Hay beneficios y desventajas en cada forma de hacerlo. Para resumir, recomendaría crear "contenedores". Un par de notas para ayudarlo a elegir y sobre el diseño de coropletas en general:
Un mapeo directo del valor de los datos al color (un mapa 'no clasificado') podría considerarse la forma más precisa de mostrar los datos, sin embargo, los mapas clasificados (mapas con 'contenedores') pueden ser más legibles por varias razones.
Si usa un mapa no clasificado y los datos están sesgados, o hay valores atípicos en el conjunto de datos, los valores atípicos se destacarán claramente, mientras que muchos de los polígonos pueden terminar en un color muy similar. Esto destacaría el hecho de que algunas áreas son radicalmente diferentes que otras (en su caso, si un par de áreas tenían una preferencia significativamente mayor por un candidato sobre el otro que la mayoría de las áreas), pero es más difícil distinguir las relaciones dentro de El resto del área del mapa.
En un mapa clasificado, cada clase debe ser visualmente distinta, por lo que es fácil saber dónde se encuentra un área en los datos, a costa de que se pierdan algunas de las distinciones más finas.
Otro problema es que la percepción de la intensidad del color no es estrictamente lineal. Entonces, si tuviera una rampa de color de blanco a azul, que corresponde a ningún candidato que reciba más votos para el plomo máximo para un candidato, el color que es el 75% del camino entre el blanco y el azul podría no percibirse como el 75% del entre los dos colores y, por lo tanto, el usuario del mapa haría una suposición falsa sobre qué valor de datos representaba.
Los mapas clasificados, por otro lado, pueden tener el color de cada clase cuidadosamente elegido para ser percibido clara y distintivamente. No sé lo suficiente para diseñar un conjunto de colores que haga esto, pero Cynthia Brewer y Mark Harrower sí, y crearon colorbrewer2.org , una gran herramienta (gratuita) para ayudar a los cartógrafos a elegir buenos esquemas de color para sus mapas. Puede elegir entre una variedad de esquemas, elegir el número de clases, y ofrece una vista previa de cómo se vería el esquema en la práctica, y los valores RBG, HEX o CMYK para cada color en el esquema. Muy útil, y simplemente divertido para jugar.
Por estas razones, recomendaría hacer un mapa clasificado. El número recomendado de clases suele ser un número impar de 5-9 más o menos. El uso de un número impar da un valor promedio distinto, y este número de clases generalmente se considera suficiente para dar distinciones útiles en los datos, pero no demasiados para que no se puedan distinguir. Como está utilizando un esquema de color divergente (color claro en el medio, dos colores diferentes en cada extremo), puede salirse con más clases, tal vez 7-9.
Dirígete a Colorbrewer, elige "divergir" por la naturaleza de tus datos, selecciona el esquema de color rojo a azul, elige tu número de clases y ¡listo!
Para gran parte de esto, no hay una regla estricta. El estándar es, "¿el mapa comunica bien los datos?" Jugar con los parámetros hasta obtener algo que "funcione" puede ser algo bueno.
Ahora, una nota sobre hacer coropletas. Mis disculpas si este es un terreno familiar para usted:
Un punto de interés cuando se usa un mapa clasificado es cómo se dividen los datos en clases. ¿Se rompe a intervalos iguales a lo largo del rango? ¿Se asigna un cierto número de puntos de datos a cada clase? ¿Cierto número de desviaciones estándar de la media? ¿Está roto en las interrupciones "naturales" en los datos? El método que use marca la diferencia en cómo se representan los datos. No soy un gran programador, y no estoy seguro de qué método utiliza el script que vincula. Los "descansos naturales" suelen ser una buena opción. Para datos con un punto medio claro como datos de sondeo (el punto medio es una división 50/50), las desviaciones estándar pueden ser útiles.
Al hacer un coropleta, es bueno usar datos estandarizados sobre una unidad de área. Por ejemplo, en lugar de utilizar la población total en un condado, es mejor mapear la población por milla cuadrada en cada condado. La razón es que un área más grande tenderá a tener más personas en ella que una más pequeña, por lo que dividir por el área de cada unidad mapeada proporciona una descripción más precisa de las tendencias. Los datos también se pueden estandarizar como un porcentaje. Por ejemplo, una tasa de pobreza en lugar de un número de personas en la pobreza.
Para sus propósitos, es más revelador mapear el porcentaje de votos emitidos para un candidato que el número bruto de votos emitidos para ese candidato.
De todos modos, espero que algo de esto sea útil, ¡y que tu mapa salga bien!
Para gran parte de esta discusión, recurrí a Cartografía temática y geovisualización de Slocum et al.