2.7 对属性值进行分级（分类）
要素层的绘制方法中有两种方法——用分等级的颜色和分等级的符号绘制要素方法，它们都是基于属性值进行分类的。栅格层绘制方法中用分等级的颜色绘图也是基于属性值分类的方法。
2.7.1 分级方法
分级方法基于地理要素的一组属性值，并且使用一定的标准进行分级。它们可以根据属性值的范围、每一级中有相同的要素数目或其他标准来对属性值进行均分。
一组属性值中的每一个细分的部分都被称为一级。每一级具有一个低于多少和高于多少的范围值。由于这些级可以按照任何分级方法进行计算，因此你可以取消前一次分级的范围界定并进行重新设定。
2.7.1.1 属性值的自然分组分级方法
自然断点分级法用统计公式来确定属性值的自然聚类。公式的功能就是减少同一级中的差异、增加级间的差异。
缺省情况下，分级符号法和分级设色法都采用这种分级方法。
自然断点分级法适合于非均匀分布的属性值分级。属性值的不同的自然分组都能区分开来并高亮显示。
2.7.1.2 自定义分级间距的属性值分级
自定义间距分级法通过一个精确的数字增量如10、100 或500 等来对一系列属性值进行分级。
这种分级方法对于那些需要全面了解的数据比较适用，例如年龄分布、收水平或海拔范围等。它的缺点就是有些级别中含有的要素值的数目不成比例，尤其是第一级和最后一级最为明显。
2.7.1.3 等间距属性值分级
等间距分级方法先确定属性值的范围，然后按照相等的值间距把它们进行分级。
如，某属性值的范围是从21 到69，要分为三级，则分级间距为16 个单元：21-36，37-52，
53-69。
这种分级方法强调在统一的属性值间距内要素值是如何分布的。事实上，它与自定义间距分级方法很相似，但优点是最低和最高级别与其他级别一样具有相同的值间距。
这种分级方法的一个应用实例就是销售时根据相同的购买成本来统计各种消费水平的客户的购买情况。
2.7.1.4 用分位数来对要素进行分级
分位数分级法按相等的要素数目进行分级。如果一个要素层有12 个要素，分为三级的话，每级将有四个要素。
这种分级方法对于数据等级划分尤其有效。例如，某连锁店公司要对其各分销中心的销售业绩进行评估分析，便可以根据这些分中心相应的销售业绩进行等级描述。这种分级方法在视觉上是具有很高的可观性。
但是，这种分级方法可能会掩盖属性值的自然分布规律；属性值的聚类情况也将被拆开或者与其它值做了合并。这种分级方法最好应用于属性值总体上呈线性分布的数据。
2.7.1.5 按标准偏差对要素进行分级
标准偏差分级法生成一个反映相对于均值的全部或部分偏差的、具有相等要素数目的分级。
首先，计算所有属性值的均值或平均值。然后，用一个统计公式计算出一个标准偏差。
你可以指定级别的数目、分级间距是否跨度全部标准偏差、半标准偏差、三分之一标准偏差或四分之一标准偏差。最低和最高级别与最小和最大值的范围相同。
这种分级方法适用于属性值总体上呈对称分布，大多数值分布在均值附近，远离均值的两极逐渐减小。这种分级方法最适合用于描绘人口密度图或意外事故概率图。
2.7.2 标准化属性值
有时候，对单一属性不能很好的进行分级，但是用另外一个属性对它进行标准化后就能很好的划分级别了。标准化的方法很简单，就是用某个属性值除以另外一个属性值。
意外事故概率就是标准化属性值的一个例子。数据中可能含有高速公路段的长度累积值，但事故数据更有意义，事故发生次数除以每一段高速公路的长度就能被标准化了。
2.7.3 筛选属性值
有些数据中可能包含一些错误的值或空值，或者你只想研究这一大堆数值中某个范围的属性值。在这种情况下，需要对属性值进行筛选。
错误的数据可能超出属性值的合理范围。例如，百分数值总是在0 和100 之间变化。小于或大于该值域范围的值都应该排除掉。表示要素级别的属性值通常也会用-99
这样的值进行编码，表示空值或未知值。这些值也应当排除在分级之外。
|
