做专题图的人，多半遇到过这种处境：手上明明有两个都挺重要的指标，比如人口密度和人均收入，但传统分区着色图（choropleth）一张图只能填一个变量。把两张图并排放在报告里，读者得来回对照；用两个图层调透明度硬叠，颜色又容易变得脏兮兮。后来我接触到二元分区着色图（bivariate choropleth），才发现原来还有这种玩法——把两个变量各自切成“低/高”两档，拼成一个2×2的四象限，用四种颜色一次性呈现在单张地图上。这篇文章就围绕QGIS里做二元分区着色图的完整流程展开，先讲原理和关键决策，再给三种实现方式、一份完整实操示例、配色设计思路、图例制作方法，最后是我实际踩过的坑。适合正在做多变量可视化、专题图分析，或者对QGIS符号渲染机制感兴趣的朋友参考。
1. 为什么我建议你试试二元分区着色图：先想清楚再动手
1.1 单变量专题图只讲了一个维度
传统choropleth的做法，是把一个数值字段映射为一组渐变色阶，地图上的每个面按照该值从低到高呈现由浅到深的颜色。它的本质，是把空间场景强行压缩成了一维的“排名”。我看一张GDP图，知道哪里高哪里低，却完全看不出“高GDP区是否同时拥有高能耗”，也看不出“低GDP区到底是收入低还是投资少”。这是两个完全不同的问题，单变量图没法回答。
我最早是在一个区域协调度项目里被这个问题卡住的。当时要看“经济发展”和“公共服务”两个指标在县域尺度上的匹配关系，一开始就是把两张图并排输出到报告里。评审专家看得很累，因为人的视觉系统天生不擅长跨图对照。这才促使我去找一种能把两个变量放进同一幅图的方法，于是接触到了二元分区着色图。
1.2 二元分区着色图到底长什么样
二元分区着色图的逻辑很直白：把变量A、变量B分别切成两档，低和/or高，得到4种组合，每种组合对应一个固定颜色。常见布局是这样：
- A低B低（LL）：浅灰白，表示两个变量都处于低位
- A高B低（HL）：第一个主色，比如橙红色
- A低B高（LH）：第二个主色，比如蓝青色
- A高B高（HH）：两个主色叠加出的深色，比如蓝紫色
我见过更激进的3×3版本，能表达9种组合，但对配色要求高很多，图例也复杂。在绝大多数工作场景里，2×2已经足够回答“哪种组合多、哪种组合少、集中在哪些区域”这个关键问题，所以我建议第一次做直接采用2×2，先把流程跑通，再考虑要不要加细。
1.3 哪些场景真正适合它
我总结下来，二元分区着色图在三种场景下价值最大：
一是筛选双高或双低区域。比如“人口密集且收入高”的板块，或者“投资高但回报低”的区域，一眼就能看到聚集在哪儿，省去反复叠图的功夫。
二是发现变量错位的区域。比如“经济指标高但生态指标低”的地方，在图上呈现为两种高饱和纯色，说明发展模式可能存在协调性问题，这类区域往往是后续调研的重点。
三是做探索性分析。在还不知道数据有什么空间规律之前，用二元图快速看两个指标的空间协同关系，比连续做十几张单变量图效率高得多。
但它也有明显不适用的场景：需要精确读取数值的科研输出、面向严重色弱人群的图件、以及对分级精度要求较高的分析任务。这时候宁可回到单变量分面图，或者改用散点图加地图联动。
2. 动手前的关键决策：数据怎么选、变量怎么分
2.1 对数据的基本要求
二元分区着色图一般作用于面要素图层，每个要素最好带两个数值字段。如果手头是点要素，比如一堆POI，可以先做核密度分析或空间连接，把点聚合到行政区面里。如果只有Excel表，也能通过图层属性里的“连接”功能关联到面要素上，前提是两边有一列一致的ID。
我遇到最多的一个坑是：CSV或Excel导出的数值字段，导入QGIS后被识别成了文本类型。文本字段在规则渲染器里参与大小比较时，QGIS会按字典序比较，于是“9”会大于“10”，整个分类结果莫名其妙。排查方法很简单：右键图层打开属性表，看字段类型；如果是String，用字段计算器新建一个浮点字段，或者用Processing工具箱里的“Refactor Fields”统一转类型。这个检查一定要放在渲染之前，否则后面所有步骤都会被带偏。
2.2 量纲不同，必须先分类而不是直接映射
有人习惯直接拿两个变量的原始值做四象限切分，比如A大于100且B大于500就是“高-高”。这种做法不是不行，但前提是你对两个变量数值分布非常了解，也知道100和500这两个阈值在各自维度上等价。可现实中两个变量量纲经常差得很远，一个是从0到1的指数，另一个是几万到几十万元的人均值，直接比原始值没有任何参照意义。
正确的做法是先各自分类：把每个变量按照某种规则切成“高/低”两档，再做组合。这样变量A的“高”和变量B的“高”，虽然数值上完全不等价，但在分析语义上都代表“该变量在样本中处于相对高位”。这是二元分区着色图能在一张图里比较两个不同性质变量的基础，也是它与简单的“多条件筛选”最大的区别。
2.3 2×2还是3×3，先回答“一档够不够细”
2×2的粒度很粗，每个变量只有高低两档，只能回答“是否偏高”。如果数据分布比较连续，分析需要更细致的梯度，可以考虑3×3，也就是9类。但3×3的代价很现实：图例得做成3×3矩阵，配色要选9个两两可区分的色块，缩小到PPT里排印后，普通人基本分不清相邻格子的颜色。
我个人的经验是，如果读者是决策者或非专业图件受众，2×2往往比3×3更有效。三成信息增量换来的常常是七成认知负担。如果确实需要3×3，两个变量都建议用三分位分段，也就是低、中、高三档，再组合。实现方式与2×2完全一样，只是规则从四段变成九段，配色需要额外设计一个3×3颜色矩阵。
2.4 分位数、自然断点还是等间距
断点选择直接决定四象限的分界，这一步做不好，整张图很容易变成某一类颜色占了大半画面，失去分辨力。
我的推荐顺序是：
- 二分位数最稳妥。对大多数偏态分布的统计指标，用中位数作为断点，能保证四类在样本数量上大致均衡，不会出现某类面积过小、另一类过半的情况。
- 均值可以作为正态或均匀分布数据的断点。均值语义更好解释：高于平均就是“高”。
- 有天然临界值时用等间距。比如空气质量指数AQI以100为达标线，就直接用固定阈值，别纠结统计方法。
在QGIS里拿分位数有两种方式。一是在属性表里选中字段，点击右下角统计面板，能直接看到计数、最小值、最大值和百分位；二是用表达式聚合函数动态计算，比如percentile("field", 0.5)返回中位数，percentile("field", 0.33)返回三分之一分位点。第二种方式写进渲染规则后，每次刷新地图都会按最新数据自动重算，非常灵活。
3. QGIS里实现二元分区着色图的三种做法
3.1 做法一：规则分类渲染器加表达式
操作入口是：图层属性 → 符号化 → 分类 → 规则分类（Rule-based）。
添加四条规则，每条规则写一个表达式。假设字段分别叫var1和var2，四条规则可以这样写：
- 高-高（HH）：
"var1" >= percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) - 高-低（HL）：
"var1" >= percentile("var1", 0.5) AND "var2" < percentile("var2", 0.5) - 低-高（LH）：
"var1" < percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) - 低-低（LL）：其它情况兜底，可以直接勾选“否则（Else）”，也可以显式写成：
"var1" < percentile("var1", 0.5) AND "var2" < percentile("var2", 0.5)
这种做法的最大优点是不修改原始数据，表达式里直接动态计算分位点，想换断点就改规则，数据更新后阈值也跟着变。但有个性能提醒：如果要素数量很大，超过几十万，每次刷新地图都对整表做聚合取分位，会明显变卡。这种情况建议改用做法二。
3.2 做法二：字段计算器生成组合字段
打开属性表 → 字段计算器 → 新建一个文本字段，比如叫bivar_group。输入下面这段CASE WHEN表达式：
CASE WHEN "var1" >= percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) THEN 'HH' WHEN "var1" >= percentile("var1", 0.5) AND "var2" < percentile("var2", 0.5) THEN 'HL' WHEN "var1" < percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) THEN 'LH' ELSE 'LL' END确定后字段生成。然后回到图层属性 → 符号化 → 分类 → 唯一值，选中这个bivar_group字段，点击“分类”，再为四类分别设置颜色和标签。
这个做法的好处是组合结果持久化，后续筛选、按组统计、出表都很方便；渲染时不需要临时聚合计算，效率高。缺点是改阈值时要重新跑一遍字段计算器。所以我的习惯是先用做法一确定阈值，再落成字段，两全其美。
3.3 做法三：试试第三方多变量渲染插件
QGIS插件库里有几个专门应对多变量渲染的插件，名字里通常带bivariate或choropleth之类的关键词。有的插件能自动生成规则并配置颜色，界面比手写表达式友好得多。我自己试用时感觉小功能挺顺手的，但这类插件往往依赖特定QGIS版本，大版本升级后容易出现兼容问题，而且文档普遍不多。
我的态度是：个人项目里尝鲜可以，正式生产制图流程里不建议作为唯一依赖。一旦插件不兼容，整套样式就得推倒重来，风险实在不划算。
3.4 三种写法怎么选
我整理了一个简单的选择逻辑：
- 数据量小、需要快速出图：做法一，表达式随手改，灵活。
- 数据量大、后续要做统计筛选：做法二，字段持久化，可靠。
- 团队协作、需要标准制图模板：做法二，渲染规则可以另存为QML样式分享给同事。
- 只想快速体验一下效果：可以试试做法三，装插件点几下就出图。
在团队场景里我尤其不建议用做法一，因为表达式里带聚合函数，不同QGIS版本或不同图层类型下解析可能会有差异，同事复现时容易踩坑。做法二的字段是死的，任何版本渲染都一致。
4. 完整实操示例：用省级面板数据做一张二元分区着色图
4.1 准备一份带两个数值字段的面要素数据
我这次用的是省级行政区面要素，属性表里包含“人均GDP”和“人口密度”两个字段。如果你手头没有现成数据，可以用QGIS安装目录下的示例数据练手，比如world_map.gpkg，里面有国家面要素和一大堆统计字段，随意挑两个来练就行。
动手前先确认坐标系。如果数据是WGS84经纬度，直接出图会有明显形状变形，最好先重投影到适合分析区域的投影坐标系。国内区域我习惯用Albers等积投影或UTM，操作也不复杂：矢量 → 数据管理工具 → 重投影图层。
4.2 用字段汇总检查数据质量
拿到图层后别急着渲染，先打开属性表，点击两个字段名。新版QGIS属性表下方自带统计栏，能直接看到计数、最小值、最大值、均值、中位数。这一步主要干三件事：确认没有NULL值；留意是否出现极端离群值；心里有数中位数偏离均值有多远。
如果你在属性表里找不到统计栏，可以用Processing工具箱里的“字段统计”工具（Basic statistics for fields），它会输出一份更完整的统计表，包含分位数、方差、标准差等，也可以导出成CSV备用。这一步花两分钟，后面排查问题能省两小时。
4.3 用QGIS表达式生成分类标签
数据确认没问题后，我建议先把组合字段做出来。打开字段计算器，输出字段名填bivar_group，类型选文本，宽度填10，然后输入3.2节那一长串CASE WHEN表达式。点击确定后，属性表会多一个字段，每行取值是HH、HL、LH或LL。
如果之后想换断点，比如把中位数换成均值，直接重新运行字段计算器覆盖这个字段即可。注意在关闭编辑模式前确认已保存，否则会丢失。
4.4 配置规则分类渲染器与配色
回到图层属性 → 符号化 → 分类 → 规则分类。添加四条规则，名称分别写成“高-高”“高-低”“低-高”“低-低”，表达式用"bivar_group" = 'HH'这样的写法。下面这组Hex是我在报告级常温光照场景下常用的：
| 组合 | 标签 | Hex颜色 | 视觉效果 |
|---|---|---|---|
| HH | 高-高 | #3b4994 | 深蓝紫，图面焦点 |
| HL | 高-低 | #ee3b2c | 橙红，暖色抢眼 |
| LH | 低-高 | #6da9d2 | 浅蓝，中等视觉重量 |
| LL | 低-低 | #e8e8e8 | 浅灰，彻底后退 |
这里强调一个原则：颜色顺序必须与高低关系一致。好的二元配色，必然是“低-低”最弱、“高-高”最强。这样读者第一眼就能抓住双高区域，图面视觉层级才清晰。
4.5 叠加底图、调整透明度和图层顺序
把行政区图层放在底图上面。底图建议只保留河流、道路等弱视觉要素，不要用色彩很艳的影像底图，否则前景色块会被抢走注意力。如果底图偏暗，可以给前景图层调一点透明度，比如85%到90%，让地形线隐约透出来。
这里正好可以用上QGIS里的“数据定义覆盖”（data defined override）。比如我想让“高-高”区域的边界更醒目一些，就在符号化面板的“边线宽度”右侧点击黄色的ε图标，选择“编辑…”，输入表达式：
CASE WHEN "bivar_group" = 'HH' THEN 0.8 ELSE 0.3 END这样一个图层就能根据分组自动输出不同线宽，不用另建图层、不用手工筛选项，专业制图里非常实用。
5. 二元配色的设计逻辑：从颜色混合到视觉层级
5.1 为什么经典二元配色是“蓝+红+紫”
二元分区着色图配色的底层逻辑，来源于颜色混合。把变量A映射为一个主色从浅到深，比如蓝色；把变量B映射为另一个主色从浅到深，比如红色。那么A高B高的区域，就应该呈现为两种颜色叠加后的混合色，也就是紫色。于是2×2色板的结构自然就定了：
- 低A低B：两种颜色都很浅 → 淡灰白
- 高A低B：只有蓝色深 → 蓝色系
- 低A高B：只有红色深 → 红色系
- 高A高B：两种颜色都深 → 紫色或深蓝紫
理解了“混合”这个思路，你就不会把“高-高”配成绿色了。因为绿色和红蓝都没有衍生关系，读者看图时不会本能地把它理解成“两个变量的共同高位”。
5.2 用半透明叠色理解色板生成
做平面设计的人更习惯从CMYK叠印的角度来理解。把两种半透明油墨叠印，得到第三种颜色，这和二元图“两个变量叠加”的逻辑几乎一一对应。
我自己选色时有个土办法：在画图软件里建两个半透明色块，一层叠一层，看混合后的颜色，再把这个颜色用取色器转成Hex填到QGIS里。这个办法比空想“蓝加黄会不会难看”靠谱太多了，推荐大家都试试。注意，QGIS渲染时并不是真的对两个变量做颜色混合，我们只是在设计色板阶段借用混合思路，选出的四色依然需要手工填入。
5.3 色盲安全配色方案
如果图件要打印成纸质件，或者已知读者中有红绿色盲，请果断放弃红配绿。我常用的替代方案是蓝-橙组合：
| 组合 | Hex颜色 |
|---|---|
| HH | #6C3483 深紫灰 |
| HL | #CA6F1E 深橙 |
| LH | #1F618D 深蓝 |
| LL | #F2F3F4 浅灰 |
蓝和橙在各类色觉异常场景下都保持相对可区分性。另外提醒一句，出图后不要只看屏幕效果，最好用Inkscape、GIMP或在线色觉模拟工具过一遍，确认色弱状态下的可读性。这一步成本不高，但能避免很多尴尬。
5.4 用透明度、边线和纹理补充第三维信息
二元图受限于四色，天然表达不了第三个变量。如果你还想把“区域面积规模”体现出来，不要硬往颜色里加，那样会破坏已有配色逻辑。我通常用两个替代方案：
- 点密度图叠加：在每个面内部画点，一个点代表一定数量，点密的地方说明规模大。点用灰色或白色，不要抢色块的注意力。
- 边线宽度映射：用数据定义覆盖把边线宽度映射到第三个变量的分档，比如分三档就够了。档位太多读者分不清。
第三条路就是在打印布局里加一个副图，用常规单变量图展示第三维，简单直接。
6. 图例与布局：让读者一眼读懂二元图
6.1 图例别用默认样式，最好做成2×2矩阵
QGIS默认图例会按渲染规则的顺序列出四个图例项，但这对二元图来说并不合理。读者看到四行文字，很难脑补出“高-高”“高-低”“低-高”“低-低”的二维关系。我在正式出图时，会放弃自动图例，改成手绘一个2×2矩阵，横轴写变量B，纵轴写变量A，四个格子填充对应颜色并标注低/高。信息密度高，读者一眼就能看懂。
6.2 在打印布局中手工搭建矩阵图例
具体操作步骤：
- 新建打印布局，从左侧工具栏拖入“矩形形状”，画一个小方块。
- 在“项目”面板中找到该形状，把填充色设为对应Hex颜色。
- 复制出四个方块，按2×2矩阵排列。
- 在矩阵的上方和左侧添加轴标签，比如顶部写“变量B：低 ← → 高”，左侧写“变量A：低 ← → 高”。
- 矩阵内部四个格子可以标注中文“高-高”“高-低”“低-高”“低-低”，也可以留空只靠颜色和图例说明。
这种图例看起来不像传统GIS图例，但在二元分区图里是标准做法，专业可视化作品基本都是这么处理的。
6.3 输出高分辨率成果
出图前把布局纸张尺寸设置成目标尺寸，比如A3或A4，地图框固定好范围和比例尺。在“布局”菜单里点击“导出为图片”，分辨率选300dpi，格式PNG或TIFF。如果图层里带了在线底图，导出时需要重新抓取底图瓦片并合并，速度会慢一些，建议先在画布上完整浏览一遍，让瓦片缓存好了再导出。
6.4 常见出图尺寸参数参考
| 目标载体 | 纸张尺寸 | 推荐分辨率 | 导出格式 |
|---|---|---|---|
| 报告插图 | A4 | 300dpi | PNG |
| 会议海报 | A3 | 300dpi | TIFF |
| 演示PPT | 16:9画布 | 150-200dpi | PNG |
| 印刷出版 | 按出版要求 | 350dpi以上 | TIFF/PDF |
如果选择PDF导出，字体和矢量要素会保留得更完整，缺点是文件体积大、部分查看器打开慢。我个人做报告图时用PNG最多，做印刷件才会走PDF。
7. 我的踩坑记录与排查思路
7.1 字段类型是字符串，比较结果一团糟
我第一次做二元图时，从CSV导入的两个数值字段都被识别成了字符串，当时没注意就直接写表达式，结果图上出现了大量莫名其妙的“高-高”区域。排查时打开属性表才发现，字符串字段的排序方式是字典序，9排在了10后面，所有个位数的条目都被当成了“大数”。
排查链路是：先怀疑表达式 → 打开属性表点击字段名，看排序方式 → 发现字段类型是String → 用字段计算器新建浮点字段转类型 → 用新字段重新渲染。这个坑靠一条习惯就能避开：拿到数据先看字段类型，别看名字像数字就默认它是数值型。
7.2 NULL值被当成“低-低”，分区结果出现漏洞
只要两个变量里有一个是NULL，前面那段CASE WHEN判断会直接跳到ELSE分支，于是该要素被划分到“低-低”，导致“低-低”面积虚大。我遇到过某省的指标缺失，渲染成浅灰色，看起来像“双低”，实际是“无数据”，完全误导了结论。
解决方法是：在CASE WHEN最前面加一个分支，把缺失值单独标记出来：
CASE WHEN "var1" IS NULL OR "var2" IS NULL THEN 'NA' WHEN "var1" >= percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) THEN 'HH' WHEN "var1" >= percentile("var1", 0.5) AND "var2" < percentile("var2", 0.5) THEN 'HL' WHEN "var1" < percentile("var1", 0.5) AND "var2" >= percentile("var2", 0.5) THEN 'LH' ELSE 'LL' END然后在渲染器里给NA指定一个灰色斜线填充，并在图件脚注里说明NA代表数据缺失。这个细节在正式项目里非常重要。
7.3 断点一刀切，四分类严重失衡
有一版图我图省事用了均值做断点。数据严重右偏，均值被少数极高值拉高，结果四分之三的要素都被划进“低”，“高-高”区域只剩下零星几个点，整张图基本失去分辨力。解决方法就是先看分布，改用中位数做断点，或者两个变量各自用分位数。
也要提醒一句，中位数断点会把大量“中等水平”区域硬性分成高低两半，这是一种刻意简化。二元分区图本来就是粗粒度的探索工具，不要指望它代替聚类或回归，认清这一点就不容易做出误导性结论。
7.4 在线底图加载不了，出图前手忙脚乱
我在国内做项目时，经常遇到某些公开XYZ底图服务地址访问不稳定。排查思路是：先确认网络连通性，再在QGIS“浏览”面板的“XYZ Tiles”里右键新建连接，填入服务地址。如果某个服务不可用，就换备用服务商。
我自己的习惯是准备两个备选的切片服务地址，一个渲染时用，一个出图时用。万一主服务在出图前宕了，切换备用源只需要在图层集里换一个地址，不影响已经完成的数据样式。这里要注意：如果你要导入本地的影像底图或卫片，直接在图层菜单里选择“添加图层”→“添加栅格图层”就行，本地方案的稳定性远好于在线服务。
7.5 图例颜色和地图颜色对不上
手绘图例最大的风险是Hex值抄错。有一次同事的手绘图例里，把“高-高”的深紫色抄成了深蓝色，整个图例的视觉逻辑全乱了。排查方法很简单：不靠肉眼，从图层属性面板复制颜色代码，或者用QGIS的颜色选择器把颜色保存到项目变量里，图例里的填充色和地图填充色从同一个变量读取。我在打印布局里甚至干脆不放默认图例，而是放一个表格，表格内的色块颜色直接从源图层的符号化面板复制出来，保证两边绝对一致。
做二元分区着色图这几年，我最大的体会是：这种图的真正价值不在于“把两个变量塞进一张图”，而在于它逼你想清楚两个变量之间的关系是什么、你希望读者优先从哪个象限读起。颜色和渲染都只是执行层，问题定义和分析思路想清楚了，出图就是水到渠成的事。如果你手头正好有面板数据，建议今晚就打开QGIS试一张二元图，跑通流程之后你会回来感谢自己的。有问题欢迎在评论区交流，我看到都会尽量回复。
