Точечный способ
- О чём эта тема
- Одинаковые точки показывают, где явление сгущается, а где его почти нет. Учимся подбирать «вес» и размер точки и не вводить читателя в заблуждение случайным размещением точек.
- Коротко о главном
- Точечный способ показывает размещение и плотность массовых явлений: каждая точка обозначает один объект или фиксированное их количество — «вес» точки.
- В отличие от картограммы, он годится для абсолютных показателей, не требует привязки к территориальным единицам и хорошо работает в чёрно-белом исполнении.
- Строить точечную карту можно только в равновеликой проекции, иначе искажается видимая плотность точек.
- Главное искусство — равновесие «веса» и размера точки: в самых разреженных районах должно быть хотя бы несколько точек, а в самых плотных точки должны лишь начинать касаться друг друга.
- Числа с такой карты почти не считываются, а случайно размещённые точки легко принять за реальное местоположение объектов — об этих ограничениях надо помнить.
- Время
- 20 минут + практика
Ключевые термины
- Способ картографического изображения массовых рассредоточенных явлений множеством одинаковых точек, каждая из которых имеет определённый «вес».
- Сколько объектов или единиц измерения обозначает одна точка: 1 точка = 10 000 жителей, 1 точка = 500 га посевов. Обязательно указывается в легенде.
- Каждая точка — реальный объект в своём настоящем месте: город, эпицентр землетрясения, автосалон.
- Точка обозначает группу объектов (её «вес»); положение точки внутри территориальной единицы условно.
- Диаметр точки. Вместе с «весом» определяет, сколько «краски» на карте и насколько она пёстрая.
- Проекция, сохраняющая отношения площадей. Для точечного способа обязательна: Альберса, синусоидальная, равновеликая цилиндрическая, азимутальная Ламберта.
- Уточнение размещения по вспомогательным данным: точки (или заливку) помещают только туда, где явление действительно может быть, — на сушу, в обжитые районы, а не на озёра и в пустыни.
- Единица, по которой собраны данные: страна, регион, район. При способе «одна точка — много объектов» точки распределяются внутри неё.
Конспект
Два вида точечных карт
| Вид | Что обозначает точка | Где стоит точка | Примеры |
|---|---|---|---|
| «Одна точка — один объект» | один объект | в его реальном месте | автосалоны в Бельгии; эпицентры землетрясений; города (рецепт 1) |
| «Одна точка — много объектов» | N объектов — «вес» точки | условно: случайно внутри территориальной единицы или там, где явление вероятнее всего | население (1 точка = 10 000 чел.); посевы пшеницы (1 точка = 1000 акров); поголовье овец |

Чем точечный способ лучше картограммы — и чем хуже
| Точечный способ | Картограмма | |
|---|---|---|
| Абсолютные показатели (число ферм, жителей) | можно | нельзя — только относительные |
| Привязка к территориальным единицам | не обязательна | обязательна |
| Чёрно-белая печать | работает без потерь | трудно: остаются только оттенки серого |
| Считывание чисел с карты | почти невозможно (не будешь же считать тысячи точек) | по легенде: значение класса |
«Вес» и размер точки подбирают вместе
Единственно верной формулы для «веса» точки нет — его подбирают экспериментом, одновременно с размером точки:
- в самых разреженных районах должно оказаться хотя бы несколько точек — иначе территория выглядит пустой;
- в самых плотных районах точки должны лишь начинать сливаться: между ними ещё проступает фон;
- точки должны быть достаточно крупными, чтобы их было хорошо видно, — но не крупнее;
- карту для печати проверяйте на бумаге: у печати разрешение выше, чем у экрана, и удачные для экрана параметры на бумаге могут оказаться другими.
Население — Natural Earth. Точки размещены случайно внутри каждой страны (условно, генератор с фиксированным seed). У России, Казахстана и стран Северной Африки видна только часть территории, но точки распределены по всей стране.
Ограничения
- Числа не считываются. Читатель увидит, где «больше», но не узнает, насколько. Помогают подписи чисел на карте или таблица рядом с картой.
- Ложная точность. Случайно поставленную точку легко принять за реальное место (например, дом конкретного человека). Поэтому точечные карты не составляют в слишком крупном масштабе.
- Точки там, где явления нет. Точки населения на озёрах, в пустыне или в тундре сбивают с толку. Ставьте их только туда, где явление действительно может быть.
Когда выбрать другой способ
- Данные нормированы и собраны по территориальным единицам → картограмма.
- Читателю важно считывать числа → пропорциональные значки или картограмма с классификацией.
- Нужен яркий, «зрелищный» образ огромных различий → анаморфоза.
Делаем на Python (folium)
Данные — python/data/countries.geojson и cities.geojson (Natural Earth). Случайные точки внутри стран даёт метод GeoSeries.sample_points() из geopandas; параметр rng фиксирует генератор случайных чисел, чтобы карта получалась одинаковой при каждом запуске. Веб-карты folium всегда в проекции Web Mercator, поэтому точечные карты для печати (рецепты 3 и 4) строим в matplotlib в равновеликих проекциях.
Рецепт 1 «Одна точка — один объект»: города мира
Все точки одинаковые и стоят в реальных местах. Тысячи точек передаются одним слоем folium.GeoJson с параметром marker — это намного легче, чем тысячи отдельных CircleMarker.
# screenshot: 1000x560 """Точечная карта «одна точка — один объект»: города мира с населением от 100 тыс. Каждая точка стоит в настоящем месте города, все точки одинаковые: размер точки НЕ зависит от людности (иначе это был бы способ значков). Видно, где города сгущаются: Индия, Восточный Китай, Европа, восток США. """ import sys from pathlib import Path import folium import geopandas as gpd 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") cities = cities[cities["pop_max"] >= 100_000] print("Городов с населением от 100 тыс.:", fmt(len(cities))) m = folium.Map(location=[25, 15], zoom_start=2, tiles="Esri.WorldGrayCanvas") # Все точки одним слоем GeoJson: marker задаёт вид каждой точки folium.GeoJson( cities[["name_ru", "country_ru", "geometry"]], marker=folium.CircleMarker(radius=2, weight=0, fill=True, fill_color="#222222", fill_opacity=0.8), tooltip=folium.GeoJsonTooltip(["name_ru", "country_ru"], aliases=["Город", "Страна"]), ).add_to(m) dot = '<span style="display:inline-block;width:6px;height:6px;border-radius:50%;background:#222"></span>' add_html(m, f"{dot} 1 точка = 1 город", position="bottomright") add_title(m, "Города мира с населением от 100 тыс. чел.", "одна точка — один объект") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("01_one_to_one.html")
Городов с населением от 100 тыс.: 3 089

Рецепт 2 «Одна точка — много объектов»: население Африки
Число точек = население / «вес» точки. Точки генерируем в равновеликой проекции Альберса для Африки (ESRI:102022), а затем переводим в градусы для веб-карты. Африка лежит у экватора, и искажения площадей в Web Mercator здесь невелики. Присмотритесь к Египту: точки разбросаны по всей пустыне, хотя почти всё население живёт в долине Нила.
# screenshot: 900x820 """Точечная карта «одна точка — много объектов»: население Африки, 1 точка = 500 тыс. чел. Точки ставим СЛУЧАЙНО внутри каждой страны (это условное размещение, seed зафиксирован). Генерируем их в равновеликой проекции (Альберса для Африки), чтобы точки ложились равномерно по площади, а не по градусам. """ import sys from pathlib import Path import folium import geopandas as gpd 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" DOT_VALUE = 500_000 # «вес» точки: сколько жителей обозначает одна точка world = gpd.read_file(DATA / "countries.geojson") africa = world[world["continent"] == "Africa"].copy() africa["n_dots"] = (africa["pop_est"] / DOT_VALUE).round().astype(int) # Случайные точки внутри стран — в равновеликой проекции ESRI:102022 (Альберс, Африка) has_dots = africa[africa["n_dots"] > 0] dots = (has_dots.to_crs("ESRI:102022").geometry .sample_points(size=has_dots["n_dots"].to_numpy(), rng=42) # rng — seed .explode(index_parts=False).to_crs(4326)) print("Всего точек:", fmt(len(dots)), "| 1 точка =", fmt(DOT_VALUE), "чел.") print("Больше всего точек:", ", ".join( f"{r.name_ru} {r.n_dots}" for r in africa.nlargest(4, "n_dots").itertuples())) print("Меньше всего точек:", ", ".join( f"{r.name_ru} {r.n_dots}" for r in africa.nsmallest(3, "n_dots").itertuples())) m = folium.Map(location=[3, 18], zoom_start=3, tiles="Esri.WorldGrayCanvas") folium.GeoJson(africa[["name_ru", "geometry"]], # контуры стран style_function=lambda f: {"color": "#777", "weight": 0.7, "fillOpacity": 0}, tooltip=folium.GeoJsonTooltip(["name_ru"], labels=False)).add_to(m) folium.GeoJson(gpd.GeoDataFrame(geometry=dots), marker=folium.CircleMarker(radius=1.6, weight=0, fill=True, fill_color="#1b1b1b", fill_opacity=0.9)).add_to(m) dot = '<span style="display:inline-block;width:5px;height:5px;border-radius:50%;background:#1b1b1b"></span>' add_html(m, f"{dot} 1 точка = {fmt(DOT_VALUE)} чел.<br>" "<small>точки размещены случайно<br>в пределах страны</small>", position="bottomleft") add_title(m, "Население Африки", "точечный способ, «одна точка — много объектов»") plain_attribution(m) # убираем флажок из подписи Leaflet m.save("02_one_to_many.html")
Всего точек: 2 615 | 1 точка = 500 000 чел. Больше всего точек: Нигерия 402, Эфиопия 224, Египет 201, Демократическая Республика Конго 174 Меньше всего точек: Западная Сахара 1, Эсватини 2, Джибути 2

Рецепт 3 Подбираем «вес» точки
Три карты Европы в равновеликой проекции LAEA (EPSG:3035) с разным «весом» точки. При «весе» 20 тыс. Бенилюкс и Англия превращаются в чёрные пятна, при 1 млн в Исландии и Прибалтике почти нет точек. Метод .cx[...] выбирает объекты, попадающие в рамку карты.
"""«Вес» точки: слишком мал, в самый раз, слишком велик. Население Европы в равновеликой проекции LAEA (EPSG:3035) — для точечного способа проекция ОБЯЗАТЕЛЬНО равновеликая. Размер точки на всех трёх картах одинаковый, меняется только «вес». Точки размещены случайно (seed зафиксирован). """ import sys from pathlib import Path import geopandas as gpd import matplotlib.pyplot as plt sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import fmt DATA = Path(__file__).resolve().parents[2] / "data" X0, X1, Y0, Y1 = 2.5e6, 6.5e6, 1.4e6, 5.5e6 # рамка карты в метрах EPSG:3035 world = gpd.read_file(DATA / "countries.geojson").to_crs(3035) # страны, попадающие в рамку; точки генерируем во ВСЕЙ стране (у России — до Тихого океана) frame = world.cx[X0:X1, Y0:Y1] VARIANTS = [(20_000, "«вес» мал: точки слились в пятна"), (100_000, "в самый раз"), (1_000_000, "«вес» велик: в малых странах пусто")] fig, axes = plt.subplots(1, 3, figsize=(15, 5.8)) for ax, (value, verdict) in zip(axes, VARIANTS): n = (frame["pop_est"] / value).round().astype(int) pts = (frame.geometry[n > 0].sample_points(size=n[n > 0].to_numpy(), rng=1) .explode(index_parts=False)) frame.plot(ax=ax, color="#f4f2ec", edgecolor="#8c8c8c", linewidth=0.4) ax.scatter(pts.x, pts.y, s=2.5, color="#1b1b1b", linewidths=0) ax.set_xlim(X0, X1) ax.set_ylim(Y0, Y1) ax.set_xticks([]) ax.set_yticks([]) ax.set_facecolor("#e9f0f4") # море ax.set_title(f"1 точка = {fmt(value)} чел.\n{verdict}", fontsize=12) inside = pts.cx[X0:X1, Y0:Y1] print(f"«вес» {fmt(value):>9}: точек на карте {fmt(len(inside)):>6}") fig.suptitle("Население Европы: размер точки один и тот же, «вес» разный", fontsize=14) plt.savefig("03_dot_value.png", dpi=110, bbox_inches="tight")
«вес» 20 000: точек на карте 33 267 «вес» 100 000: точек на карте 6 695 «вес» 1 000 000: точек на карте 668

Рецепт 4 Где на самом деле живут люди: упрощённый дазиметрический подход
Вверху точки рассыпаны равномерно по всей России. Внизу горожан ставим вокруг их городов, а остальных жителей — только в пределах 100 км от городов и не на озёрах. Это условная модель (настоящие дазиметрические карты строят по данным о землепользовании или по сеточным данным о населении), но картина заметно ближе к действительности.
"""Равномерно по стране или там, где живут люди? Упрощённый дазиметрический подход. Население России, 1 точка = 100 тыс. чел., равновеликая проекция Альберса. Вверху — точки разбросаны равномерно по всей стране (так делает простейший алгоритм). Внизу — условное, но более правдоподобное размещение: 1) жители городов — точками вокруг своих городов; 2) остальные — только в пределах 100 км от городов и не на озёрах. Это учебное упрощение (seed зафиксирован): настоящие дазиметрические карты строят по данным о землепользовании или сеточным данным о населении. """ import sys from pathlib import Path import geopandas as gpd import matplotlib.pyplot as plt import numpy as np import pandas as pd sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import fmt DATA = Path(__file__).resolve().parents[2] / "data" CRS = "+proj=aea +lat_1=52 +lat_2=64 +lon_0=105 +datum=WGS84 +units=m" # Альберс для России DOT_VALUE = 100_000 world = gpd.read_file(DATA / "countries.geojson") rus = world[world["iso_a3"] == "RUS"].to_crs(CRS).geometry cities = gpd.read_file(DATA / "cities.geojson") cities = cities[(cities["iso_a3"] == "RUS") & (cities["pop_max"] > 0)].to_crs(CRS) lakes = gpd.read_file(DATA / "lakes.geojson").to_crs(CRS).union_all() total_dots = round(world.loc[world["iso_a3"] == "RUS", "pop_est"].iloc[0] / DOT_VALUE) # Вверху: все точки равномерно по территории страны uniform = rus.sample_points(total_dots, rng=7).explode(index_parts=False) # Внизу, шаг 1: горожане — вокруг своего города (радиус растёт с числом точек) n_city = (cities["pop_max"] / DOT_VALUE).round().astype(int) big = cities[n_city > 0] discs = big.buffer(15_000 * np.sqrt(n_city[n_city > 0])) urban = discs.sample_points(size=n_city[n_city > 0].to_numpy(), rng=7).explode(index_parts=False) # Шаг 2: остальные жители — в «обжитой зоне»: до 100 км от любого города, без озёр zone = cities.buffer(100_000).union_all().intersection(rus.iloc[0]).difference(lakes) rest = total_dots - len(urban) rural = gpd.GeoSeries([zone], crs=CRS).sample_points(rest, rng=7).explode(index_parts=False) dasy = pd.concat([urban, rural]) print(f"Всего точек: {fmt(total_dots)}; вокруг городов: {fmt(len(urban))}, " f"в обжитой зоне: {fmt(len(rural))}") fig, axes = plt.subplots(2, 1, figsize=(11, 12), gridspec_kw={"hspace": 0.08}) titles = ["Равномерно по всей территории", "Города + остальные жители не дальше 100 км от городов"] for ax, pts, title in zip(axes, [uniform, dasy], titles): rus.plot(ax=ax, color="#f4f2ec", edgecolor="#8c8c8c", linewidth=0.5) ax.scatter(pts.x, pts.y, s=3, color="#1b1b1b", linewidths=0) ax.set_title(title, fontsize=12) ax.set_axis_off() fig.suptitle(f"Население России: 1 точка = {fmt(DOT_VALUE)} чел. (размещение условное)", fontsize=14, y=0.93) plt.savefig("04_dasymetric.png", dpi=110, bbox_inches="tight")
Всего точек: 1 444; вокруг городов: 774, в обжитой зоне: 670

Проверь себя
В какой проекции нужно строить точечную карту населения России?
- В проекции Меркатора — она привычнее
- В равновеликой, например Альберса
- В равноугольной конической
- Проекция не важна, если точек много
На карте точки в Нидерландах и Бельгии слились в сплошное чёрное пятно. Что делать?
- Уменьшить «вес» точки
- Перейти на проекцию Меркатора
- Увеличить «вес» точки или уменьшить размер точек
- Ничего: так и должно быть
«Вес» точки — 500 тыс. жителей. В стране живёт 200 тыс. человек. Что увидит читатель?
- Ни одной точки: страна будет выглядеть незаселённой
- Одну точку обычного размера
- Точку вдвое меньшего размера
- Подпись «200 тыс.»
Какие данные — пример карты «одна точка — один объект»?
- Население по округам, 1 точка = 10 000 человек
- Посевы пшеницы, 1 точка = 1000 акров
- Поголовье овец, 1 точка = 27 500 овец
- Эпицентры землетрясений, 1 точка = 1 эпицентр
Почему точку на карте населения нельзя считать местом, где живут конкретные люди?
- Потому что точки слишком мелкие
- Потому что точки размещены условно (часто случайно) внутри территориальной единицы
- Потому что карта построена в равновеликой проекции
- Можно — для этого точечные карты и делают
Чем точечный способ удобнее картограммы для показа числа ферм?
- С него легко считывать точные числа
- Он не требует выбора проекции
- Он позволяет показывать абсолютные показатели без нормирования
- Он всегда цветной
Практическое задание
Постройте точечную карту населения Южной Америки: в matplotlib — в равновеликой проекции Альберса для Южной Америки (ESRI:102033), и в folium — для интерактивного просмотра. Подберите «вес» и размер точки по правилам из конспекта и в двух-трёх предложениях объясните свой выбор. Где равномерное размещение точек внутри стран особенно обманывает читателя?
- Точки сгенерированы в равновеликой проекции с фиксированным seed (
rng=…) - В легенде указан «вес» точки с единицами измерения
- В самой малонаселённой стране есть хотя бы одна-две точки
- В самых плотных районах точки касаются, но не сливаются в пятно
- В подписи сказано, что размещение точек внутри стран условное
Источники
- Dot Density Maps / Axis Maps. — Текст : электронный // Cartography Guide : [сайт]. — URL: https://www.axismaps.com/guide/dot-density (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.