Je me retrouve de plus en plus mal à définir des points de rupture lors de l'affichage de cartes choroplèthes (alias thématiques) à afficher par les autres . Quelqu'un at-il des références suggérées qui aident à guider, à la fois comment choisir le type d'échelle utilisé et le nombre approprié de points de rupture? En particulier pour le nombre de bacs, je n'ai jamais vu d'arguments pour un nombre limité (par exemple, vous ne devriez pas en utiliser plus de 5).
Pour être plus précis sur ce que je recherche, la plupart des références que j'ai rencontrées sur le sujet sont similaires au document référencé par julien dans ce post , et je cherche juste une discussion plus approfondie sur le sujet.
Quelques cas d'utilisation spécifiques que je rencontre fréquemment (pour des exemples de mes difficultés);
- Lorsque vous affichez des données présentant un grand biais vers la droite, j'hésite généralement à afficher une échelle exponentielle. Je crains (pour le public auquel j'affiche généralement des cartes) que cela entraîne une plus grande charge cognitive en lisant l'échelle et en mappant les valeurs d'attribut réelles aux couleurs. Mes craintes sont-elles incorrectes? Aussi pour ces types de distributions, j'ai du mal à justifier un nombre particulier de bacs.
- Lors de l'affichage de nombreuses petites cartes multiples, comment choisir une échelle appropriée qui permet de visualiser efficacement les relations à l'intérieur et entre les petits multiples? Ma norme de facto lorsque les échelles d'attributs varient dans une large mesure est d'utiliser des quintiles dans chaque distribution distincte. Les quintiles sont-ils trop nombreux et créent-ils un fardeau cognitif trop important pour être comparés entre les panels? Je suppose que les gens comprennent que les classifications quantiles sont équivalentes aux classements (et donc lorsqu'elles sont classées de cette façon facilite l'interprétation entre les panels), cette hypothèse est-elle correcte?
J'ai d'abord écrit un paragraphe essayant de décrire les objectifs de telles cartes, mais je soupçonne que mes objectifs sont assez typiques, donc c'était inutile. La seule chose à clarifier à nouveau est que ceux-ci sont destinés à être consultés par d'autres personnes (comme dans les rapports, les publications) et ne sont pas vraiment destinés à ma propre analyse exploratoire des données (bien que je soupçonne que de bons conseils devraient être traduits dans les deux cas). Une bonne référence peut peut-être décrire les objectifs potentiels de ces cartes et les compromis associés à l'utilisation de différents systèmes de classification. Je serais intéressé par des références spécifiques et générales.
la source
Réponses:
Une grande référence, pas assez citée, est "How Maps Works" par Alan M. McEachren (The Guilford Press, 1995/2004). Ce n'est pas un guide rapide mais une réflexion complète sur la façon dont les cartes sont vues et comprises, sur la base d'une enquête scientifique vraiment impressionnante et des connaissances des praticiens.
la source
J'ai récemment acheté une cartographie thématique et une visualisation ( Slocum et al., 2005 ), et le survoler semble être plus que suffisant pour ma demande de références générales sur le thème du choix des bacs. Cela me donnera certainement beaucoup à lire pendant un certain temps, et ce n'était pas une décision trop difficile à acheter (il existe de nombreuses anciennes copies bon marché qui flottent).
Note Je ne pense pas que je recommande de MacEachren travail comment les cartes pour cette question en particulier. Le livre est tellement monolithique que j'aurais certainement oublié, mais je ne me souviens d'aucune discussion directe sur le choix du nombre de bacs (du moins pas aussi simple que le chapitre qui lui est consacré dans le manuel Slocum). Si quelque chose, je pense que je me souviens qu'il ait mentionné le sujet est un peu exagéré et n'a pas abouti à une véritable conclusion, mais je le recommanderais certainement comme référence générale pour la visualisation des données.
Il y a une quantité folle de littérature sur le sujet, et je devrai faire un peu plus d'auto-étude pour voir si je peux trouver une réponse plus satisfaisante pour classer la distribution asymétrique. Et je reviendrai si j'ai quelque chose de plus substantiel à dire.
Mais pour la deuxième question sur la visualisation de petites cartes multiples, je suis récemment tombé sur un article de Cynthia Brewer et Linda Pickle, Evaluation of Methods for Classifying Epidemiological Data on Choropleth Maps in Series (PDF ici ), qui est exactement destiné à ma question.
En bref, les expériences suggèrent que les quantiles sont le moyen le plus utile pour représenter une série de petites cartes multiples, à la fois pour la facilité d'interprétation (comme je l'ai suggéré dans la question) et le fait qu'ils produisent des cartes à aire égale en termes de remplissage lorsque les polygones ont à peu près la même taille. Ce n'est peut-être pas évident jusqu'à ce que vous voyiez un contre-exemple, ci-dessous j'ai collé une image de quelques petites cartes multiples dans lesquelles les classifications sont contraintes d'être égales à travers la série de différents taux de cancer (à la page 674 de l'article cité).
Parce que l'incidence des maladies du foie est beaucoup plus faible que la MPOC, tous les comtés dans les cartes supérieures ont tendance à tomber dans les classifications inférieures. Si vous ne pouvez pas distinguer les motifs dans l'une des cartes, il est peu probable que vous distinguiez des motifs entre les cartes! Bien sûr, si cela est raisonnable, il faut rendre les classifications cohérentes, mais cela n'est raisonnable que pour certaines cartes de comparaison. Aussi en ce qui concerne le nombre de bacs, ils ont choisi 7 dans leurs expériences.
la source
voir cette réf. Optimiser la sélection d'un certain nombre de classes de cartes choroplèthes
dans
T. Bandrova et al. (éd.), Cartographie thématique pour la société, Notes de cours en géoinformation et cartographie, DOI: 10.1007 / 978-3-319-08180-9_6, Springer International Publishing Suisse 2014
la source