シンボルの変更

レイヤーで別のシンボルを使用する場合、すべてのシンボルを一度に変更できます。表示される選択肢は、使用するシンボルのタイプによって異なります。シンボルを変更するには、次の手順に従います。

シンボルの回転

風向きや車両の移動方向など、シンボルに方向を反映させる場合は、選択したフィールドによって決定される角度でシンボルを回転します。ポイント シンボルを選択するとき、シンボルの表示方向と回転が一致するように、北を指すシンボルを選択します。

シンボルを回転するには、次の手順に従います。

カラー テーマ

カラー ランプを使用してデータ内の数値のスタイルを設定する場合、一連のテーマの中から、自分のデータと表現したい内容に最も適したものを 1 つ選択して適用します。 選択したスマート マッピング スタイルに応じて、次のようなテーマを使用できます。

• [高から低] - 値の範囲を高から低の順序で表示します。このテーマは、濃から淡 (場合によっては淡から濃) のカラー陰影を使用して、データの最高値と最低値を強調します。このテーマは、データ内の値の全体的な広がりや範囲を示す場合に選択します。たとえば、その都市の住民の所得をマッピングする場合、このテーマを使用して最高所得と最低所得の地域をハイライト表示することで、支援の必要な地域の特定に役立てることができます。
• [上下] - ゼロや平均など、値の上下の値を表示します。デフォルトでは、このテーマでは統計上の平均をマップの中央に配置して、平均より上のすべての値を 1 つの色で、平均より下のすべての値を別の色でマッピングします。必要に応じて、統計上の平均以外の値を選択することもできます。このテーマは、特定の値にマップのアンカーを配置する場合に選択します。たとえば、交通量をマッピングする場合、このテーマを使用して、交通量が平均を下回る地域を強調できます。
• [中央] - 特定範囲の値を中央に配置して、ハイライト表示します。このテーマでは、外れ値に透過表示を追加しながら平均から +-1 標準偏差の値をハイライト表示することで、データの統計的に有意な領域を示すことができます。たとえば、ある地域の降雨量の平均比率をマッピングする場合、このテーマを使用して、統計的に平均降雨量の地域をハイライト表示しながら異常値の透過性を高めることができます。
• [極値] - データ内の極値をハイライト表示します。このテーマでは、+-1 標準偏差の外側に位置する値にフォーカスを追加することで、統計的に外端のデータを示します。たとえば、このテーマを使用して、地域内の最低価格と最高価格の住宅など、データの最高値と最低値をハイライト表示できます。

等間隔

等間隔分類では、属性値の範囲を同じサイズの下位範囲に分割します。この分類方法では、間隔の数 (または下位範囲) を指定すると、データは自動的に分割されます。たとえば、値の範囲が 0 ～ 300 である属性フィールドに対して 3 つのクラスを指定すると、0 ～ 100、101 ～ 200、201 ～ 300 という範囲の 3 つのクラスが作成されます。

等間隔分類は、パーセンテージや温度など、一般的なデータの範囲に最適です。この方法では、特定の属性値について、他の属性値と比較したときの総数を強調することができます。たとえば、ある店舗が、合計売上の上位 1/3 を構成する店舗のグループに属していることを示すことができます。

自然分類

自然分類 (Jenks の最適化法とも呼ばれる) のクラスは、データの特徴に基づいて値を自然にグループ化します。クラス閾値は、類似する値を最適にグループ化したうえで、国有林の木の高さなど、クラス間の差異を最大化するように設定されます。フィーチャは、データ値の差異が比較的大きい部分に境界が設定されるようにクラスに分割されます。

自然分類は、クラスター化された値を 1 つのクラス内に配置するため、値が均等に分散していないデータをマッピングする際に適した分類手法です。

標準偏差

標準偏差分類は、フィーチャの属性値が平均値からどれだけ離れているかを示します。標準偏差分類は、平均値を上回る値と下回る値を強調することで、平均値より上または下のフィーチャを示すのに役立ちます。この分類方法は、指定したエリアの人口密度を表示したり、国全体で差し押さえ比率を比較する場合など、平均値との関連を知ることが重要な場合に使用します。マップを詳細に調べる場合は、標準偏差のクラス サイズを 1 から 5 に変更できます。

等量分類

等量分類では、各クラスには同数のフィーチャが含まれます (1 クラスに 10 や、1 クラスに 20 など)。空のクラスや、値の数が多すぎたり少なすぎたりするクラスはありません。等量分類は、線形 (均等) に分散しているデータに適しています。各クラスに含まれるフィーチャまたは値の数が同じである必要がある場合、等量分類を使用します。

各クラスのフィーチャが同じ数でグループ化されるため、作成されたマップの意図が正しく伝わらない場合がよくあります。似たようなフィーチャが異なるクラスに分類されたり、大きく異なる値を持つフィーチャが同じクラスに分類されたりすることがあります。この歪みは、クラスの数を増やすことにより最小限に抑えることができます。

手動分類

カスタム クラスを定義する場合は、クラスの閾値を手動で追加し、データに適したクラス範囲を設定することができます。また、いずれかの標準分類手法を基点として、必要に応じて調整することもできます。データのマッピングに関して、何らかの基準やガイドラインがすでに存在していることがあります。たとえば、ある機関で、すべてのマップに標準のクラスまたは閾値 (竜巻の強度を分類するために使用される藤田スケール (F スケール) など) が使用される場合などです。閾値は、必要とされる場合に設定してください。