برای سازمان‌هایی که نیاز به گزارش معیارهایی مانند جمعیت‌شناسی مصرف‌کننده، عملکرد فروش، یا تراکم جمعیت در بخش‌های بازار دارند، یکی از بزرگترین چالش‌ها این است که چگونه داده‌ها را به گونه‌ای نشان دهند که مخاطبان مورد نظرشان آن را درک کنند. 

نقشه های کوروپلث یکی از محبوب ترین و موثرترین روش ها برای انجام این کار است.

بیایید درباره این راه حل بیشتر کاوش کنیم و بیاموزیم که چگونه می توانید با استفاده از الگوهای نقشه Choropleth Venngage به راحتی  یک نقشه choropleth ایجاد کنید .

یک نمودار INFOGRAPHIC ایجاد کنیدبرای پرش به جلو کلیک کنید:

• نقشه choropleth چیست؟
• نقشه choropleth برای چه استفاده می شود؟
• چگونه با Venngage به صورت آنلاین نقشه های choropleth ایجاد کنیم
• نحوه خواندن نقشه choropleth
• روش های مختلف طبقه بندی داده های نقشه choropleth چیست؟

نقشه choropleth چیست؟

نقشه choropleth یک نقشه موضوعی است که برای نمایش داده های آماری با استفاده از تکنیک نمادشناسی نقشه برداری رنگی استفاده می شود.

واحدهای شمارش یا مناطق یا مناطق جغرافیایی تقسیم‌بندی شده را نشان می‌دهد که در رابطه با یک متغیر داده رنگی، سایه‌دار یا طرح‌دار هستند. برای نشان دادن تغییرات یا الگوها در سراسر مکان نمایش داده شده، نقشه های choropleth راهی برای تجسم مقادیر در یک منطقه جغرافیایی فراهم می کند.

این نقشه CHOROPLETH را ویرایش کنیدخوانندگان می توانند به راحتی درک کنند که چگونه پایگاه بازار یک کسب و کار در طول سه سال با نقشه رنگی مانند این رشد کرده است.

نقشه choropleth برای چه استفاده می شود؟

نقشه های Choropleth زمانی مفید هستند که داده هایی که می خواهید منتقل کنید عبارتند از:

1. پیوست به واحدهای شمارش مانند شهرها، شهرستان ها و کشورها،
2. استاندارد شده برای نشان دادن نرخ ها یا نسبت ها، و
3. در یک سطح آماری پیوسته، به این معنی که مقادیر قابل اندازه گیری در همه جای منطقه مورد مطالعه و نه فقط در مکان های خاص رخ می دهد.

این نقشه موضوعی میزان پولی را که هر ایالت آمریکا (واحدهای شمارش، در یک سطح آماری پیوسته) صرف مراقبت های بهداشتی در رابطه با تولید ناخالص داخلی کشور (داده های استاندارد شده) می کند را به تصویر می کشد.

این نقشه CHOROPLETH را ویرایش کنیدتوجه به این نکته مهم است که  داده های خام برای نقشه های choropleth توصیه نمی شود .

این به این دلیل است که نقشه های choropleth طبیعتاً مقایسه ای هستند. آنها معمولا برای مقایسه داده های نسبی و برجسته کردن تفاوت های آنها در مکان های جغرافیایی استفاده می شوند.

به عنوان مثال، جمعیت هر شهر (خام) در مقابل جمعیت هر شهر نسبت به اندازه آن (استاندارد). اولی صرفاً اطلاعات را بیان می کند در حالی که دومی مقایسه بین داده ها را برای نشان دادن تفاوت در تراکم شهرها ارائه می دهد.

چگونه با Venngage به صورت آنلاین نقشه های choropleth ایجاد کنیم

۱٫ یک حساب Venngage رایگان ایجاد کنید

۲٫ یک الگوی نقشه choropleth را انتخاب کنید که متناسب با هدف شما باشد

برای انتخاب الگوی نقشه خود از روش های طبقه بندی داده های ذکر شده در بالا استفاده کنید.

همچنین باید در مورد رمپ رنگ نقشه خود فکر کنید: ترتیبی (تغییر گرادیان رنگ)، واگرا (تغییر تدریجی رنگ ها) یا طبقه بندی یا کیفی (ترکیب رنگ).

این نقشه CHOROPLETH را ویرایش کنیداین نقشه مقایسه‌ای از ترکیب رنگی طبقه‌بندی یا کیفی استفاده می‌کند و از سایه‌های مختلف سیاه و خاکستری برای نشان دادن مؤثر تفاوت‌های بین داده‌های ارائه‌شده استفاده می‌کند.

۳٫ داده ها و متن را در صورت نیاز ویرایش کنید

برای ویرایش، کافی است روی نقشه دوبار کلیک کنید. یک صفحه ویرایشگر نقشه ظاهر می شود که در آن می توانید داده ها را کپی و جایگذاری کنید یا داده های خود را با استفاده از یک فایل csv. وارد کنید:

هنگام طراحی نقشه choropleth، یک قانون خوب این است که از کوچکترین واحد برای داده ها استفاده شود یا به عبارت دیگر، اولویت دادن به واحدهایی مانند شهرستان ها به جای ایالت ها، کشورهای ما به جای قاره ها. این به شما کمک می کند تا تصویری دقیق از اطلاعات به خوانندگان خود ارائه دهید.

۴٫ نقشه موضوعی خود را سفارشی کنید

برای ویرایش رنگ نقشه، می‌توانید روی نقشه دوبار کلیک کنید و «Setup» را در قسمت ویرایشگر نقشه انتخاب کنید. در اینجا می‌توانید رنگ‌های دو حالت افراطی، رنگ نقشه هنگام نگه‌داشتن ماوس روی آن و غیره را ویرایش کنید.

۵٫ محصول نهایی خود را دانلود کنید یا مستقیماً با تیم خود به اشتراک بگذارید.

پس از اطمینان از تجسم کامل داده‌ها از اطلاعاتی که می‌خواهید منتقل کنید، طرح خود را مستقیماً با استفاده از پیوند اشتراک‌گذاری به اشتراک بگذارید.

همچنین می توانید  حساب خود را ارتقا دهید  تا نقشه خود را در قالب های مختلف (PNG، PNG HD، PowerPoint (برای استفاده در اسلایدهای خود) یا PDF بارگیری کنید.

نحوه خواندن نقشه choropleth

نقشه choropleth یکی از رایج ترین نقشه های موضوعی مورد استفاده است زیرا خواندن و درک آن بسیار آسان است. اگر شما یکی از معدود افرادی هستید که در مورد نحوه خواندن نقشه choropleth اطلاعاتی ندارید، اجازه دهید شما را راهنمایی کنیم.

برای خواندن نقشه choropleth، ابتدا باید دستورالعمل ها و همچنین کلید رنگی یا افسانه را بخوانید تا متوجه شوید سایه یا الگو به چه معناست. در مرحله بعد، به دنبال مناطقی باشید که بیشترین سایه‌ها را دارند، سپس به دنبال رنگ‌های روشن‌تر بگردید تا مقادیر کم را ببینید. مراقب هر گونه الگوهای مهم منطقه ای باشید. ممکن است با مناطق همسایه ای برخورد کنید که بسیار شبیه یا بسیار متفاوت به نظر می رسند.

این نقشه CHOROPLETH را ویرایش کنیدتشخیص چگونگی کاهش جمعیت در یک کشور آسان است زیرا داده ها به صورت دقیق و بصری در این نقشه نمایش داده می شوند. با استفاده از Venngage می توانید نقشه های choropleth آموزنده تری مانند این ایجاد کنید.

روش های مختلف طبقه بندی داده های نقشه choropleth چیست؟

طبقه بندی داده ها داده هایی را که در نقشه choropleth خود قرار می دهید با مرزهایی مرتب می کند تا هر کلاس را از یکدیگر جدا کند. طبقه بندی های مختلف داده ها به شرح زیر است:

طبقه بندی شکست طبیعی

شکست های طبیعی طبقه بندی پیش فرض موجود برای نقشه های choropleth است. در اینجا، کلاس ها بر اساس گروه بندی های طبیعی ذاتی داده ها هستند. این روش طبقه بندی نباید برای مقایسه نقشه های ایجاد شده با داده های مختلف استفاده شود، بلکه فقط زمانی که می خواهید بر گروه بندی های طبیعی در داده های خود تأکید کنید.

این نقشه CHOROPLETH را ویرایش کنیداین نقشه choropleth طبقه بندی شده اطلاعات طبقه بندی شده بر اساس مناطق جغرافیایی را ارائه می دهد. گروه بندی طبیعی داده ها با رنگ ها و افسانه های آنها برجسته می شود.

طبقه بندی فاصله مساوی

روش طبقه‌بندی بازه‌های مساوی، محدوده مقادیر ویژگی‌ها را به زیر محدوده‌های هم اندازه تقسیم می‌کند. بر مقدار یک ویژگی نسبت به مقادیر دیگر تأکید می کند و معمولاً برای داده هایی استفاده می شود که محدوده های آشنا دارند.

این نقشه CHOROPLETH را ویرایش کنیدیک نقشه choropleth طبقه بندی شده ساده و در عین حال جذاب، درصد بزرگسالان دارای مدرک لیسانس یا بالاتر را در هر ایالت در فواصل مساوی نشان می دهد. طرح رنگ، شکل ها و فونت های منطبق با آن را می توان برای نمایش داده های شما به بهترین شکل سفارشی کرد.

طبقه بندی کمیت

روش طبقه‌بندی چندکی، ویژگی‌ها را به پیوندهایی با تعداد مساوی از ویژگی‌ها تقسیم می‌کند. برای مثال، نقشه‌ای که نرخ رشد جمعیت تمام ۵۰ ایالت آمریکا (ویژگی‌ها) را نشان می‌دهد، ممکن است به پنج چندک یا زیرگروه با ۱۰ ایالت تقسیم شود (با تعداد مساوی ویژگی پیوند می‌یابد). هر چندک با یک رنگ روی نقشه نشان داده می شود.

اما مشکل این روش این است که می تواند ظاهر نقشه choropleth شما را پیچیده کند زیرا می تواند مقادیر مشابهی را در کلاس های مختلف قرار دهد.

به عنوان مثال، در مثال ذکر شده قبلی، نرخ رشد جمعیت ممکن است بر اساس ترتیب زمانی داده ها (یعنی بالاترین به کمترین) در مقابل آرایش جغرافیایی ایالت ها تقسیم شود. در این حالت، رنگ های کمیت به جای سازماندهی در هر منطقه، روی نقشه پراکنده خواهند شد.

به همین دلیل است که این روش در داده هایی که نسبتاً یکنواخت هستند بهتر است استفاده شود. با این حال، می توان از آن به عنوان روشی برای رتبه بندی بصری نیز استفاده کرد.

طبقه بندی انحراف استاندارد

روش طبقه بندی انحراف استاندارد نشان می دهد که داده ها در هر مکان جغرافیایی چقدر انحراف دارند یا با یک مقدار متوسط ​​تفاوت دارند.

این روش روی مجموعه‌های داده‌ای که به طور معمول توزیع می‌شوند و برای تحلیل‌هایی که میانگین یا فاصله از میانگین در آنها بسیار مهم است، بهترین کار را دارد.

به عنوان مثال، نقشه ای که می خواهد نشان دهد آمریکایی ها در هر ایالت در مقایسه با میانگین ملی در سال چقدر برای خرید مواد غذایی هزینه می کنند.

طبقه بندی طبقه بندی نشده

روش طبقه بندی طبقه بندی نشده زمانی استفاده می شود که داده های عددی در مقیاس پیوسته نمایش داده می شوند، نه در کلاس های گسسته. هنگامی که می خواهید تغییرات تدریجی در داده های خود مشاهده کنید، می توانید با استفاده از این روش این کار را انجام دهید.

در اینجا نمونه ای از نقشه choropleth طبقه بندی نشده آورده شده است:

این نقشه CHOROPLETH را ویرایش کنیداین نقشه میانگین قیمت گاز در هر ایالت آمریکا را از طریق کدهای رنگی و مقیاسی نشان می دهد که سایه های مختلف را در بر می گیرد.

طبقه بندی دستی

از خود نام، یک روش طبقه بندی دستی به این معنی است که شما به صورت دستی شکست های کلاس را که برای داده های شما مناسب است اضافه می کنید.

هنگامی که محدوده های شناخته شده ای وجود دارد که باید روی اطلاعات شما اعمال شود، باید استفاده شود، مانند زمانی که می خواهید یک سری نقشه های choropleth با همان کلاس ها یا گروه های فرعی ایجاد کنید تا ارتباط آنها را با یکدیگر نشان دهید.

برای ایجاد نقشه های choropleth نیازی نیست که یک تحلیلگر داده یا طراح گرافیک باشید

نقشه های Choropleth یک روش تجسم داده آسان و موثر برای نشان دادن مقادیر مختلف در مناطق جغرافیایی است. همچنین مخاطبان شما برای استفاده از نقشه های choropleth نیازی به نقشه خوان های با تجربه ندارند.

شروع ایجاد نقشه های choropleth با استفاده از الگوهای Venngage آسان است. به سادگی برای یک حساب کاربری رایگان ثبت نام کنید و به ویرایشگر کشیدن و رها کردن ما یک درایو آزمایشی بدهید!

یک نقشه choropleth ایجاد و استفاده کنید

Insights 2022.1    |نسخه های دیگر   | آرشیو راهنما 

نقشه های Choropleth از نوع نماد نقشه برداری هوشمند شمارش و مقادیر (رنگ) برای نشان دادن داده های نرمال شده به صورت نقاط، خطوط یا مناطق سایه دار استفاده می کنند. نقشه‌های Choropleth به پاسخ به سؤالات مربوط به داده‌های شما کمک می‌کنند، مانند: چگونه نرخ‌ها یا درصدها بر اساس ویژگی جغرافیایی مقایسه می‌شوند؟

مثال

یک تحلیلگر جرم و جنایت در حال تحقیق در مورد فراوانی جرم در سراسر شهر و ارتباط بین جرم و جنایت و سایر مسائل اجتماعی، مانند نرخ بالای بیکاری است. مقامات شهر از نتایج برای اجرای برنامه های اجتماعی جدید در سطح شهر در تلاش برای کاهش جرم و جنایت استفاده خواهند کرد. نقشه choropleth را می توان برای تجسم نرخ بیکاری در مناطق پلیس در سراسر شهر و مقایسه آنها با نرخ جرم و جنایت استفاده کرد.

مناطق تیره تر در نقشه بالا نشان دهنده سطوح بالای بیکاری، در حالی که مناطق روشن تر نشان دهنده سطوح پایین بیکاری است.

یک نقشه choropleth ایجاد کنید

هنگامی که از یک فیلد نرخ/نسبت برای ایجاد نقشه استفاده می شود، یک نقشه choropleth به طور خودکار ایجاد می شود. با تغییر نوع نماد از تعداد و مقادیر (اندازه) به تعداد و مقادیر (رنگ) می توان از یک فیلد عددی برای ایجاد یک نقشه choropleth استفاده کرد . سپس داده های عددی باید با استفاده از پارامتر تقسیم بر در هنگام ایجاد نقشه choropleth نرمال سازی شوند.

برای ایجاد یک نقشه choropleth با نرخ، نسبت یا نسبت، از مراحل زیر استفاده کنید:

1. یک مجموعه داده را در پنجره داده گسترش دهید تا فیلدها قابل مشاهده باشند.
2. یک فیلد نرخ/نسبت انتخاب کنید .

   نکته:

   اگر مقادیر نرخ/نسبت در فیلد عددی دارید ، می‌توانید با کلیک کردن روی نماد فیلد و انتخاب نرخ/نسبت، نوع فیلد را تغییر دهید .

   می توانید با استفاده از نوار جستجو در صفحه داده، فیلدها را جستجو کنید .

3. فیلد را به صفحه بکشید و روی منطقه دراپ نقشه . یک نقشه choropleth با استفاده از تعداد و مقادیر (Color) به عنوان تنظیم نوع نماد ایجاد می شود .

   توجه:

   هنگام ایجاد نقشه با استفاده از فیلد نرخ/نسبت، نوع نماد نقشه برداری هوشمند شمارش و مقادیر (رنگ) به طور پیش فرض اعمال می شود. همچنین می‌توانید تعداد و مقادیر (رنگ) را روی نقشه‌های ایجاد شده با استفاده از فیلد عدد اعمال کنید.

برای ایجاد یک نقشه choropleth با استفاده از نرمال سازی، مراحل زیر را انجام دهید:

1. یک مجموعه داده را در پنجره داده گسترش دهید تا فیلدها قابل مشاهده باشند.
2. یک فیلد عددی را انتخاب کنید . تعداد باید مجموع باشد، مانند تعداد جرایم یا کل فروش.

   نکته:

   می توانید با استفاده از نوار جستجو در صفحه داده، فیلدها را جستجو کنید .

3. فیلد را به صفحه بکشید و روی منطقه دراپ نقشه . یک نقشه نماد مدرج ایجاد می شود.
4. افسانه را باز کنید تا پنجره گزینه های لایه نمایش داده شود .
5. به برگه نمادشناسی بروید .
6. نوع نماد را به تعداد و مقادیر (رنگ) تغییر دهید .
7. یک فیلد عددی برای پارامتر تقسیم بر انتخاب کنید . فیلد باید دارای عددی باشد که بتوان از آن برای ایجاد نسبت از فیلد شماره اول استفاده کرد، مانند کل جمعیت.

نکات استفاده

روی دکمه Flip card کلیک کنید تا کارت نقشه را برگردانید. پشت کارت شامل آمار و مکانی برای نوشتن توضیحات نقشه است.

پنجره گزینه های لایه از افسانه لایه قابل دسترسی است و می توان از آن برای مشاهده مقادیر طبقه بندی در حال نقشه برداری، تغییر سبک نقشه و مشاهده اطلاعات مربوط به ویژگی های انتخاب شده استفاده کرد.

از تب Legend برای مشاهده مقادیر طبقه بندی نقشه choropleth و انتخاب بر اساس مقادیر استفاده کنید .

برای انجام موارد زیر از تب نمادشناسی استفاده کنید :

• فیلد نمایش داده شده روی نقشه را تغییر دهید یا به نوع دیگری از نقشه تغییر دهید.
• آمار فیلد نمایش را تغییر دهید. این گزینه تنها در صورتی در دسترس است که مکان در مجموعه داده فعال باشد و امکان تجمع برای ویژگی‌های یکسان وجود داشته باشد یا اگر مجموعه داده از طریق تجمیع فضایی ایجاد شده باشد .
• نوع طبقه بندی را تغییر دهید.
• تعداد کلاس های نمایش داده شده را تغییر دهید.
• فیلد Divide by را تغییر دهید، اضافه کنید یا حذف کنید .

 

برای تغییر ویژگی های سبک نماد ، مانند پالت رنگ، اندازه نماد، ضخامت و رنگ طرح کلی و شفافیت لایه، از تب Appearance استفاده کنید .

از برگه ویژگی ها برای مشاهده جزئیات ویژگی های انتخاب شده روی نقشه استفاده کنید .

نقشه های choropleth چگونه کار می کنند

در فرآیندی که به طبقه‌بندی داده‌ها گفته می‌شود ، مقادیر عددی مدرج در محدوده‌ها گروه‌بندی می‌شوند و هر محدوده طبقه‌بندی با یک سایه یا رنگ در سطح شیبدار رنگ نشان داده می‌شود. مقادیر باید نسبت هایی باشند تا سوگیری از مناطق با اندازه های مختلف کاهش یابد.

طبقه بندی داده ها

گزینه های طبقه بندی زیر برای نقشه های choropleth در دسترس هستند:

روش طبقه بندی	توضیحات	مثال
شکستگی های طبیعی	کلاس ها بر اساس گروه بندی های طبیعی ذاتی داده ها هستند. این طبقه بندی پیش فرض است. زمانی که می‌خواهید بر گروه‌بندی‌های طبیعی ذاتی داده‌های خود تأکید کنید، باید از روش شکست‌های طبیعی استفاده شود. برای مقایسه نقشه های ایجاد شده با داده های مختلف نباید از وقفه های طبیعی استفاده کرد.	از استراحت های طبیعی برای مقایسه میزان جرم و جنایت در محله های شهر استفاده کنید. نرخ جرم و جنایت به گونه ای گروه بندی می شود که محله هایی با نرخ جرم مشابه با همان رنگ نمادین شوند.
فاصله مساوی	محدوده مقادیر مشخصه را به زیرمجموعه های هم اندازه تقسیم می کند. طبقه بندی فاصله مساوی بر مقدار یک ویژگی نسبت به مقادیر دیگر تأکید می کند و باید برای داده هایی استفاده شود که محدوده های آشنا دارند.	از فواصل مساوی برای مقایسه درصد درختان با سوسک های مهاجم در پارک های یک شهرستان استفاده کنید. درصدها از ۰ تا ۱۰۰ متغیر است. اگر انتخاب کنید از چهار سطل استفاده کنید، کلاس ها بر اساس فواصل ۲۵٪ خواهند بود.
Quantile	ویژگی ها را به bin هایی با تعداد مساوی از ویژگی ها تقسیم می کند. طبقه بندی چندک می تواند با قرار دادن مقادیر مشابه در کلاس های مختلف، ظاهر نقشه شما را مخدوش کند. بنابراین، این روش طبقه بندی باید روی داده هایی که نسبتاً یکنواخت هستند استفاده شود. همچنین می توانید از طبقه بندی کمیت به عنوان روشی برای رتبه بندی بصری استفاده کنید.	از فواصل کمی برای مقایسه نرخ بیکاری در ایالات متحده استفاده کنید. اگر پنج سطل را برای ۵۰ ایالت به اضافه منطقه کلمبیا اعمال کنید، تقریباً ۱۰ ایالت در هر بن وجود خواهد داشت. از نتایج می توان برای مشاهده نرخ های بیکاری در گروه های ۱۰ تایی استفاده کرد.
انحراف معیار	یک ویژگی را بر اساس میزان تفاوت ویژگی های ویژگی با میانگین طبقه بندی می کند. روش انحراف استاندارد روی مجموعه داده هایی که به طور معمول توزیع می شوند و برای تجزیه و تحلیل هایی که در آن میانگین یا فاصله از میانگین مهم است، بهترین کار را دارد. نکته: سعی کنید طبقه بندی انحراف استاندارد را با یک رمپ رنگی واگرا جفت کنید. رمپ‌های رنگی متفاوت، قسمت‌های بالا و پایین را با سایه‌های تیره و متوسط ​​را با رنگ خنثی استایل کنید.	برای مقایسه میانگین امید به زندگی بین کشورها از انحراف استاندارد و یک رمپ رنگ متفاوت استفاده کنید. کشورهایی که بیشترین و کمترین امید به زندگی را دارند در سایه های تیره مختلف نمایش داده می شوند. با نزدیک شدن کلاس ها به میانگین امید به زندگی جهانی، رنگ ها روشن تر می شوند.
طبقه بندی نشده	داده های عددی به جای کلاس های گسسته در مقیاس پیوسته نمایش داده می شوند. زمانی که می خواهید تغییرات تدریجی در داده های خود مشاهده کنید، باید از روش طبقه بندی نشده استفاده کنید.	از یک رمپ رنگی طبقه‌بندی نشده برای اندازه‌گیری میانگین دمایی برای یک محدوده زمانی معین که در ایستگاه‌های هواشناسی مرتباً قرار داده شده است، استفاده کنید. نقاط تغییرات تدریجی دما را در منطقه مورد مطالعه نشان خواهند داد.
دستی	به صورت دستی وقفه های کلاس را که برای داده های شما مناسب است اضافه کنید. روش دستی باید زمانی استفاده شود که محدوده‌های شناخته شده‌ای وجود دارد که باید روی داده‌های شما اعمال شود، مانند زمانی که می‌خواهید نقشه‌های متعددی را با سطل‌های یکسان ایجاد کنید.	از یک طبقه بندی دستی برای مقایسه میانگین درآمد خانوار در محله های یک شهر در طول زمان استفاده کنید. طبقه‌بندی دستی می‌تواند برای اعمال سطل‌های یکسان برای هر دو نقشه استفاده شود تا الگوها و مقایسه‌ها بدون ایجاد فرضیات نادرست به دلیل تفاوت در طبقه‌بندی انجام شود.

نرمال سازی و داده های متناسب

طراحی نقشه خود با استفاده از رنگ های درجه بندی شده، مانند نقشه choropleth، می تواند منجر به تفسیرهای نادرست بصری شود، به خصوص زمانی که ویژگی های روی نقشه مناطقی با اندازه ها یا جمعیت های مختلف باشد. در این موارد، مناطق بزرگتر به طور طبیعی توجه شما را جلب می کنند، به خصوص اگر با رنگ های تیره تر طراحی شده باشند. می‌توانید با طراحی نقشه‌ها بر اساس میانگین‌ها، نسبت‌ها، نرخ‌ها و نسبت‌ها به‌جای شمارش یا مجموع، با تعصب ایجاد شده از مناطق با اندازه‌های مختلف در نقشه‌های choropleth مقابله کنید. وقتی داده‌هایی که روی نقشه نمایش داده می‌شوند یک مقدار متناسب هستند، تفاوت‌های بین ویژگی‌ها را در نظر می‌گیرد، خواه جمعیت، مساحت یا عامل دیگری باشد.

(سمت چپ) تعداد کل رستوران ها در هر شهرستان. این نقشه مجموع ها را نشان می دهد، بنابراین نباید از رنگ های درجه بندی شده استفاده کند. (راست) تعداد رستوران‌های سرانه در هر شهرستان. این نقشه داده های متناسب را نشان می دهد، بنابراین یک نقشه choropleth مناسب است.

هر دو نقشه بالا از رنگ ها برای نشان دادن تعداد رستوران ها بر اساس شهرستان استفاده می کنند. با این حال، نقشه سمت چپ تعداد کل رستوران ها و نقشه سمت راست تعداد سرانه رستوران ها را نشان می دهد. شهرستان‌ها از نظر مساحت تفاوت‌هایی دارند، اما بیشترین تنوع در جمعیت در سراسر شهرستان‌ها است. ترکیبی از مناطق بزرگ و تعداد زیادی رستوران بر ویژگی هایی مانند لانگ آیلند و منطقه بوستون، حتی در شهرستان های کوچکتر در شهر نیویورک که هم رنگ هستند، تأکید می کند. با این حال، هنگامی که جمعیت هر شهرستان در نظر گرفته می شود، مانند نقشه سمت راست، می بینیم که شهرستان های اطراف کیپ کاد و داخل کشور از سواحل، تعداد رستوران های بیشتری به ازای هر نفر دارند و اکثر شهرستان های دیگر دارای میانگین سرانه رستوران هستند. نقشه سرانه یک نقشه choropleth صحیح است.

توجه:

اگر می‌خواهید نقشه‌ای از تعداد یا مجموع، مانند تعداد کل رستوران‌ها به تفکیک شهرستان تهیه کنید، می‌توانید یک نقشه نماد مدرج بسازید .

اگر می خواهید یک نقشه choropleth ایجاد کنید اما داده های متناسبی ندارید، می توانید نسبت ها را با استفاده از فرآیندی به نام عادی سازی ایجاد کنید. هنگامی که داده‌های خود را عادی می‌کنید، یک عدد مانند مجموع جرایم را می‌گیرید و آن را بر عدد دیگری مانند کل جمعیت تقسیم می‌کنید تا یک مقدار متناسب ایجاد کنید. زمانی که با استفاده از پارامتر تقسیم بر روی برگه نمادشناسی ، یک نقشه choropleth ایجاد می کنید، عادی سازی می تواند انجام شود . در مثال بالا، تعداد کل رستوران ها در هر شهرستان با استفاده از کل جمعیت شهرستان نرمال شد.