分级统计图是什么?定义、分级方法与示例
发布于
分级统计图是一种专题地图,它根据每个预先划定的区域(例如国家、州、县或法国的省 département)中某一项统计数值,给该区域着色。大多数分级的分级统计图把数值分成 5 至 7 个颜色等级,数值越大颜色越深,并且表示的是比率或密度,而不是原始总数。
改变把数字划分成等级的规则,同一份数据就会讲出不同的故事。下面我们用完全相同的五种颜色,以三种方式绘制法国本土 96 个省的人口密度。第一幅图里,除了巴黎,法国看上去几乎是空的。第二幅图里,每五个省就有两个变成红色。
5 至 7级
分级统计图的常用等级数
ColorBrewer 的顺序色板最多到 9 级
1,350×密度差距
测试数据集中的巴黎与洛泽尔
每 km² 19,960 人对 14.8 人
1826首幅地图
夏尔·迪潘的法国学校教育地图
该术语由 J. K. Wright 于 1938 年提出

什么是分级统计图?
英文 choropleth 一词来自希腊语 choros(区域)和 plethos(大量)。分级统计图从已有的边界出发,例如普查区、市镇或省份,给每个多边形附上一个数字,再用与该数字对应的颜色填充这个多边形。
法国工程师兼数学家夏尔·迪潘(Charles Dupin)绘制了已知最早的分级统计图,并于 1826 年 11 月 30 日发表(Polish Cartographical Review)。他的《法国民众教育图》(Carte figurative de l'instruction populaire de la France)按每名在校男孩对应的居民人数给法国各省着色,上学男孩越少的地方墨色越深。这个名称本身出现在一个世纪之后:美国地理学家约翰·柯克兰·赖特(John Kirtland Wright)在 1938 年提出了“choropleth map”这一术语。
分级统计图有一个很大的假设:它把每个多边形涂成单一的均匀颜色,仿佛数值从一条边界到另一条边界都是一样的。边界怎么划分也会改变图面。把同样的测量值按市镇、按省或按方形网格汇总,会得到三种不同的格局,地理学家把这个陷阱称为可塑面积单元问题(modifiable areal unit problem,MAUP)。
为什么分级统计图用比率,而不是原始计数?
分级统计图应该表示一个与多边形面积无关的比值:密度(人 / km²)、比率(每 100,000 居民的病例数)、百分比,或人均数字(人均收入、每户 kWh)。
如果用原始计数给多边形着色,大的多边形会主导整幅地图,因为它们占地更广,各类事物也积累得更多。较小的城市单元就会消失,哪怕大多数人口或事件恰恰集中在那里。
我们的法国数据集显示出计数与密度的差距有多大。我们把 INSEE 2023 年法定人口(2026 年 1 月 1 日起生效,法国本土总计 66,165,815 人)与 IGN ADMIN EXPRESS 2026 的 96 个省连接起来,每个省的面积取其各市镇地籍面积之和:
| 省(département) | 人口 | 面积(km²) | 密度(人 / km²) |
|---|---|---|---|
| 洛泽尔(Lozère) | 76,486 | 5,167 | 14.8 |
| 克勒兹(Creuse) | 115,527 | 5,565 | 20.8 |
| 上普罗旺斯阿尔卑斯(Alpes-de-Haute-Provence) | 168,054 | 6,926 | 24.3 |
| 马恩河谷(Val-de-Marne) | 1,426,929 | 245 | 5,827 |
| 塞纳-圣但尼(Seine-Saint-Denis) | 1,704,316 | 236 | 7,213 |
| 上塞纳(Hauts-de-Seine) | 1,654,712 | 176 | 9,412 |
| 巴黎(Paris) | 2,103,778 | 105 | 19,960 |
巴黎在 105 km² 里挤着 2,103,778 人,即每 km² 19,960 人。洛泽尔把 76,486 人分散在 5,167 km² 里,即每 km² 14.8 人。巴黎的密度是洛泽尔的 1,350 倍,而面积只有它的四十九分之一。在密度图上,巴黎和它相邻的三个省格外突出。在原始总数的地图上,一个大省仅仅因为占地更广,就显得很重要。
当读者需要看到的是原始总数,例如总选民数、总销售额或总病例数时,保留计数,换一种地图类型:在每个区域上放一个比例圆,而不是给多边形着色。
分级方法:等间距、分位数和自然断点(Jenks)
在法国本土 96 个省中,人口密度的中位数是每 km² 83.5 人,而平均数是 568。巴黎和它的三个邻省把平均数拉到了中位数的近七倍。对于这样的偏斜数据,如何把数字切分成等级,决定了地图显示什么。
下面是三种标准分级方法在我们的 96 个省上要求分成 5 级时的表现:
| 方法 | 如何确定断点 | 我们的断点(人 / km²) | 每级的省数 | 适用于 | 注意 |
|---|---|---|---|---|---|
| 等间距(Equal interval) | 把完整范围(最小值到最大值)分成宽度相等的等级 | 4,004 / 7,993 / 11,982 / 15,971 | 92、2、1、0、1 | 分布均匀的数据,或人们习惯按整数台阶阅读的温度和百分比 | 一个离群值(巴黎的 19,960)会把 96 个区域中的 92 个压进最浅一档,并让第 4 档完全是空的 |
| 分位数(Quantile,等数量) | 让每一级包含相同数量的多边形 | 45 / 63 / 105 / 201 | 19、19、20、19、19 | 把区域排成五等分或四等分,用上色板中的每一种颜色 | 差别很大的数值共用一种颜色(最高一档从 201 一直到 19,960),而位于 63 两侧、几乎相同的两个省却得到不同的颜色 |
| 自然断点(Natural breaks,Jenks) | 把断点放在数据中最大的间隙处,使每一级内部的方差最小 | 263 / 1,028 / 7,213 / 9,412 | 86、6、2、1、1 | 存在真实聚类和跳变的数据 | 断点是为这一张表量身定制的,所以用 Jenks 做的两幅地图无法互相比较;偏斜数据仍会把 86 个区域堆进最底一档 |
乔治·詹克斯(George Jenks)在 1967 年发表了自然断点法,它建立在沃尔特·费希尔(Walter Fisher)1958 年提出的精确聚类算法之上。我们的图使用的是精确的 Fisher-Jenks 优化。
QGIS 还包含另外四种渐变分级模式(QGIS 3.44 用户手册),用来解决特定情形:
- Logarithmic scale 让低值的等级窄、高值的等级宽。当数据集跨越三个以上数量级时,例如每 km² 14.8 至 19,960 人,对数刻度能把乡村省份和中等密度省份区分开,又不会让巴黎压垮图例的其余部分。
- Pretty Breaks 选取接近你要求的等级数的整齐整数(1、2 或 5 乘以 10 的幂),这样图例易读,不必手动修改。
- Fixed Interval 让你自己输入准确的步长,例如每 10 个百分点一档,这是跨多个年份比较一系列地图的最干净的做法。
- Standard Deviation 按与平均值的距离划分等级(例如 ±0.5、±1 和 ±2 个标准差),与发散型色带搭配效果很好。
你也可以完全不分级。无分级统计图把每个数值直接映射到连续的色带上,所以 80 和 180 永远不会落进同一个档。代价是,人眼很难把图上某个具体的颜色,对应回连续图例条上的某个确切数字。
应该分几级,选什么颜色?
大多数分级的分级统计图使用 5 至 7 级。在小地图或仪表盘上,如果读者只需要知道“低、中、高”,就用 3 或 4 级。地图较大、数值分布平滑时,可以增加到 7 级。
再多往往没有帮助。马克·哈罗尔(Mark Harrower)和辛西娅·布鲁尔(Cynthia Brewer)在 2003 年介绍 ColorBrewer 的论文中,给出了 3 至 12 级的色板,并指出许多顺序色板止于 9 级,“因为色板内进一步的划分在感知上不可靠”。
ColorBrewer 把它的 35 套色板分成三个系列,每个系列对应一种数据:
- **顺序型(Sequential)**色带在一种色相内或两种色相的平滑混合中,从浅到深变化(例如我们图中 5 级的橙到红
OrRd色带)。在印刷品和明亮背景上,制图惯例是颜色越深表示越多。凡是数值从低到高、没有天然中点的情况,都用顺序型色带:密度、比率、年龄或收入。 - **发散型(Diverging)**色带在中间放一个浅色的中性色,向两侧延伸成两种不同的色相(例如棕到青,或蓝到红)。只有当中间一级对应现实中有意义的数字时,才用发散型色带:人口零增长、二选一投票中的 50%,或全国平均值。
- **定性型(Qualitative)**色板使用亮度相近、色相各异的颜色,不暗示顺序。它们属于分类地图(主要土地覆盖、获胜政党、分区类型),而不是数值型的分级统计图。
除了颜色,投影也很重要。因为分级统计图用墨色填满每个多边形的全部面积,如果投影放大了高纬度地区,北方地区的视觉分量就会远远超过其真实大小。区域或世界范围的分级统计图,一定要放在等积地图投影中,绝不要用 Web Mercator。边界的细节程度也应该与你的地图比例尺相匹配,这样细小的海岸岛屿或狭长地块,就不会变成看不见填充色的深色轮廓线。
分级统计图、热力图和比例符号图有什么区别?
人们常说“热力图”,指的其实是分级统计图。在 GIS 中,这两者的输入不同,回答的问题也不同。
| 地图类型 | 输入数据 | 绘制内容 | 最适合 |
|---|---|---|---|
| 分级统计图 | 每个区域带一个数值的多边形 | 每个区域按比率、密度或百分比着色 | 比较既有行政边界之间的比率 |
| 热力图(核密度) | 点 | 忽略边界的、连续平滑的点密度栅格表面 | 找出离散事件聚集的位置(交通事故、报警电话、野生动物目击) |
| 比例符号图 | 带计数的多边形或点 | 每个要素上一个圆或方块,大小与总数成比例 | 比较原始总数:人口、收入、病例数 |
| 点密度图 | 带计数的多边形 | 每 N 个单位一个点,散布在各多边形内 | 展示总数在空间中如何分布,又不丢失密度的感觉 |
在 GIS 之外,电子表格和分析工具会把“热力图”宽泛地用于任何按数值着色的表格或网格。在 GIS 软件内部,热力图围绕点位置生成连续的密度表面;我们的 QGIS 热力图指南用三种方法制作了一幅,从 Heatmap 渲染器到核密度栅格。如果你从单个点事件出发,却想得到分级统计图,先用 QGIS 中的空间连接统计每个多边形内部的点数,再用这个计数除以多边形的面积或人口。
如何在 QGIS 中制作分级统计图?
在 QGIS 中制作分级统计图需要五步:加载边界,连接表格,计算比率,设置渐变样式,整理图例。
加载多边形和数据表
把你的边界图层(例如来自 IGN ADMIN EXPRESS 的各省)拖进 QGIS,然后添加你的统计表(一份 CSV 或电子表格,包含官方的区域代码以及人口或计数列)。
把表格连接到多边形
在多边形图层上打开 Layer Properties > Joins,点击绿色的
+按钮,匹配两个图层中共有的行政代码(例如INSEE_DEP)。如果你想要的是一个永久的新文件,而不是即时连接,可以在 Processing Toolbox 中运行 Vector general > Join attributes by field value。计算比率或密度
打开 QGIS 字段计算器,创建一个小数字段(
real),用你的计数除以分母。人口密度(单位人 / km²)可用表达式"population" / ($area / 1000000)。请确保你的项目在 Project Properties > General 中设置了有效的椭球体,这样$area返回的才是椭球体上的平方米。应用 Graduated 符号系统
进入 Layer Properties > Symbology,把顶部的渲染器从 Single Symbol 切换为 Graduated,并选择你新建的密度字段作为 Value。在 Color ramp 下选一条 ColorBrewer 色带,选择你的 Mode(Equal Count (Quantile)、Equal Interval、Natural Breaks (Jenks)、Pretty Breaks、Standard Deviation、Logarithmic scale 或 Fixed Interval),设置等级数(通常为 5),然后点击 Classify。切换到 Histogram 标签页并点击 Load Values,查看你的断点线相对于数据实际分布落在哪里。
整理图例标签并标明数据来源
双击符号列表中的 Legend 列,把不整齐的小数取整(例如把
263.14 - 1028.47改成260 to 1,030),在图例标题中写明单位(people per km²),并在你的打印布局中注明数据来源和年份。
如果你不想手动去找边界文件和连接代码,我们开发的 QGIS 插件 AI Agent 只需一句话就能做出分级统计图:它获取边界和数据表,执行连接,计算比率,并在你的项目中应用渐变样式。关于带打印布局的完整示例,请参阅 QGIS 制作地图教程,它绘制了巴黎各区的人口密度。
常见问题
分级统计图是一种专题地图,它按每个区域的统计数值,给预先划定的区域(例如国家、州、县或市镇)着色。它通常沿着由浅到深的色带,把数值分成 5 至 7 个颜色等级,并且表示的是比率、密度或百分比,而不是原始计数。
分级统计图给现成的行政多边形(如县或省)着色,每个多边形根据汇总后的比率或密度用一种均匀的颜色。GIS 热力图则以点位置为基础,计算出忽略行政边界的、平滑连续的点密度栅格表面。如果你的数据本来就附属于各区域,就用分级统计图;如果你的数据是一堆单独的坐标,就用热力图。
在分级统计图上表示原始总数,会让地理面积大的区域显得更重要,因为它们占地更多,包含的人口或事件也更多。把计数标准化为密度(每 km²)、人均数字或百分比,可以消除多边形大小造成的失真。当你需要按区域显示原始总数时,改用在多边形上放比例圆的做法,而不是给它们着色。
没有唯一最好的方法,因为正确的选择取决于数字的分布。数据从最小值到最大值分布均匀时,用 Equal Interval 或 Pretty Breaks;想把区域排成等大的几组(例如最高五分之一和最低五分之一)时,用 Quantile;数据偏斜且有离群值时,用 Natural Breaks (Jenks) 或 Logarithmic scale。发布之前,一定要在 GIS 软件里查看直方图:在我们的 96 个法国省上,Equal Interval 把 92 个区域放进同一种颜色,而 Quantile 把它们均匀分布在全部五种颜色上。
对大多数分级统计图来说,五到七个等级最合适。少于四个会掩盖地理差异,多于七个又会让顺序色带上相邻的色阶,在整幅地图上很难被人眼区分。ColorBrewer 把它的许多顺序色板限制在 9 级,因为更细的划分在感知上变得不可靠。
在 QGIS 中,先在 Layer Properties > Joins 下把统计表连接到多边形图层,再用 Field Calculator 计算比率或密度(例如 "population" / ($area / 1000000))。打开 Layer Properties > Symbology,把渲染器改为 Graduated,选择你的比率列,选一条 ColorBrewer 色带和一种分级模式,如 Quantile 或 Natural Breaks (Jenks),把等级数设为 5,然后点击 Classify。

还包含另外四种渐变分级模式(

