Existem vantagens e desvantagens em cada maneira de fazê-lo. Para resumir uma longa história, eu recomendaria a criação de "caixas". Algumas notas para ajudá-lo a escolher e sobre o design de coroas em geral:
Um mapeamento direto do valor dos dados para a cor (um mapa 'não classificado') pode ser considerado a maneira mais precisa de exibir os dados, no entanto, mapas classificados (mapas com 'compartimentos') podem ser mais legíveis por vários motivos.
Se você usar um mapa não classificado e os dados estiverem distorcidos, ou se houver outliers no conjunto de dados, os outliers se destacarão claramente, enquanto muitos dos polígonos podem ter cores muito semelhantes. Isso destacaria o fato de que algumas áreas são radicalmente diferentes das outras (no seu caso, se algumas áreas tiverem uma preferência significativamente maior por um candidato do que a maioria das áreas), mas é mais difícil distinguir os relacionamentos entre eles. o restante da área do mapa.
Em um mapa classificado, cada classe deve ser visualmente distinta; portanto, é fácil saber onde está uma área nos dados, ao custo de perder algumas das distinções mais finas.
Outro problema é que a percepção da intensidade da cor não é estritamente linear. Portanto, se você tivesse uma rampa de cores de branco para azul, correspondendo a nenhum candidato recebendo mais votos à liderança máxima de um candidato, a cor que fica a 75% do caminho entre branco e azul pode não ser percebida como sendo 75% da entre as duas cores e, portanto, o usuário do mapa faria uma suposição falsa sobre qual valor de dados ele representava.
Os mapas classificados, por outro lado, podem ter a cor de cada classe cuidadosamente escolhida para ser percebida de forma clara e distinta. Não sei o suficiente para projetar um conjunto de cores que faça isso, mas Cynthia Brewer e Mark Harrower fazem, e eles criaram o colorbrewer2.org , uma ótima ferramenta (gratuita) para ajudar os cartógrafos a escolher bons esquemas de cores para seus mapas. Você pode escolher entre uma variedade de esquemas, escolher o número de classes e fornecer uma visualização da aparência do esquema na prática e os valores RBG, HEX ou CMYK para cada cor no esquema. Muito útil e simplesmente divertido de brincar.
Por esses motivos, eu recomendaria fazer um mapa classificado. O número recomendado de classes geralmente é um número ímpar entre 5 e 9. O uso de um número ímpar fornece um valor médio distinto, e esse número de classes geralmente é considerado suficiente para fornecer distinções úteis nos dados, mas não muitas para tornar-se indistinguível. Como você está usando um esquema de cores divergente (cores claras no meio, duas cores diferentes em cada extremidade), você pode se dar bem com mais aulas, talvez 7-9.
Vá para o colorbrewer, escolha "divergente" para a natureza dos seus dados, selecione o esquema de cores vermelho para azul, escolha seu número de classes e pronto!
Por muito disso, não existe uma regra rígida. O padrão é "o mapa comunica bem os dados?" Brincar com os parâmetros até conseguir algo que "funcione" pode ser uma coisa boa.
Agora, uma nota sobre como fazer coroas. Peço desculpas se este é um terreno familiar para você:
Um ponto de interesse ao usar um mapa classificado é como os dados são divididos em classes. Ele está quebrado em intervalos iguais ao longo do intervalo? Há um certo número de pontos de dados atribuídos a cada classe? Um certo número de desvios-padrão da média? Ele está quebrado em intervalos "naturais" nos dados? Qual método você usa faz diferença na maneira como os dados são retratados. Não sou muito programador e não tenho certeza de qual método o script vinculado usa. "Pausas naturais" são geralmente uma boa escolha. Para dados com um ponto médio claro, como dados de pesquisa (o ponto médio é uma divisão 50/50), os desvios padrão podem ser úteis.
Ao fazer um coro, é bom usar dados padronizados em uma unidade de área. Por exemplo, em vez de usar a população total em um município, é melhor mapear a população por quilômetro quadrado em cada município. A razão é que uma área maior tende a ter mais pessoas do que uma menor, portanto, dividir pela área de cada unidade mapeada fornece um retrato mais preciso das tendências. Os dados também podem ser padronizados como um percentual. Por exemplo, uma taxa de pobreza em vez de um número de pessoas na pobreza.
Para seus propósitos, é mais revelador mapear a porcentagem de votos expressos para um candidato do que o número bruto de votos expressos para esse candidato.
Enfim, espero que isso seja útil e que seu mapa fique bem!
Durante grande parte dessa discussão, recorrai à Cartografia Temática e Geovisualização de Slocum et al.