Эффективное отображение демографических данных на печатной карте

Я хотел бы представить следующие данные для каждой зоны (всего 30 зон) на печатной / неинтерактивной карте:

• Средний возраст
• Средний доход домохозяйства
• Количество домохозяйств
• Плотность населения
• Число людей
• Количество работников

Как бы вы эффективно отобразили 6 слоев на одной карте?

Я бы сказал, что вы не можете включить все эти данные в одну карту, и в этом есть какой-то смысл. Я бы порекомендовал вам подумать в соответствии с принципом Туфте о малых коэффициентах, имеющих несколько меньших карт одной и той же области, каждая из которых использует свою переменную. Пример: http://www.juiceanalytics.com/writing/better-know-visualization-small-multiples/

Даже тогда у вас есть проблема, что вы используете кучу разных юнитов, поэтому вам нужна куча ключей. Другим способом просмотра данных (но не на карте) будет использование таблицы со всеми цветными значениями (т. Е. Разными цветами для значений ниже среднего, среднего и выше среднего)

Также рекомендую вам посмотреть атлас переписей для получения дополнительной информации о картах: http://www.census.gov/population/www/cen2000/censusatlas/

Может помочь отразить больше на том, какое сообщение вы пытаетесь передать, а не только на том, какие данные у вас есть.

Невозможно эффективно отображать столько данных на одной карте. Две возможности:

• Изготовить 6 карт,

• Проанализируйте свои данные, чтобы классифицировать ваши регионы и отобразить результат классификации. Анализ главных компонентов может помочь определить наиболее важные корреляции в вашей переменной. Этот метод был использован для создания этой синтетической карты:

из этих:

Я согласен, что небольшие кратные, вероятно, являются хорошим способом решения этой проблемы. В дополнение к карте я бы также предложил матрицу рассеяния с вашими переменными, которая идентифицировала бы двумерные корреляции. Хотя вы теряете географический аспект ваших данных, гораздо проще визуализировать отношения между переменными на диаграмме рассеяния, чем сравнивать две карты (даже бок о бок).

Если вы все еще хотите, чтобы захватывались какие-то пространственные тренды, вы можете включить пространственную статистику (например, локальный Моран I) между распределениями и / или исходными переменными.

Редактировать: я недавно натолкнулся на некоторые работы, посвященные пересмотру моральной статистики, опубликованной Андре-Мишелем Герри (первоначально в 1883 году), целью которой является визуализация многовариантных отношений в пространстве. Реализации этих авторов очень похожи на то, что было предложено в этой теме: небольшие кратные, анализ главных компонентов, матрицы диаграмм рассеяния и диаграммы полигонов. Приложены некоторые фотографии из А.-М. Моральная статистика Герри во Франции: проблемы многомерного пространственного анализа : Michael Friendly Statistical Science, Vol. 22, № 3. (август 2007 г.), с. 368-399 ( PDF бесплатно). Также другая статья ( Dray and Jombart, 2010 ) анализирует те же данные и имеет некоторый исходный код на R для составления указанных графиков.

Одна картина представляет собой матрицу диаграммы рассеяния, другая - это то, что называется звездной диаграммой (это просто другой способ представления гистограмм, как предложил Пабло).

Вот замечательный пример небольших мультипликаторов, размещенных в статистическом моделировании Эндрю Гельмана (и блоге компании) , причинно-следственной связи и социальных науках . На карте предусмотрена поддержка избирателями школьных ваучеров в зависимости от уровня дохода и различных рас и религий. Белым неевангеликам действительно не нравятся школьные ваучеры! (Если вы перейдете к реальному блогу, хотя он появляется в данных опроса 2004 года, это больше поддерживает школьные ваучеры в этой группе).

Чтобы выбрать между решениями, представленными здесь, вы можете предоставить две ключевые информации:

• какова цель карты? (Откройте для себя, разоблачить?)
• Какова предполагаемая публика карты? (Вы, коллеги-аналитики, градостроитель, публика?)

Решения, приведенные здесь, могут иметь различную эффективность в зависимости от цели и общественности.

Я хотел бы обобщить ответ Жюльена (одна синтетическая карта посредством PCA), сославшись на метод диагонализации матрицы, описанный Дж. Бертином. Это полезно, когда нужно искать обобщение всей информации, а не полное представление данных.

Вкратце, он состоит в представлении каждой переменной с помощью гистограммы, сортировку стека гистограмм таким образом, чтобы значения (зоны карты) были выровнены по диагонали, чтобы получить типологию:

(Источник: http://books.google.com/books?id=2tlQAAAAMAAJ&dq=bertin%20graphique%20information&hl=fr&source=gbs_s Similarbooks )

Это много информации, и факт, что единственная карта, объединяющая их все тематически, приведет к бесполезному представлению из-за визуального загрязнения. С другой стороны, существует 30 зон, поэтому множество карт для каждой зоны также может привести к загрязнению.

Мое решение: выберите наиболее важную информацию, скажем, «доход домохозяйства», затем разбейте карту на категории по доходам. И, наконец, для каждого места дохода, построите чат-бар с другими 5 атрибутами.

С помощью этой карты можно сделать некоторые сравнения, например, например: «В районах с высоким уровнем дохода всегда присутствует большое количество работников и средний возраст более 21 года».

Посмотрите на пример...

Возможно, некоторые из этих идей могли бы помочь?

Предполагая, что у вас есть шесть измерений:

1: Choropleth : пример дохода домохозяйства 0

2, 3 и 4: Символы : представление числа людей в виде точек, которые могут позволить вам видеть фон: пример 1, пример 2 с использованием оттенков серого для рабочих / неработающих и другой цветовой схемы для отображения возраста

5: 3D : использование плотности населения в качестве примера местности 3

6: (Я не могу думать о 6-м пути!)

Излишне ли указывать «Количество домохозяйств», «Плотность населения» и «Количество людей»?

Я бы скептически отнесся к тому, чтобы карта с такой сложностью была понятна любому, кроме вас. Если бы я представлял его, я бы сначала показывал каждый элемент отдельно, а затем добавлял его, чтобы аудитория могла понять шаги.

Один из альтернативных способов (если у вас нет места для радиолокационной диаграммы для каждой зоны, может быть создание «глифа», представляющего этот информационный пример 4, рис. 10.28 . Я думаю, что их обычно трудно понять, и их нелегко спроектировать ясно, но связанный пример может быть использован в этом случае.

Еще одна мысль, которая у меня была, состоит в том, чтобы вытянуть многоугольники на одинаковую высоту для каждого многоугольника, а затем использовать часть высоты для представления этих параметров. Аналогично созданию гистограммы для каждой области, но где каждый раздел наслоен сверху с одинаковыми интервалами. Это нужно будет смотреть из 3D, что будет означать, что некоторые из них будут скрыты.

Это сложная задача. Мой ответ - использовать многомерную карту. Проверьте эту карту . Карта будет выглядеть занятой, если вы покажете все переменные на одной карте. Убедитесь, что вы выбрали подходящую цветовую схему, если решите использовать многомерную карту.

Одна степень упрощения будет заключаться в выражении одного элемента, такого как плотность населения, через картограмму, т.е. искажать площадь каждой единицы так, чтобы она была пропорциональна населению:

_{(источник: amherst.edu )}

Основным недостатком является то, что зритель должен иметь возможность распознавать искажение зон от их «обычных» форм.

Более подробная информация здесь: http://gis.amherstma.gov/data/SpringNearc2009/Session4Cartograms.pdf