みなさんこんにちは！

これは、 axismapsの連中によるテーマ別地図作成に関するガイドの第2部の翻訳です。

最初の部分： テーマ別地図作成：一般的な問題 。



情報デザイナー、ジャーナリスト（データ）、アナリスト、初心者の地図作成者、および主題カードの読み方を学び、良いカードと悪いカードを区別したい人には読みやすく、読者を誤解させることをお勧めします。 猫の下に興味のある人を招待します。

ホロプレット（背景カートグラム）

使用する場合

データ（1）がユニットのリスト（地域、州、国）に割り当てられている場合、 （2）レベルと比率を表示するように正規化されている（「生」データのホロプレットを使用しない）場合、および（3）連続的な統計的カバレッジがあります。つまり、空間の任意のポイントで現象を測定できます（ゼロも測定値です）。 たとえば、 人数は正規化された値ではないため、ホロプレスには適していません。 1平方キロメートルあたりの人数は比率であり、各場所には独自の値があります（ゼロであっても）。したがって、それはホロプレットに適しています。



ホロプレットに適したデータセットの例：

• 国ごとの所得税の世界地図
• 人口100,000人あたりの人口増加を示すマップ
• 皮膚がんの発生率の変化を示すマップ
• 国別18歳未満の人口の割合を示す世界地図
• プロパティ値の増加率を示すカード

有病率の理由

ホロップレットは非常に人気があり、おそらくこれがこれまでで最も一般的な種類の主題カードです。 そしてこれは良いことなので、読者はすでにそれらの使い方を理解している可能性が高いです。 この人気の理由の1つは、ほとんどのジオデータが特定の地域で収集されるため、最初に世界を地域、地区、県などの空間単位に分割することです。 ただし、多くの現象は人工的な境界に結び付けられないため、多くの地図製作者はこの状況に同意せず、ホロプレスが不適切に使用されることが多いと考えています。 たとえば、病気、土壌タイプ、人口統計指標は行政上の境界や郵便番号を気にせず、人間が作成したこれらの境界を越えるときに劇的に変化することはめったにありません。 一方、税率は行政上の境界と非常に密接に関係しているため、ホロプレスを使用することは理にかなっています。 視覚化された現象が行政上の境界に関連付けられているほど小さくなり、完全な感覚が失われます。



ホロプレスを使用するかどうかわからない？ 適切な代替手段は、ドット密度のカートグラム、比例および等級分けされたシンボルマップ、面積のカートグラムです。 さらに、ホロプレスには正規化されたデータが必要であり、リストされた代替物をソースデータで使用できます。

グループ付きホロプレット（分類）

以下は、連続するカラースキーム（明るい色から暗い色まで）を使用し、等間隔に分割した5つのクラスのコーラスです。







連続的なカラースキームでは、大きな値には伝統的に暗い/強い色が使用されます。 ホロプレスの配色の認識は、水の色やキャプションの色など、カードの他の色にも依存することに注意してください。 境界線の色（この例では郡と州の線）もマップの外観に強い影響を与えるため、塗りつぶしの色と線の組み合わせを試してください。 境界線の描画を拒否することもできますが、この場合、読者が地図上を移動することはより困難になります。 テーマ別地図作成で色を使用するトピックの詳細な研究については、 ColorBrewerをご覧ください 。

クラスの数

不明な場合は、 3〜7個のデータクラスを使用してマップを作成します。 もちろん、目標とデータ自体が意思決定に影響するはずです。たとえば、米国の政治地図には通常2つのクラスしかありません（赤と青の州のよく知られた地図）。 平均からの偏差を示すマップにも2つのクラス（平均以下および平均以上）しかありません。



使用するクラスが多いほど、マップ上に詳細が表示されます（これは良いことですが）マップ）。 重要な質問は、 いくつの詳細を表示するかです。 3つのクラス/色のマップは非常に読みやすいですが、データの重要な側面を読者から隠すことができ、同時に異なる地域が実際に組み合わされているという事実のために人工的な地理的パターンを作成できます。 マップのクラスの唯一の真の数は存在しないので、実験してください。



使用するクラスの数がわかりませんか？ ヒストグラム上のデータの分布を見てください。データ内に明示的なクラスターがありますか、自然なグループを形成する大きなギャップがありますか？ その場合は、これに従ってクラスの数を選択します。

分類方法

クラスの単一の真の数がないように、データを間隔に分割する単一の真の方法はありません。 ヒストグラム（または散布図）を見て、データの「形状」を判断します。 1つのクラスで頻度が近い値と、異なるクラスで分布する頻度が非常に異なる値を決定しようとします。





これらのヒストグラムの形状は、3つまたは4つのクラスが適切な選択であることを示唆しています。

他の推論がない場合、自然な「差異/ギャップ」は間隔を形成するための良い基礎となります。

等間隔は、データを同じサイズ（たとえば、0-10、10-20、20-30など）のクラスに分割し、均等に分散されたデータで最適に機能します。 注意：ヒストグラムに明らかなスキュー（非対称）が見られる場合、または大きな外れ値がある場合は、等間隔で除算を使用しないでください。 放出は空のクラスを生成し、バイアスはクラス内で大きな変動をもたらします。 ホテルのデータには明らかな異常値はないため、ここでは等間隔を使用できます。



QUANTILESは、各クラスに同じ数の観測値を持つマップを作成するのに役立ちます。30の領域と6つのデータクラスがある場合、各クラスには5つの領域があります。 分位の欠如は、クラスごとに非常に異なる間隔につながる可能性があることです（たとえば、1〜4、4〜9、9〜250 ...最後のクラスは巨大です）。 外れ値は、周波数が非常に近い領域を分離し、異なる周波数の領域を結合する可能性があります。これは非常に望ましくないため、常にヒストグラムの内訳を確認してください。 注意：ホテルデータを使用した例では、分位の使用により、3番目のクラスターの一部が2番目のクラスに分類されますが、3番目のクラスの観測値に非常に近くなります。



NATURAL GAPSは、ある意味では最初はクラス内の変動を最小化し、クラス間の差異を最大化するため、「最適な」ソリューションです。 この方法の欠点の1つは、各データセットが一意であり、それに応じてパーティションも一意であることです。 これにより、たとえば、マップアトラスや経時的なダイナミクスを示す一連のマップなど、異なるデータセットの類似したマップを比較することができなくなります。 そのような場合は、異なるクラス内訳スキームを使用することをお勧めします。



多くの場合、 手動でクラスの境界を設定する必要があります。 理由は異なる場合があります：データの重要な点を考慮し、平均値を境界の1つにし、マップをシリーズ/アトラスの一部にする必要があります（そのため、シリーズの色と範囲の連続性が維持されます）。 少しの編集で他のメソッドの分割を改善できる場合、それらを手動で調整することを恐れないでください。

未分類のホロプレット

分類されていないホロプレットは、従来の分類されたホロプレットの魅力的な代替品ですが、その品質は地図製作者コミュニティによって熱く議論されていますが、長所と短所は30年以上にわたって特定されています。 これらは1970年代初頭にWaldo Toblerによって最初に提案されました;これらのカードの支持者は、クラス分割（ほとんど常に最適ではない）を回避できることで彼らを愛しています。 伝統的な分類されたホロプレットの批評家は、分類はデータをフィルタリングする非常に強力な方法であり、重要な詳細をかき消し、地図の認識を簡単に変更することができると考えていますが、それは読者によってしばしば与えられたように認識されます。 分類されていないホロプレスはこの問題を回避し、「データが自分自身で話す」ことを可能にし、わずかな違いでさえマップ上で明らかにすることができます。



未分類のホロプレスでは、一意の値はそれぞれ一意の色を受け取ります。 たとえば、米国の50州の失業率は低いものから高いものの順にランク付けされ、連続したカラースケールに沿って配置されます（下の例を参照）。 たとえば、ランキングで3位と2位の状態の間に大きな数値ギャップがある場合、対応する色のギャップも大きくなります。

未分類のホロプレスの例

上記の例では、失業の一般的なパターンがどれほど簡単に見えるかに注意してください。 しかし、同時に、異なる地区の失業率を比較またはランク付けすることは非常に困難です。カリフォルニア州の郡を昇順でランク付けしてみてください...ほとんど不可能です。

制限事項

未分類のホロプレスには、少なくとも3つの大きな欠陥があります。 最初に、データに自分自身で話すようにさせるという考えは非常に魅力的ですが、多くの場合、言うべきことが多すぎることが判明します。 地図製作者は長い間、分類に頼ってランダムノイズや小さな変動を抑制し、重要な違いを強調してきました。 たとえば、2つのクラス（2色）の非常に単純なコロプレットは、失業率が全国平均を上回ったり下回ったりするエリアを非常にすばやく表示し、詳細は必要ない場合があります。 第二に、広範な研究により、ユーザーは混同しやすい何百ものわずかに異なる色を含むことができるため、分類されていないホロプレットの色を凡例（スケール）の色に一致させることはほとんどできないことが示されています。 これにより、値の推定が非常に困難になります（ベルギーはシリアより暗いですか？）。 第三に、多くの類似した色の分類されていないカードは、特に通常のプリンターでの印刷には通常適していません。 カードは50種類の赤の色合いを使用できますが、プリンター（および場合によってはモニター）でそのような多様性を再現することはできません。 残念ながら、 コントラスト効果のおかげで、あなたの目でさえそれができません。

未分類のホロプレスに関する推奨事項

最小限の変更データを表示したい場合、許容できる分類スキームが見つからない場合、および一般的な地理的パターンを表示する必要がある場合は、未分類のホロプレットを使用します。 ただし、カードから数字を明確に読み取る必要がある場合や、場所を互いに正確に比較する必要がある場合は、それらを使用しません。 カードから正確なデータを読み取る必要があり、カードが静的であるため、クリックしても値を取得できない場合は、分類されたホロプレットを使用することをお勧めします。

分類されたホロプレスに関する推奨事項

分類されたホロプレットを使用します。データが管理上の境界に対応している場合、一般的な地理的パターンを表示し、マップから特定の値を比較的簡単に読み取れるようにする必要があります。 そして、分類は私たちの仕事に主観をもたらし（結局、クラスに分類する正しい方法しかありません）、地図の粒度を減らしますが、分類されたホロプレットは依然として世界を表す非常に人気があり信頼できる方法です。

比例および段階的なキャラクターカード

使用する場合

比例シンボルカードは、単純なシンボル（通常は円または正方形）のサイズを、この場所の値に比例して拡大縮小します。 原則は非常に単純です。シンボルが大きいほど、この場所のインジケータの値は大きくなります。 最も基本的な方法は、データに比例して円をスケーリングすることです。たとえば、トロントの人口がバンクーバーの人口の2倍である場合、トロントの人口のサイズのシンボルは2倍の面積になります。 ただし、観測値をカテゴリまたは数値範囲（間隔）にグループ化し、段階的なシンボルマップを作成することもできます 。 たとえば、このようなカードには、3つのカテゴリの都市（100万人未満、1〜4百万人、400万人以上の住民がいる都市）に対応する3つのサイズのシンボルしかありません。 両方のタイプのカードの長所と短所については、以下で詳しく説明します。



また、読み続ける前に、データ分類のトピックを調べてください。



もう1つの注意：円や正方形などの2次元文字の場合、 高さや長 さではなく、データをエンコードするのはその領域です 。

なぜ彼らは良いですか

比例シンボリックカードは、 数値データ （収入、年齢）と通常のカテゴリデータ （破産の低、中、高リスク）の両方で使用できるため、非常に柔軟です。 また、ポイントデータとエリアデータの両方で使用できます。



ポイント密度カートグラムに対する比例シンボルマップの利点の1つは、多数の小さなドットを数えるよりもシンボルのサイズを評価する方がはるかに簡単であるため、マップから数値を読み取り、抽出するのがはるかに簡単なことです。 ホロプレスとは異なり、シンボルマップは、この領域の面積に関係なく、領域単位に関連付けられた値を表示できます。 つまり、オランダなどの小さな国の指標値が大きい場合、大きなシンボルがそれに対応します。 ホロプレットでは、小さな領土は大きなものに簡単にdrれ、カナダなどの国は色に関係なく支配します。 これは議論の余地がありますが、シンボルのサイズはテーマデータに直接関連しており、領域のジオメトリに関連付けられていないため、比例シンボルマップは「データがそれ自体を話すことを許可します」と考えることができます。 後者は、ホロプレットとは異なり、シンボルカードは生データ （量、数量）と正規化されたデータ （パーセンテージ、比率）の両方で使用できます。 ホロプレットは、正規化されたデータでのみ使用する必要があります。



プロポーショナルキャラクターカードに適したデータの例：

• 国ごとの一人当たりのコーヒー消費量
• 地震の震源地とマグニチュード
• 都市の地震確率
• 中国の50大都市の人口

1次元の比例シンボルマップの例

上記の比例シンボルマップでは、カリフォルニアの都市の高度がエンコードされます。正方形が大きいほど、高度が高くなります。 正方形と円はコンパクトなので非常に便利です。また、形状が単純なため、サイズの評価と比較が簡単になります。 文字の塗りつぶし、ストローク、透明度を試してください。さまざまなオプションが可能です。塗りつぶしのみ、ストロークのみ-マップコンテンツの残りの重要性に応じて。

多次元比例シンボルマップの例

比例シンボルマップの利点の1つは、 1つの複合シンボルで多くの変数を一度にエンコードするのに適していることです （「1次元マップと多次元マップ」のセクションも参照してください。以下の例では、米国の州ごとに3つの異なる数値を示します：半透明の緑色の円のサイズは1つの変数をエンコードし、不透明な円のサイズは2番目、不透明な円の色は3番目の変数です。



（1）レイヤーの順序、（2）透明度、（3）塗りつぶし（またはその欠如）、および（4）サイズを試してみると、このような驚くほどリッチなマップを作成できます。 主なことは、表示する変数が一緒に表示する意味があることを確認することです。言い換えると、それらは概念的または論理的に接続されています。 たとえば、収入+トレーニング期間+心臓発作のリスクは部分的に相互に関連（相関）しているため、興味深い多次元マップを取得できます。

制限事項

プロポーショナルシンボルマップの一般的な問題は、特にサイズ範囲が非常に大きい場合、または多くの場所が近接している場合（冒頭のカリフォルニアマップのように）、シンボルが密集して重なり合うことです。 文字の透明度を使用すると、重複する文字が透けて見えるようになるため、問題が部分的に解決されます。 もう1つの方法は、キャラクターを物理的に移動し、山がないように手動で配置することです。 ただし、この方法では、ユーザーがシンボルと場所の間の接続を失うリスクが高まります（混雑よりもはるかに悪いです）。





小さな正方形が1000人を表す場合、何人が大きな正方形を表しますか？

答えはあなたを驚かせるかもしれません（以下の答え）



プロポーショナルキャラクターカードのもう1つの一般的な問題は、ユーザーが原則として、 キャラクターの面積を正しく推定できないことです。 実際、私たちのほとんどはこれにひどく悪いです。 大規模な調査によると、ほとんどの人は体系的に面積の差を過小評価しており、差が大きいほど誤差が大きくなります。 この例では、大きな正方形は小さな正方形の36倍、つまり36,000人です。



ソリューション？ 慎重に設計された凡例が役立ちますが、おそらく、データを単純に分類し、小さな、中、大きな円など、サイズで簡単に区別できる少数の個別の文字サイズのみを使用する方がはるかに優れています。 このトピックに関する長年の研究を要約すると、クラスごとにグループ化する際のデータの詳細の損失は、マップ読み取りエラーの減少によって相殺されます。 もちろん、分類は私たちの仕事に主観の要素を導入します。なぜなら、（1）使用するクラスの数と（2）データをグループ化する方法（等間隔？自然ギャップ？）



観測のグループ化と分類の詳細については、「データ分類の基本」セクションを参照してください。



プロポーショナルキャラクターカードを使用するかどうかわからない？ 可能な代替には、ホロプレス（データを正規化できる場合）、ポイント密度チャート、面チャートが含まれます。

推奨事項

プロポーショナルキャラクターカード（分類されていないデータ）と段階的なキャラクターカード（分類されたデータ）は、幅広いデータタイプを表す非常に柔軟な方法です。 また、コロプレスの問題のいくつかを回避します。 ただし、それらは非常に過負荷で混み合った文字になる可能性があり（読みにくい）、その場合は、目標、データ、対象者に基づいて、ホロプレス、ドット密度カートグラム、または面積カートグラムの形の代替手段に頼ることができます。

ドット密度カートグラム

使用する場合

ドット密度のカートグラムはシンプルで、地図上の地理現象の密度の違いを表示するのに非常に効果的です。 このタイプのカードは読みやすく、クラスターまたはクラスターを直感的なレベルで表示するため、150年以上にわたって人気があります。 ポイント密度カートグラムには主に2つのタイプがあります： 1対1 （1つのポイントは1つのオブジェクトまたはインジケーターを表す）と1対多で 、1つのポイントは多くの物または値に対応します（たとえば、1ポイント=播種面積1,000エーカー）。



注：すべてのポイント密度カートグラムは、面積を維持する（等しい）投影を使用する必要があります 。 これが重要なポイントです-面積を保持しない投影を使用すると、密度の知覚に歪みが生じます。 この場合、 Alberの等角円錐投影法 、 正弦波投影法、および円筒 等角 投影法が適しています。

なぜ彼らは良いですか

コロプレスよりも点密度カートグラムには少なくとも3つの重大な利点があります。（1）点カートグラムでは、純粋な形式 （正規化なし）と頻度と比率 （正規化データ）の両方のデータを視覚化できます。 （2）データを行政境界に関連付ける必要はありません（元々領土単位に関連付けられていた場合を除く）。 （3）ドット密度のカートグラムは、カラーが利用できない場合に白黒でうまく機能します。



点密度マッピングに適したデータの例：

• 地域の代表事務所の分布（1ポイント= 1代表事務所）
• 地震震源地（1ポイント= 1震源地）
• 国別人口（1ドット= 10,000人の住民）
• 未耕作の肥沃な土地のヘクタール数（1ポイント= 500ヘクタール）

ドット密度マップの例

以下は、ニュージーランドの羊の数を州ごとに示したドット密度チャートです。 この地図は、ニュージーランドの羊が遍在していることを示していますが、島の東部では西部よりも多くの羊が飼育されています。

制限事項

点密度カートグラムの汎用性と認識のしやすさは魅力的ですが、1つの基本的な欠陥があります。マップから正確な値を抽出するにはひどいことです。 たとえば、ニュージーランドの羊の正確な数を調べるために、数百（または数千）ポイントを数える人はほとんどいません。 マップ上のテリトリーを比較することにより、羊の数が多い場所を簡単に見つけることができますが、それ以上はわかりません。 この問題を解決するには、マップに値を直接追加するか、テーブルにマップを添付します。



また、ほとんどのポイント密度カートグラムはポイントをランダムに分布しますが、読者はポイントの位置を文字通りに（現象の正確な位置として）認識できる可能性があります。 これを避けるために、ポイントカートグラムのスケールを大きくしすぎないでください。 さらに、誤解を避けるために、ポイントは現象が実際に存在するエリアにのみ分布する必要があります（たとえば、人口密度マップ上の湖にポイントがあってはなりません）。



ドット密度チャートを使用するかどうかわかりませんか？ 可能な選択肢には、ホロプレス（データを正規化できる場合）、段階的/比例シンボルマップ、面積カートグラムがあります。

ポイントサイズとポイント値

上記のニュージーランドのマップでは、1つのドットは27,500頭の羊を表し、この対応はマップドット値と呼ばれます。 1つのポイントがどれだけ示す必要があるかを自分で判断します。独自の解決策はありません。最も密度の低いエリアがいくつかのポイントで示され、最も密度の高いエリアではポイントがかろうじてくっつき始めたときに、値を試してバランスを取ります。一部のエリアが豊富なポイントから固体になるドット密度カートグラムを避けます-最も密度の高いエリアでも、隣接するポイント間にギャップができるまでポイントの値を増やします。ポイントのサイズ変更、インクの量とマップの表示方法を制御することもできます。あなたの目標は、ポイントをはっきりと見えるほど大きくすることですが、それ以上はできません。



ポイント密度チャートは、ポイント値とポイントサイズのバランスです。良い結果が得られるまで、両方のパラメーターを試してください。



ヒント：マップを印刷する場合は、画面だけでなく、印刷バージョンでもドット値とドットサイズが正しいことを確認してください。プリンタはほとんどの画面よりも高い解像度を提供するため、最適な設計はカードキャリアによって異なります。

推奨事項

ドット密度のカートグラムはほとんど使用されていませんが、地理的な密度と分布を視覚化するシンプルさ（および費用対効果）について、Arthur Robinsonなどのプロの地図製作者から長い間賞賛されてきました。柔軟性があり、あらゆる種類のデータを処理し、読みやすいです。ただし、カードから正確な値を抽出する必要がある場合は、分類されたホロプレットまたはプロポーショナルシンボルカードを使用することをお勧めします。

面積カートグラム

使用する場合

エリアカートグラムは近年顕著に普及しており、多くの場合、従来のホロプレットの代替として使用されています。人気の波にもかかわらず、面積全体の意味としても知られている面積のカートラム-深刻な制限がないわけではありません。ほとんどの場合、ジオデータの詳細な視覚化ではなく、視聴者の注意を引くために使用されます。それにも関わらず、エリアカートグラムは、おそらく地域単位（国、地域）に割り当てられた主題データを表示する最も簡単で最も効果的な方法です。地図には地理と主題属性の両方が表示されるためです。各領域のサイズは属性値に比例します。これにより、他の主題データをエンコードするのに十分なスペースが残るため、面積カートグラムを他のタイプの主題マップと組み合わせて、豊富な多次元マップを作成できます。







上記の例では、国の面積は人口に比例しています。オーストラリアに注目してください。オーストラリアは、中国やインドに比べてかなり縮小しています。エリアカートグラムは多くの場合、人々を表すために使用されますが、領土に割り当てられた数値データも使用できます。



統計地図は（！や自分自身）sgenenrirovany多くのアルゴリズムすることができ、することができ、連続、寸法が歪んでいるところが、隣接する領域はそう残ってもよいし、不連続、テリトリーはほぼその場所（地理的）にありますが、隣人と分けられています。すべてのカートグラムは形状、トポロジー、またはその両方の保存を犠牲にしなければならないため、馴染みのある形状を維持する能力のために、非連続のエリアカートグラムを好みます。カートグラム設計の問題に関するより詳細な研究については、Zach Johnsonの研究をご覧ください。

分類および未分類のエリアカートグラム

従来のカートグラムのバリエーションは、分類された面積カートグラムです。従来の面積カートグラムでは、データはクラスごとにグループ化されず、テリトリーのサイズは直接比例（および連続）します。分類されたカートグラムでは、データは最初にクラスに分割され、次に離散面積係数が各クラスに割り当てられます（対応するセクションで分類の長所と短所の詳細な説明を参照してください）。分類されたカートグラムは、サイズのばらつきを減らすことで、テリトリーの相対的なサイズの比較を容易にすることができます。たとえば、2つの国は完全に異なるフォームを持つことができますが、分類されたカートグラムでは、同じクラスに属している場合は同じ面積になります。Zach Johnsonの記事で詳細を読む 。

制限＃1

差異が大きすぎる場合（上記の人口マップのように）、面積カートグラムにより、世界の精神マップを意図的に歪んだカートグラムにマッピングできます。しかし、これは欠点でもあり、ユーザーが領土ユニットがどのように見えるべきかわからない場合、メンタルマップと比較して歪みを評価することはできません。



考えられる解決策：通常のカードをカートグラムの下に配置して、元のカードと比較してサイズの歪みを推定できるようにします。

制限＃2

多くの研究から、ほとんどの人がエリアをあまりよく推定しておらず、「もっと」または「より少ない」という大まかな推定の場合を考慮せずに、異なるマップシンボル間の違いを評価するのが難しいことがあります。面積カートグラムは比例/傾斜マップとこの欠点を共有しますが、この場合、カートグラム上の各領土単位は一意の複雑な形状を表すため、事態はさらに悪化します。実際、2つの領域の面積が同じでも形状が異なる場合でも、人々は面積が異なると考える傾向があります。データがサイズによって直接エンコードされると、サイズを正しく推定できないため、データを理解することが非常に難しくなります。



可能な解決策：等級分けされたシンボルマップを使用した経験に基づいて、正式なテストを実施しませんでしたが、分類されたカートグラムを使用すると、同じ領域の領域の比較が容易になります。



エリアカートグラムを使用するかどうかわからない場合 可能な選択肢には、ドット密度チャート、比例および段階的シンボルマップ、ホロプレットがあります。

推奨事項

主に、地域とデータの値の間に予期しない不均衡がある場合に、カートグラムを使用します。このようなカードは、特に社会現象（人口、収入、消費者の好み）を説明するものであり、他のタイプのカードと比較して非常に刺激的で思い出深いものになります。ただし、読者の中には、歪みのために地図が「間違っている」と感じる人もいるでしょう。また、歪みが意図的なものであることを理解していても、マップから値を読み取ることが困難な場合があります。



Axis Mapsによるオリジナルの作品。 ライセンス： Creative Commons Attribution-NonCommercial 4.0 International License 。

KoGorによる翻訳。 翻訳ライセンスは、 Creative Commons Attribution-NonCommercial 4.0 International Licenseでもあります。