当应用使用颜色或大小的样式以显示数值数据时，可以对该数据进行分类（即将其分成类别或组），并为这些类定义范围和间隔。 例如，可以按年龄数据将人口分为最多 10 个组（人口年龄 0-9、10-19、20-29 等），并在地图上直观地标识这些类别。
根据数据量，最多可存在 10 个类别。 数据越多，则可添加的类别越多。 定义类别范围和类别间隔（用于定义每个类别的高值和低值）的方式将确定每个类别中将包含的要素以及图层的外观。 通过使用不同的分类方法更改各个类，可以更改地图的外观。 通常，其目的是确保具有相似值的要素均位于同一类中。
自然间断点分类方法（也称为 Jenks 优化）将基于数据中固有的自然分组。 将识别可对相似值进行最恰当分组并可使各类间差异（例如，国家森林中树的高度）最大化的分类间隔。 要素将被划分为多个类，对于这些类，会在数据值的差异相对较大的位置处设置其边界。
因为自然间断点分类会将聚类值放置在同一类中，所以此方法适用于映射分布不均匀的数据值。
相等间隔分类会将属性值的范围划分为若干个大小相等的子范围。 借助此分类方法，可以指定间隔（或子范围）的数量，并自动对数据进行划分。 例如，如果为取值范围为 0-300 的属性字段指定三个类，系统将创建三个类，其取值范围分别为 0-100、101-200 和 201-300。
相等间隔最适用于常见的数据范围，如百分比和温度。 这种方法侧重于某个属性值与其他值的相对量。 例如，它可以显示某个商店为一组商店的一部分，而该商店的销售额占总销售额的三分之一。
标准差分类方法用于显示要素属性值与平均值之间的差异。 通过突出位于平均值以上和以下的值，标准差分类有助于显示位于平均值以上或以下的要素。 当了解值与平均值的关联方式十分重要时（如查看某个区域中的人口密度或在国家/地区内比较止赎率时），请使用此分类。 如需了解有关地图中的更多细节，可以将类大小从 1 标准差更改为 0.5 标准差。
在分位数分类方法中，每个类都包含相等数量的要素；例如，每个类包含 10 个或 20 个要素。 不存在空类，也不存在值过多或过少的类。 分位数分类非常适用于呈线性（均匀）分布的数据。 如需在每个类中拥有相等数量的要素或值，请使用分位数分类。
由于将要素以同等数量分组到每个类中，因此得到的地图往往具有误导性。 可能会将相似的要素置于相邻的类中，或将值差异较大的要素置于相同类中。 可通过增加类的数量将这种变形降至最低。
要定义自定义类，可以手动添加分类间隔并设置适合数据的类范围。 或者，从某个标准分类方法入手，根据需要进行调整。 可能已经存在某些用于数据制图的标准或指导原则 - 例如，一个机构可能为所有地图使用标准类别或间断点，如将藤田级数 (F-scale) 用于对龙卷风强度进行分类。