データを分類する場合は、ArcGIS Pro で提供されている多くの標準の分類方法のいずれかを使用するか、独自のカスタム クラス範囲を手動で定義することができます。分類方法を使用すると、等級シンボルの数値フィールドを分類できます。
手動間隔
手動間隔 
を使用してカスタム クラスを定義し、クラスの閾値を手動で追加して、データに適したクラス範囲を設定できます。また、いずれかの標準分類手法を出発点として、必要に応じて調整することもできます。
指定間隔分類
指定間隔分類 
を使用して、値の範囲が同じである一連のクラスを定義するのに使用する間隔サイズを指定します。たとえば、間隔サイズが 75 の場合、各クラスの間隔は 75 刻みになります。間隔サイズと最大サンプル サイズに基づいてクラス数が自動的に決定されます。間隔サイズは、最小クラス数 (3) を保持できる程度に小さいサイズでなくてはなりません。
等間隔
等間隔分類 
を使用して、属性値の範囲を同じサイズのサブ範囲に分割します。これを使用して間隔数を指定でき、値の範囲に基づいてクラス閾値が自動的に決定されます。たとえば、値の範囲が 0 ～ 300 である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ような場合です。
等量分類
等量分類 
では、各クラスに同じ数のフィーチャが含まれます。等量分類は、線形に分散しているデータに適しています。等量分類では、各クラスに同じ数のデータ値を割り当てます。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。
等量分類では、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。
自然分類 (Jenks)
自然分類 (Jenks) 
では、クラスはデータ値の自然なグループ化に基づいています。クラス閾値は、類似している値を最適にグループ化し、クラス間の差異を最大化するように作成されます。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。
自然分類手法は、データ固有の分類方法で、異なる基礎情報から構築された複数のマップの比較には有用ではありません。
この分類方法は、Jenks の自然分類アルゴリズムに基づいています。詳細については、「Univariate classification schemes」 (Geospatial Analysis—A Comprehensive Guide, 6th edition; 2007 – 2018; de Smith, Goodchild, Longley) をご参照ください。
等比間隔
等比間隔分類法 
では、等比級数を持つクラスの間隔に基づいてクラス閾値が作成されます。この分類法におけるジオメトリック係数を (逆数に) 変更して、クラスの範囲を最適化することができます。このアルゴリズムは、各クラスの要素数の二乗和を最小化することで、幾何学的間隔を作成します。これにより、各クラスの範囲にクラスごとにほぼ同じ数の値が含まれ、間隔ごとの差がほぼ一定に保たれます。
このアルゴリズムは、連続的なデータに対処するために特別に設計されたものです。等間隔分類、自然分類 (Jenks)、および等量分類の折衷的な方法です。中間値と極値の重要な変化の間でバランスを取ることで、視覚効果の高い、地図作成的にも包括的な結果が生成されます。
等比間隔分類を使用する例としては、降雨量のデータセットを使用する際に、100 の測候所のうち 15 の (50% 未満の) 測候所では降水量が記録され、残りの測候所では降水量が記録されていないために属性値が 0 になる場合などがあります。
標準偏差
標準偏差分類 
では、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。平均値と標準偏差は自動的に計算されます。標準偏差の比率となる等しい値範囲 (通常、1 倍、1/2、1/3、または 1/4 の間隔) でクラス閾値が設定されます。平均値と平均値からの標準偏差が使用されます。