Я все больше и больше пытаюсь определить точки разрыва при отображении картограммы (или тематических) для просмотра другими . Есть ли у кого-нибудь рекомендуемые ссылки, которые помогут, как выбрать тип используемой шкалы, так и соответствующее количество точек останова? В частности, для количества ячеек я видел только аргументы в пользу ограничивающего числа (например, вы не должны использовать больше 5).
Чтобы быть более конкретным о том, что я ищу, большинство ссылок я наткнулся на эту тему похожи на документ , на который ссылается Жюльеном на этом посту , и я просто ищу более глубокое обсуждение эту тему.
Несколько конкретных случаев использования, с которыми я часто сталкиваюсь (например, моя борьба);
- При отображении данных с большим перекосом вправо я обычно не решаюсь показывать экспоненциальный масштаб. Боюсь (для аудитории, к которой я обычно показываю карты), это приведет к большему количеству когнитивного бремени, читая масштаб и отображая фактические значения атрибута в цветах. Мои страхи неверны? Также для этих типов распределений мне сложно обосновать какое-либо конкретное количество бинов.
- При отображении большого количества небольших нескольких карт, как выбрать подходящий масштаб, который позволяет эффективно визуализировать отношения как внутри, так и между небольшими коэффициентами? Моим стандартом де-факто, когда масштабы атрибутов сильно различаются, является использование квинтилей в каждом отдельном распределении. Являются ли квинтили слишком много классификаций и создают слишком большую когнитивную нагрузку для сравнения между панелями? Я предполагаю, что люди понимают, что квантильные классификации эквивалентны ранжированию (и, таким образом, когда классифицируется таким образом, помогает в интерпретации между панелями), верно ли это предположение?
Первоначально я написал абзац, пытаясь описать цели таких карт, но я подозреваю, что мои цели довольно типичны, поэтому они не нужны. Единственное, что нужно пояснить еще раз, это то, что они предназначены для просмотра другими людьми (например, в отчетах, публикациях) и не предназначены для моего собственного исследовательского анализа данных (хотя я подозреваю, что хороший совет следует перевести и на то и другое). Возможно, хороший справочник может описать потенциальные цели таких карт и компромиссы, связанные с использованием различных схем классификации. Мне были бы интересны как конкретные, так и общие ссылки.