それを行うそれぞれの方法には利点と欠点があります。長い話を短くするには、「ビン」を作成することをお勧めします。選択を支援するための、および一般的なコロプレスの設計に関するいくつかの注意事項：
データ値を色（「分類されていない」マップ）に直接マッピングすることは、データを表示する最も正確な方法と考えることができますが、分類されたマップ（「ビン」を含むマップ）は、いくつかの理由で読みやすくなります。
分類されていないマップを使用し、データが歪んでいる場合、またはデータセットに外れ値がある場合、外れ値がはっきりと目立ちますが、多くのポリゴンの色は非常に似ています。これは、いくつかの領域が他の領域と根本的に異なるという事実を強調します（あなたの場合、いくつかの領域が他の領域よりも1つの候補者の方がはるかに高い優先度を持っていた場合）、しかし内の関係を区別することはより困難ですマップ領域の残りの部分。
クラス分けされたマップでは、各クラスを視覚的に区別する必要があるため、一部の細かい区別が失われることを犠牲にして、データ内の領域がどこにあるかを簡単に判別できます。
別の問題は、色強度の知覚が厳密に線形ではないことです。したがって、白から青へのカラーランプがあり、候補者が1人の候補者の最大リードにさらに票を獲得していないことに対応する場合、白と青の間の75％の色は、75％であると認識されない可能性があります。 2つの色の間の方法、したがってマップユーザーは、それが表すデータ値について誤った仮定をします。
一方、クラス分けされたマップでは、各クラスの色を注意深く選択して、はっきりとはっきりと知覚できるようにすることができます。これを行う一連の色を設計するのに十分な知識はありませんが、Cynthia BrewerとMark Harrowerが設計し、地図製作者がマップに適切なカラースキームを選択するのに役立つ優れた（無料の）ツールcolorbrewer2.orgを作成しました。さまざまなスキームから選択し、クラスの数を選択できます。これにより、スキームが実際にどのように見えるか、およびスキームの各色のRBG、HEX、またはCMYK値のプレビューが表示されます。とても便利で、遊ぶのも楽しいです。
これらの理由から、分類されたマップを作成することをお勧めします。クラスの推奨数は通常5〜9程度の奇数です。奇数を使用すると、明確な平均値が得られます。このクラスの数は、通常、データに有用な区別を与えるのに十分であると見なされますが、区別できなくなるほど多くはありません。発散する配色（真ん中の明るい色、両端に2つの異なる色）を使用しているため、より多くのクラス（おそらく7〜9）を使用できます。
colorbrewerに向かい、データの性質に応じて「発散」を選択し、赤から青の配色を選択し、クラスの数を選択してください。
これの多くのために、難しいルールはありません。標準は、「マップはデータをうまく伝達していますか？」「機能する」ものが得られるまでパラメータをいじることは良いことです。
今、コロプレスを作ることについてのメモ。これがあなたにとっておなじみの根拠であるならば、私の謝罪：
クラス分けされたマップを使用する場合の重要なポイントは、データをクラスに分割する方法です。範囲に沿って等間隔で壊れていますか？各クラスに特定の数のデータポイントが割り当てられていますか？平均からの特定の数の標準偏差？データの「自然な」区切りで壊れていますか？どの方法を使用するかによって、データの表現方法が異なります。私はあまりプログラマーではなく、リンク先のスクリプトがどのメソッドを使用するかわかりません。通常は「自然休憩」が適しています。ポーリングデータのように中間点が明確なデータ（中間点は50/50の分割）では、標準偏差が役立ちます。
コロプレスを作成する場合は、エリア単位で標準化されたデータを使用するとよいでしょう。たとえば、ある郡の総人口を使用する代わりに、各郡の1平方マイルあたりの人口をマッピングすることをお勧めします。その理由は、大きなエリアは小さなエリアよりも多くの人がいる傾向があるため、各マップされたユニットのエリアで除算すると、傾向のより正確な描写が得られます。データはパーセントとして標準化することもできます。たとえば、貧困層の数ではなく、貧困率。
あなたの目的のために、候補者に投じられた票の割合をマップするほうが、その候補者に投じられた票の生の数よりも明らかになります。
とにかく、私はこれのいくつかが役に立ち、あなたの地図がうまくいくことを願っています！
この議論の多くについて、私はSlocumらによる主題図作成と地理視覚化を利用しました。