографы уже долго полагаются на классификацию для подавления случайных шумов или незначительных вариаций и выделения ключевых различий. Например, очень простой хороплет с 2 классами (два цвета) очень быстро покажет области с безработицей выше и ниже среднего по стране, а больше деталей может быть и не нужно. Во-вторых, обширные исследования показывают, что пользователи едва ли могут сопоставить цвета на неклассифицированном хороплете с цветами легенды (шкалы), поскольку они могут содержать сотни немного отличающихся цветов, которые легко спутать. Это делает оценивание значений очень сложным (является ли Бельгия темнее Сирии?). В-третьих, неклассифицированные карты со множеством близких цветов обычно малопригодны для печати, особенно на обычных принтерах. Хотя карта может использовать 50 различных оттенков красного, ваш принтер (и возможно даже монитор) не способен воспроизвести такое многообразие. К сожалению, благодаря эффекту контраста, даже ваши глаза не способны на это.
Наши рекомендации по неклассифицированному хороплету
Мы используем неклассифицированные хороплеты, когда хотим показать минимально изменённые данные, когда не можем найти приемлимую схему классификации, и когда необходимо показать общегеографические паттерны. Однако, мы не используем их, если необходимо чётко считывать числа с карты или аккуратно сравнивать локации между собой. Если необходимо считывать точные данные с карты, а ваша карта является статичной и, соответственно, нельзя получить значение по клику, то лучше использовать классифицированный хороплет.
Наши рекомендации по классифицированному хороплету
Мы используем классифицированные хороплеты, когда данные соответствуют административным границам, необходимо показать общегеографические паттерны и сделать относительно лёгким считывание конкретных значений с карты. И хотя классификация привносит субъективизм в нашу работу (ведь нет единственно правильного варианта разбивки на классы) и уменьшает детализированность карты, классифицированные хороплеты по-прежнему являются очень популярным и надёжным способом представления мира.
Пропорциональные и градуированные символьные карты
Когда использовать
Пропорциональные символьные карты масштабируют размер простого символа (обычно круга или квадрата) пропорционально значению в этой локации. Принцип очень простой: чем больше символ, тем больше значение показателя в этой локации. Самый базовый метод это масштабировать круги пропорционально данным, например, если население Торонто в два раза больше населения Ванкувера, то символ размера населения для Торонто будет иметь в два раза большую площадь. Однако, вы также можете группировать наблюдения в категории или числовые диапазоны (интервалы) и создавать градуированные символьные карты. Такие карты могут, например, иметь только три размера символов, соответствующих трём категориям городов (города менее 1 миллиона, 1-4 миллиона и более 4-х миллионов жителей). Преимущества и недостатки обоих типов карт в деталях рассмотрены ниже.
Изучите также тему классификации данных прежде чем продолжать чтение.
Ещё одно замечание: для двумерных символов, таких как круги и квадраты, именно их площадь кодирует данные, а не их высота или длина.
Чем они хороши
Пропорциональные символьные карты очень гибкие, потому что вы можете использовать их как с числовыми данными (доход, возраст), так и с порядковыми категориальными данными (малый, средний и высокий риск банкротства). Также они могут быть использованы как с точечными данными, так и с площадными.
Одно из преимуществ пропорциональных символьных карт над точечными картограммами плотности в том, что их гораздо проще читать и извлекать из карты числа, поскольку оценивать размер символа куда проще, чем считать множество маленьких точек. В отличие от хороплета, символьные карты могут показывать значение, ассоциированное с территориальной единицей, независимо от площади этой территории. То есть, если маленькая по размеру страна, такая как Нидерланды, имеет большое значение показателя, то ей будет соответствовать большой символ. На хороплетах же маленькие территории легко заглушаются большими, и страны, вроде Канады, доминируют не зависимо от их цвета. Хотя это спорный момент, но можно считать, что пропорциональные символьные карты «позволяют данным говорить за себя», поскольку размер символов напрямую связан с тематическими данными и не завязан на геометрию территории. Последнее, в отличие от хороплетов, символьные карты могут использоваться как с сырыми данными (суммы, количество), так и с нормализованными данными (проценты, соотношения); хороплеты же следует использовать только с нормализованными данными.
Примеры данных, подходящих для пропорциональных символьных карт:
- количество потребляемого кофе на душу населения по странам
- эпицентры и магнитуды землетрясений
- вероятности сильного землетрясения для городов
- население 50 крупнейших городов Китая
Пример одномерной пропорциональной символьной карты
На пропорциональной символьной карте выше закодирована высота над уровнем моря городов Калифорнии: чем больше квадрат, тем больше высота. Квадраты и круги очень удобны, потому что они компактные, а простота формы позволяет легко оценивать и сравнивать размеры. Экспериментируйте с заливкой, обводкой и прозрачностью символов, возможны разные варианты: только заливка, только обводка — в зависимости от важности остального содержимого карты.
Пример многомерной пропорциональной символьной карты
Одним из преимуществ пропорциональных символьных карт является то, что они хорошо подходят для кодирования сразу многих переменных одним составным символом (смотрите также раздел «Одномерные карты и многомерные». На примере ниже, мы показываем три разных числа для каждого штата США: размер полупрозрачного зелёного круга кодирует одну переменную, размер непрозрачного круга вторую, а цвет непрозрачного круга — третью переменную.
Экспериментируя с (1) очерёдностью слоёв, (2) прозрачностью, (3) заливкой (или её отсутствием) и (4) размером, вы можете создать удивительно богатые карты, подобные этой. Главное удостоверьтесь в том, что переменные, которые вы показываете имеет смысл показывать вместе, другими словами, они связаны концептуально или логически. Например, доход + продолжительность обучения + риск сердечного приступа частично взаимосвязаны (коррелируют), поэтому может получится интересная многомерная карта.
Ограничения
Распространённая проблема пропорциональных символьных карт — скученность и перекрытие символов, особенно если диапазон размеров очень большой, или если много локаций расположены близко друг к другу (как на карте Калифорнии в начале). Использование прозрачности символов частично решает проблему, позволяя перекрывающимся символам просвечиваться. Друним способом является физическое перемещение символов, расстановка их вручную так, чтобы не было нагромождений. Но такой подход увеличивает риск потери пользователем связи между символом и локацией (что куда хуже скученности).
Если маленький квадрат предстваляет 1000 человек, то сколько человек представляет большой?
Ответ может вас удивить (ответ ниже)
Ещё одна распространённая проблема с пропорциональными символьными картами состоит в том, что пользователи как правило не могут правильно оценить площадь символов. На самом деле, большинство из нас ужасно плохи в этом. Обширные исследования показывают, что большинство людей систематически недооценивает разницу в площади, и чем больше разница, тем сильнее ошибка. На нашем примере большой квадрат в 36 раз больше маленького, то есть представляет 36000 человек.
Решения? Тщательно спроектированная легенда может помочь, но, пожалуй, куда лучше просто классифицировать ваши данные и использовать только несколько дискретных размеров символов, например, маленькие, средние, большие круги, легко отличимые по размеру. Суммируя годы исследований на эту тему: потеря деталей в данных при группировке по классам компенсируется уменьшением ошибок чтения карты. Конечно классификация привносит элемент субъективности в нашу работу, потому что мы должны сделать два взаимосвязанных решения (1) как много классов использовать и (2) как сгруппировать наши данные (равные интервалы? естественные разрывы?).
Для дальнейшего изучения вопроса группировки и классификации наблюдений смотрите раздел Основы классификации данных.
Не уверены следует ли использовать пропорциональную символьную карту? Возможные альтернативы включают хороплет (если ваши данные могут быть нормализованны), точечную картограмму плотности и площадную картограмму.
Наши рекомендации
Пропорциональные символьные карты (неклассифицированные данные) и градуированные символьные карты (классифицированные данные) являются очень гибким способом представления широкого диапазона типов данных. Они также обходят стороной некоторые проблемы хороплетов. Однако, они также могут стать очень перегруженными и переполненными символами (трудно читать), в этом случае вы можете прибегнуть к альтернативам в виде хороплетов, точечных картограмм плотности или площадных картограмм, исходя из ваших целей, данных и аудитории.
Точечные картограммы плотности
Когда использовать
Точечные картограммы плотности просты и при этом очень эффективны в отображении различий плотности географических явлений на карте. Этот вид карт пользуется популярностью на протяжении уже 150 лет, потому что такие карты легко читать, и они на интуитивно понятном уровне показывают скопления или кластеры. Существует два основных типа точечных картограмм плотности: один к одному (одна точка представляет один объект или показатель) и один ко многим, на которых одной точке соответствует множество вещей или значений (например, 1 точка = 1,000 акров посевной площади).
ЗАМЕЧАНИЕ: Все точечные картограммы плотности должны использовать (равновеликие) проекции, сохраняющие площади. Это ключевой момент — использование проекции, не сохраняющей площади, приведёт к искажениям в восприятии плотности. Равновеликая коническая проекция Альберса, Синусоидальная проекция и Цилиндрическая равновеликая проекция являются хорошим выбором в данном случае.
Чем они хороши
Существует как минимум три серьёзных преимущества точечных картограмм плотности над хороплетами: (1) на точечной картограмме вы можете визуализировать как данные в чистом виде (без нормализации), так и частоты и соотношения (нормализованные данные); (2) ваши данные не нуждаются в привязке к каким-либо административным границам (кроме тех случаев, когда они изначально были привязаны к территориальным единицам); и (3) точечные картограммы плотности хорошо работают в черно-белом исполнении, когда использование цвета недоступно.
Примеры данных, подходящих для точечных картограмм плотности:
- распределение представительств в регионе (1 точка = 1 представительство)
- эпицентры землетрясений (1 точка = 1 эпицентр)
- численнось населения по странам (1 точка = 10,000 жителей)
- количество гектаров необработанных плодородных земель (1 точка = 500 гектаров)
Пример точечной картограммы плотности
Ниже представлена точечная картограмма плотности, показывающая количество овец в Новой Зеландии (по провинциям). На этой карте видно, что овцы в Новой Зеландии распространены повсеместно, но в восточной части островов овец разводят больше, чем в западной.
Ограничения
Хотя универсальность и простота восприятия точечных картограмм плотности заманчивы, у них есть одни фундаментальный изъян: они ужасны для извлечения точных значений из карты. Например, мало кто будет считать сотни (или тысячи) точек, чтобы узнать точное поголовье овец в Новой Зеландии. Сравнивая территории на карте, можно легко узнать в каких местах поголовье овец больше, но не выяснить на сколько оно больше. Для решения этой проблемы вы можете добавить значения непосредственно на карту или сопроводить карту таблицей.
Также, хотя большинство точечных картограмм плотности распределяют точки случайным образом, есть шанс, что читатели могут воспринимать расположение точки буквально (как точное месторасположение явления). Чтобы избежать этого, не следует делать точечные картограммы на слишком больших масштабах. Далее, во избежание заблуждений, точки должны быть распределены только по областям, где феномен на самом деле существует (например, не должно быть точек в озёрах на карте плотности населения).
Не уверены следует ли использовать точечную картограмму плотности? Возможные альтернативы включают хороплет (если ваши данные могут быть нормализованны), градуированную/пропорциональную символьную карту и площадную картограмму.
Размер точки и значение точки
На карте Новой Зеландии выше одна точка обозначает 27,500 овец, это соответствие называется значением точки карты. Сколько должна обозначать одна точка, вы определяете сами, и тут нет единственно правильного решения. Экспериментируйте со значением и стремитесь к балансу, когда самые разреженные области обозначаются несколькими точками, а в самых плотных областях точки едва начинают слипаться. Избегайте точечных картограмм плотности, на которых некоторые области становятся сплошными от обилия точек — увеличивайте значение точки до тех пор, пока не появятся просветы между соседними точками даже в самых плотных областях. Изменяя размер точки, вы также можете контролировать количество чернил и то, на сколько нагруженной выглядит карта. Вашей целью является: сделать точки достаточно большими, чтобы их было чётко видно, но не больше.
Ваша точечная картограмма плотности является балансом между значением точки и размером точки. Экспериментируйте с обоими параметрами, пока не достигнете хорошего результата.
ПОДСКАЗКА: Если вы собираетесь печатать карту, убедитесь в том, что значение точки и размер точки выглядят правильно на печатной версии, а не только на экране. Поскольку принтеры предлагают большее разрешение, чем большинство экранов, оптимальный дизайн будет различным для разных носителей карты.
Наши рекомендации
Точечные картограммы плотности мало используются, хотя долго восхвалялись такими профессиональными картографами, как Артур Робинсон (Arthur Robinson) за их простоту (и экономичность), с которой они визуализируют географические плотности и распределения. Они гибкие, работают с любыми типами данных и легко воспринимаются. Однако, если есть необходимость извлекать из вашей карты точные значения, то лучше использовать классифицированный хороплет или пропорциональную символьную карту.
Площадные картограммы
Когда использовать
Площадные картограммы в последние годы стали заметно популярнее и часто используются в качестве альтернативы более традиционным хороплетам. Несмотря на волну популярности, площадные картораммы, известные также как значение через площадь— не без серьёзных ограничений. Чаще их используют для привлечения внимания аудитории, а не для детальной визуализации геоданных. Тем не менее, площадные картограммы, возможно, наиболее простой и эффективный способ представления тематических данных, закреплёнными за территориальными единицами (странами, регионами), поскольку карта показывает одновременно и географию и тематический атрибут: размер каждой территории пропорционален значению атрибута. Это оставляет достаточно места для кодирования других тематических данных, поэтому площадные картограммы могут сочетаться с другими видами тематических карт, создавая богатые многомерные карты.
На примере выше, площадь стран пропорциональна их населению. Обратите внимание на Австралию, которая сильно ужалась в сравнении с Китаем и Индией. Площадные картограммы часто используются для представления данных о людях, хотя могут быть использованы любые числовые данные, закреплённые за территориями.
Картограммы могут быть сгененрированы многими алгоритмами (или руками!) и могут быть непрерывными, где размеры искажены, но смежные территории остаются таковыми, или могут быть не непрерывными, где территории размещены примерно на своём месте (географическом), но разделены с соседями. Мы предпочитаем не непрерывные площадные картограммы за их способность сохранять знакомые очертания, потому что все картограммы должны жертвовать сохранением формы, топологии или обоими. Для более детального изучения вопросов дизайна картограмм, читайте работу Зака Джонсона.
Классифицированные и неклассифифицрованные площадные картограммы
Вариацией традиционной картограммы является классифицированная площадная картограмма. На традиционной площадной картограмме данные не сгруппированы по классам, а размеры территорий прямопропорциональны (и непрерывны). На классифицированной картограмме данные сначала разбиваются на классы, а затем каждому классу присваивается дискретный площадной коэффициент (смотрите более полное обсуждение преимуществ и недостатков классификации в соответствующем разделе). Классифицированные картограммы могут потенциально облегчить сравнение относительных размеров территорий за счёт уменьшения вариации в размерах. Например, хотя две страны могут иметь совсем разные формы, на классифицированной картограмме они будут иметь одинаковую площаль, если принадлежат одному классу. Подробнее в статье Зака Джонсона.
Ограничение #1
Когда различия слишком велики (как на карте населения выше), площадные картограммы позволяют нам сопоставлять нашу ментальную карту мира с намеренно искажённой картограммой. Это, однако, является и недостатком, если пользователь не знает на что должны быть похожи территориальные единицы, он не может оценить искажения в сравнении со своей ментальной картой.
Возможное решение: Размещать обычную карту под картограммой, чтобы можно было оценить искажения размеров по сравнению с оригиналом.
Ограничение #2
Мы знаем из многочисленных исследований, что большинство людей оценивают площади не очень хорошо и могут испытывать сложности в оценке различий между разными символами карты, не учитывая случаи грубой оценки «больше» или «меньше». Хотя площадные картограммы разделяют этот недостаток и с пропорциональными/градуированными картами, в данном случае дела обстоят хуже, потому что каждая территориальная единица на картограмме представляет уникальную сложную форму. На самом деле, даже если две территории имеют одинаковую площадь, но разные формы, люди склонны считать их различными по площади. Учитывая, что данные кодируются непосредственно размером, неспособность оценивать размеры верно значительно затруднит понимание ваших данных.
Возможное решение: Хотя мы не проводили формальное тестирование, если основываться на опыте использования градуированных символьных карт, то классифицированные картограммы могут облегчить сравнение одинаковых по плошади территорий.
Не уверены следует ли использовать площадную картограмму? Возможные альтернативы включают точечную картограмму плотности, пропорциональную и градуированную символьную карту и хороплет.
Наши рекомендации
Мы используем картограмму, преимущественно когда в данных имеется неожиданная диспропорция между территориями и значениями. Такие карты, особенно описывающие социальные явления (население, доходы, потребительские предпочтения), могут быть очень захватывающими и запоминающимися по сравнению с другими типами карт. Учтите, однако, некоторые читатели могут воспринимать вашу карту как «неверную» из-за искажений. И даже если они понимают, что искажения внесены намеренно, они могут испытывать трудности со считыванием значений с карты.
Оригинальная работа сделана Axis Maps. Лицензия: Creative Commons Attribution-NonCommercial 4.0 International License.
Автор перевода: KoGor. Лицензия перевода также Creative Commons Attribution-NonCommercial 4.0 International License.
Автор: KoGor
