Графические переменные
- О чём эта тема
- Размер, форма, светлота, цветовой тон и другие «ручки», которыми один условный знак отличается от другого. Разбираем их свойства по Бертену и учимся подбирать переменную под характер данных.
- Коротко о главном
- Графические переменные — способы, которыми знаки отличаются друг от друга. У Бертена их семь: положение, размер, форма, светлота, цветовой тон, ориентация, текстура; позже добавили насыщенность, рисунок, чёткость, разрешение, прозрачность.
- Четыре свойства: селективность (сразу выделяем группу), ассоциативность (видим группу вопреки различиям), упорядоченность (порядок виден без легенды), количественность (видно, во сколько раз).
- Форма не селективна: если категории связаны с темой карты, различайте их цветовым тоном.
- Размер и светлота диссоциативны — они меняют «вес» знака и разрушают ощущение одной группы.
- Упорядоченные данные — упорядоченными переменными (размер, светлота); неупорядоченные — неупорядоченными (цветовой тон, форма).
- Количественно на глаз оцениваются только положение и размер, да и то приблизительно.
- Время
- 25 минут + практика
Ключевые термины
- Воспринимаемые глазом различия между элементами карты — основные способы различать условные знаки. У Ж. Бертена — «ретинальные переменные» (variables rétiniennes).
- Степень светлоты или темноты цвета: от белого через серые к чёрному. Не путать с «значением»!
- То, что в быту называют «цветом»: красный, зелёный, синий… Неупорядоченная переменная.
- Размер элементов узора внутри знака: мелкая или крупная штриховка, частые или редкие точки.
- Угол поворота знака или штриховки.
- Позволяет сразу, без поиска, выделить группу знаков с одинаковым значением переменной («все жёлтые»).
- Ассоциативная не меняет заметности знаков: разные знаки всё равно видятся одной группой. Диссоциативная (размер, светлота) меняет «вес» знаков.
- Её значения сами собой выстраиваются в последовательность — без легенды понятно, что «больше», а что «меньше».
- Позволяет оценить на глаз численную разницу: «этот знак примерно вдвое больше того».
Конспект
Что такое графические переменные
Как бы ни была устроена карта, её знаки различаются ограниченным числом способов. Французский картограф Жак Бертен в книге «Семиология графики» (Sémiologie graphique, 1967) выделил семь таких способов, позже их список расширили Дж. Моррисон и А. Мак-Ихрен.

| Переменная | Что меняется | Пример на карте |
|---|---|---|
| Положение | Где стоит знак | Координаты объекта — основа любой карты |
| Размер | Площадь знака, толщина линии | Круги пропорционально населению; толщина реки |
| Форма | Очертания знака | Квадрат — школа, крест — больница |
| Светлота | От светлого к тёмному | Картограмма плотности населения |
| Цветовой тон | Красный, зелёный, синий… | Карта почв, видов землепользования |
| Ориентация | Угол поворота | Стрелки направления ветра |
| Текстура | Мелкость узора | Штриховка в чёрно-белой печати |
| Насыщенность (Моррисон) | Яркость цвета при том же тоне | Приглушённые цвета фона, яркие — данных |
| Рисунок (Моррисон) | Расположение элементов узора | Точки сеткой или вразброс в заливке |
| Чёткость (Мак-Ихрен) | Резкость контура | Размытая граница — неточно известная |
| Разрешение (Мак-Ихрен) | Детальность изображения | Грубая «пиксельная» граница — неточные данные |
| Прозрачность (Мак-Ихрен) | Насколько знак просвечивает | Карта «значение по прозрачности» (value-by-alpha) |
Четыре свойства переменных
Селективность
Переменная селективна, если по ней можно мгновенно выделить группу знаков. Цветовой тон селективен: все жёлтые знаки «выпрыгивают» сами. Форма, по Бертену, никогда не селективна; ориентация не селективна, если применяется к площадным объектам (штриховка под разными углами).
Селективна: цветовой тон

Жёлтые кружки сразу воспринимаются как группа.
Не селективна: форма

Даже когда все треугольники выделены (справа), они не складываются в группу.
Ассоциативность
Переменная ассоциативна, если знаки, различающиеся по ней, всё равно видятся одной группой. Иначе говоря — не меняет «вес», заметность знаков. Ассоциативность не исключает селективности: цветовой тон обладает обоими свойствами.
Ассоциативна: форма

Фиолетовые знаки одного размера видятся группой, несмотря на разную форму.
Диссоциативен: размер

Крупные знаки видны первыми; единой группы «кружков» не получается.
По Бертену, «ассоциативная переменная не изменяет заметности знаков… диссоциативная — изменяет». Из его семи переменных диссоциативны размер и светлота.
Упорядоченность
Переменная упорядочена, если по ней знаки можно расставить по порядку, не заглядывая в легенду. Упорядочены размер, светлота, положение. Цветовой тон — нет: у красного, зелёного и синего нет естественного порядка.

Количественность
Переменная количественна, если на глаз видно, во сколько раз один знак отличается от другого. По Бертену, такова (кроме положения) только переменная размера.

Сводная таблица (по Бертену)
| Переменная | Селективная | Ассоциативная | Упорядоченная | Количественная |
|---|---|---|---|---|
| Положение | да | да | да | да |
| Размер | да | нет (диссоциативная) | да | да |
| Форма | нет | да | нет | нет |
| Светлота | да | нет (диссоциативная) | да | нет |
| Цветовой тон | да | да | нет | нет |
| Ориентация | для точек и линий — да, для площадей — нет | да | нет | нет |
| Текстура | да | да | в некоторых случаях | нет |
Для каждого показателя выберите наиболее подходящую графическую переменную.
Переменные на практике
Садясь за карту, вы думаете не «какие переменные взять», а «какой тип карты сделать»: картограмму, карту пропорциональных значков, точечный способ… Многие способы используют сразу несколько переменных. Понимание переменных нужно, чтобы знать, как работает каждый тип карты и какие группы, порядок и количества подразумевают выбранные знаки.
Делаем на Python (folium)
Все примеры используют города из python/data/cities.geojson и помощник python/примеры/maptools.py. В каждом рецепте работает одна переменная, остальные (размер, цвет) зафиксированы, — так её свойство видно в чистом виде. Как установить библиотеки — см. раздел Python.
Рецепт 1 Размер — количественная переменная
Круги, площадь которых пропорциональна населению: радиус берём пропорциональным квадратному корню из значения. Крупные круги рисуем первыми, чтобы мелкие оказались сверху. Обратите внимание, как размер «перетягивает» взгляд — он диссоциативен.
# screenshot: 1000x560 """Графическая переменная «размер»: численность населения городов-миллионеров. Размер — переменная упорядоченная и количественная: видно не только, что один город больше другого, но и примерно во сколько раз. Площадь круга пропорциональна населению, поэтому радиус ~ квадратному корню из значения. """ import sys from pathlib import Path import folium import geopandas as gpd import numpy as np sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import add_html, add_title, fmt, plain_attribution DATA = Path(__file__).resolve().parents[2] / "data" cities = gpd.read_file(DATA / "cities.geojson") big = cities[cities["pop_max"] >= 1_000_000].sort_values("pop_max", ascending=False) print("Городов с населением от 1 млн:", len(big)) m = folium.Map(location=[25, 20], zoom_start=2, tiles="Esri.WorldGrayCanvas") max_pop, max_r = big["pop_max"].max(), 22 # самый крупный круг — 22 px # крупные круги рисуем первыми, чтобы мелкие оказались сверху и не потерялись for _, c in big.iterrows(): folium.CircleMarker( [c.latitude, c.longitude], radius=max_r * np.sqrt(c.pop_max / max_pop), color="#08306b", weight=0.6, fill=True, fill_color="#4292c6", fill_opacity=0.5, tooltip=f"{c.name_ru} ({c.country_ru}): {fmt(c.pop_max / 1e6, 1)} млн чел.", ).add_to(m) # вложенная легенда: круги на общем основании, подписи справа svg = '<svg width="140" height="50">' for value, label in [(30e6, "30 млн"), (10e6, "10 млн"), (2e6, "2 млн")]: r = max_r * np.sqrt(value / max_pop) top = 47 - 2 * r svg += (f'<circle cx="26" cy="{47 - r}" r="{r}" fill="#4292c6" fill-opacity="0.2" stroke="#08306b"/>' f'<line x1="26" y1="{top}" x2="58" y2="{top}" stroke="#08306b" stroke-dasharray="2 2"/>' f'<text x="62" y="{top + 4}" font-size="11">{label}</text>') add_html(m, f"<b>Население города</b><br>{svg}</svg>", position="bottomleft") add_title(m, "Размер — количественная переменная", "города мира с населением от 1 млн человек") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("01_size.html")
Городов с населением от 1 млн: 505

Рецепт 2 Цветовой тон — качественные различия
Часть света — номинальная характеристика без порядка. Цветовой тон (качественная шкала Dark2 из ColorBrewer) селективен — легко выделить все города Африки — и ассоциативен: все кружки одного размера и вместе читаются как «города».
# screenshot: 1000x560 """Графическая переменная «цветовой тон»: часть света, в которой находится город. Часть света — качественная (номинальная) характеристика, порядка в ней нет. Цветовой тон для неё подходит: он селективный (легко выделить все «красные» города) и ассоциативный (разноцветные кружки одного размера всё равно воспринимаются как одна группа — «города»). Размер у всех кружков одинаковый. """ import sys from pathlib import Path import folium import geopandas as gpd from branca.utilities import color_brewer sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import add_legend, add_title, plain_attribution DATA = Path(__file__).resolve().parents[2] / "data" cities = gpd.read_file(DATA / "cities.geojson") world = gpd.read_file(DATA / "countries.geojson") # часть света берём из таблицы стран по коду iso_a3 big = cities[cities["pop_max"] >= 1_000_000].merge(world[["iso_a3", "continent"]], on="iso_a3") names = {"Asia": "Азия", "Europe": "Европа", "Africa": "Африка", "North America": "Северная Америка", "South America": "Южная Америка", "Oceania": "Австралия и Океания"} colors = dict(zip(names, color_brewer("Dark2", 6))) # качественная шкала ColorBrewer print(big["continent"].map(names).value_counts().to_string()) m = folium.Map(location=[25, 20], zoom_start=2, tiles="Esri.WorldGrayCanvas") for _, c in big.iterrows(): folium.CircleMarker( [c.latitude, c.longitude], radius=4, color="white", weight=0.8, fill=True, fill_color=colors[c.continent], fill_opacity=0.95, tooltip=f"{c.name_ru} ({c.country_ru})", ).add_to(m) add_legend(m, "Часть света", list(colors.values()), list(names.values()), shape="circle") add_title(m, "Цветовой тон — качественные различия", "города мира с населением от 1 млн человек") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("02_hue.html")
continent Азия 261 Северная Америка 75 Европа 64 Африка 53 Южная Америка 44 Австралия и Океания 6

Рецепт 3 Упорядоченные классы: светлота против цветового тона
Классы людности городов России (средние, большие, крупные, крупнейшие) упорядочены. Цветовой тон этот порядок теряет, светлота одного тона (Purples) передаёт его сразу: темнее — больше.
# screenshot: 1100x540 """Упорядоченные данные: цветовой тон (плохо) против светлоты (хорошо). Классы людности городов (средние → большие → крупные → крупнейшие) упорядочены. Слева классы показаны разными цветовыми тонами: порядок без легенды не прочитать. Справа — разной светлотой одного тона: «чем темнее, тем больше» видно сразу. Размер кружков везде одинаковый — работает только цвет. """ import sys from pathlib import Path import folium import geopandas as gpd import numpy as np from branca.utilities import color_brewer from folium.plugins import DualMap sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import add_legend, add_title, plain_attribution DATA = Path(__file__).resolve().parents[2] / "data" cities = gpd.read_file(DATA / "cities.geojson") ru = cities[(cities["iso_a3"] == "RUS") & (cities["pop_max"] >= 50_000)].sort_values("pop_max") labels = ["средние (50–100 тыс.)", "большие (100–250 тыс.)", "крупные (250 тыс. – 1 млн)", "крупнейшие (> 1 млн)"] cls = np.digitize(ru["pop_max"], [100e3, 250e3, 1e6]).tolist() # номер класса 0…3 palettes = { "hue": ["#e41a1c", "#4daf4a", "#ff7f00", "#377eb8"], # разные тона, порядка нет "value": color_brewer("Purples", 5)[1:], # один тон, светлота убывает } m = DualMap(location=[56, 47], zoom_start=4, tiles="Esri.WorldGrayCanvas") for target, key in [(m.m1, "hue"), (m.m2, "value")]: colors = palettes[key] for (_, c), k in zip(ru.iterrows(), cls): folium.CircleMarker([c.latitude, c.longitude], radius=5, color="#333", weight=0.6, fill=True, fill_color=colors[k], fill_opacity=1, tooltip=f"{c.name_ru}: {labels[k]}").add_to(target) add_legend(target, "Людность города", colors[::-1], labels[::-1], shape="circle") add_title(m.m1, "Плохо: цветовой тон", "порядок классов не виден без легенды") add_title(m.m2, "Хорошо: светлота", "темнее — значит больше") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("03_value_vs_hue.html")

Рецепт 4 Форма не селективна: значки через DivIcon
Тип пункта — столица, центр субъекта РФ, прочий город — показан SVG-фигурами внутри folium.DivIcon. Попробуйте найти все центры субъектов слева, а потом справа, где к форме добавлен цветовой тон.
# screenshot: 1100x540 """Форма не селективна: найдите все центры субъектов РФ. Слева тип пункта показан только формой (квадрат, треугольник, круг) — знаки разной формы не складываются в группы, треугольники приходится искать по одному. Справа те же формы дополнительно различаются цветовым тоном — центры субъектов сразу «собираются» в узор. Значки рисуем как SVG внутри folium.DivIcon. """ import sys from pathlib import Path import folium import geopandas as gpd from folium.plugins import DualMap sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import add_html, add_title, plain_attribution DATA = Path(__file__).resolve().parents[2] / "data" cities = gpd.read_file(DATA / "cities.geojson") ru = cities[(cities["iso_a3"] == "RUS") & ((cities["pop_max"] >= 50_000) | cities["featurecla"].str.contains("capital"))] kind = ru["featurecla"].map({"Admin-0 capital": "capital", "Admin-1 capital": "center"}).fillna("town") SHAPES = { # SVG-фигуры в квадрате 12×12 "capital": '<rect x="1" y="1" width="10" height="10"/>', "center": '<polygon points="6,0.5 11.5,11 0.5,11"/>', "town": '<circle cx="6" cy="6" r="4.5"/>', } TITLES = {"capital": "столица государства", "center": "центр субъекта РФ", "town": "прочий город"} HUES = {"capital": "#e41a1c", "center": "#377eb8", "town": "#4daf4a"} def icon_svg(k, color): return (f'<svg width="12" height="12" style="display:block" fill="{color}" stroke="white" ' f'stroke-width="1">{SHAPES[k]}</svg>') m = DualMap(location=[56, 47], zoom_start=4, tiles="Esri.WorldGrayCanvas") for target, colors in [(m.m1, dict.fromkeys(SHAPES, "#333")), (m.m2, HUES)]: for (_, c), k in zip(ru.iterrows(), kind): folium.Marker([c.latitude, c.longitude], tooltip=f"{c.name_ru} — {TITLES[k]}", icon=folium.DivIcon(html=icon_svg(k, colors[k]), icon_size=(12, 12), icon_anchor=(6, 6))).add_to(target) legend = "".join(f'<div style="display:flex;gap:7px;align-items:center;margin:3px 0">' f'{icon_svg(k, colors[k])}{TITLES[k]}</div>' for k in SHAPES) add_html(target, f"<b>Тип пункта</b>{legend}", position="bottomright") add_title(m.m1, "Только форма", "найдите все треугольники — трудно") add_title(m.m2, "Форма + цветовой тон", "центры субъектов видны сразу") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("04_shape_vs_hue.html")

Проверь себя
Какая из переменных Бертена, по его мнению, никогда не бывает селективной?
- Цветовой тон
- Размер
- Форма
- Светлота
Какие переменные диссоциативны?
- Форма и цветовой тон
- Размер и светлота
- Ориентация и текстура
- Положение и форма
Нужно показать типы почв. Какую переменную выбрать?
- Размер
- Светлоту
- Насыщенность
- Цветовой тон
Почему не стоит показывать разной светлотой группы населения по происхождению?
- Светлота упорядочена и создаст ложное впечатление, что одна группа «больше» или «важнее» другой
- Светлоту плохо видно на экране
- Светлота не селективна
- Так нельзя сделать в folium
Какая переменная (кроме положения), по Бертену, позволяет оценить на глаз, во сколько раз различаются значения?
- Светлота
- Размер
- Цветовой тон
- Текстура
На тематической карте учреждений города нужно, чтобы читатель сразу увидел, где сосредоточены больницы. Как их выделить?
- Особой формой знака
- Знаками большего размера
- Особым цветовым тоном при том же размере знаков
- Подписями
Практическое задание
Постройте карту городов своего федерального округа (или страны мира), на которой работают две переменные сразу: размер — население города, цветовой тон — тип пункта (центр субъекта / прочий город). Под картой в двух-трёх предложениях объясните, какими свойствами обладает каждая из выбранных переменных и почему она подходит к своим данным.
- Население показано размером, площадь круга пропорциональна значению
- Тип пункта показан цветовым тоном (качественная шкала ColorBrewer)
- Мелкие знаки не спрятаны под крупными (порядок отрисовки)
- Есть легенда и для размеров, и для цветов
- Письменно указаны свойства переменных: селективная? ассоциативная? упорядоченная? количественная?
Источники
- Visual Variables / Axis Maps. — Текст : электронный // Cartography Guide : [сайт]. — URL: https://www.axismaps.com/guide/visual-variables (дата обращения: 27.10.2026).
- Natural Earth : free vector and raster map data : [сайт]. — URL: https://www.naturalearthdata.com/ (дата обращения: 27.10.2026). — Текст : электронный.
- Folium : documentation : [сайт]. — URL: https://python-visualization.github.io/folium/latest/ (дата обращения: 27.10.2026). — Текст : электронный.
Конспект подготовлен по переводу руководства Cartography Guide © Axis Maps (лицензия CC BY-NC-SA 4.0) и распространяется на тех же условиях: с указанием авторства, в некоммерческих целях, с сохранением условий лицензии.