在自定义分段中，由用户指定各段的长度，即间隔距离来进行分段，分段数由SuperMap根据指定的间隔距离以及专题变量的最大和最小值来计算。各分段点的求算公式为

其中，Vi为各分段点的值，Vmin为专题变量的最小值，d为用户指定的距离，count为计算出来的分段数，i为从0到count的正整数，表示各分段，当i等于0时，Vi为Vmin；当i等于count时，Vi为Vmax

等计数分段。在等计数分段中，尽量保证每一段内的对象个数尽可能的相等。这个相等的个数是多少是由用户指定的分段数以及实际的要素个数来决定的，在可以均分的情况下，每段中对象数目应该是一样的，但是当每段对象数据均分时，分段结果的最后几段会多一个对象。 比如，有9个对象，分9段的话，每段一个对象；分8段的话，前7段是1个对象，第8段是2个对象；分7段的话，前5段是1个对象，第6段和第7段是2个对象。这种分段方法适合于线性分布的数据。等计数分段的每段中的要素个数的求算公式为:

其中，n为每段中的要素个数，N为要进行分段的要素的总个数，count为用户指定的分段数。当n的计算结果不是整数时，采用取整方式。

对数分段方法的实现的原理与平方根分段方法基本相同，所不同的是平方根方法是对原数据取平方根，而对数分段方法是对原数据取对数，即对原数据的以10为底的对数值的等距离分段，其首先对原数据所有值的对数进行等距离分段，得到处理后数据的分段点，然后以10为底，这些分段点的值作为指数的幂得到原数据的各分段点的值，从而得到分段方案。适用于最大值与最小值相差很大，用等距离分段不是很理想的情况，对数分段法比平方根分段法具有更高的压缩率，使数据间的差异尺度更小，优化分段结果。专题变量的对数的等距离分段的距离间隔的求算公式为

其中，d为分段的距离间隔，Vmax为专题变量的最大值，Vmin为专题变量的最小值，count为用户指定的分段数。从而专题变量的分段点的求算公式为

其中，Vi为分段点的值，i为从0到count的正整数，表示各分段，当i等于0时，Vi为Vmin；当i等于count时，Vi为Vmax。

注意：数据中有负数则不适合这种方法。

标准差分段方法反映了各要素的某属性值对其平均值的偏离。该方法首先计算出专题变量的平均值和标准偏差，在此基础上进行分段。标准差分段的每个分段长度都是一个标准差，最中间的那一段以平均值为中心，左边分段点和右边分段点分别与平均值相差0.5个标准差。设专题变量值的平均值为mean，标准偏差为std，则分段效果如图所示。

例如对专题变量为1-100之间的值，且专题变量的平均值为50，标准偏差为20，则分段为40-60，20-40，60-80，0-20，80-100共5段。落在不同分段范围内的要素分别被设置为不同的显示风格。

注意：标准差的段数由计算结果决定，用户不可控制。

平方根分段方法实质上是对原数据的平方根的等距离分段，其首先取所有数据的平方根进行等距离分段，得到处理后数据的分段点，然后将这些分段点的值进行平方作为原数据的分段点，从而得到原数据的分段方案。所以，按照这种分段方式，也很有可能某个分段中没有数值，即落到该段中的记录或要素为0个。该方法适用于一些特定数据，如最小值与最大值之间相差比较大时，用等距离分段法可能需要分成很多的段才能区分，用平方根分段方法可以压缩数据间的差异，用较少的分段数却比较准确地进行分段。专题变量的平方根的分段间隔距离计算公式为

其中，d为分段的距离间隔，Vmax为专题变量的最大值，Vmin为专题变量的最小值，count为用户指定的分段数。则专题变量的分段的段点的求算公式为

其中，Vi为分段点的值，i为从0到count的正整数，表示各分段，当i等于0时，Vi为Vmin；当i等于count时，Vi为Vmax。注意：数据中有负数则不适合这种方法。

注意：数据中有负数则不适合这种方法。

等距离分段是根据作为专题变量的字段或表达式的最大值和最小值，按照用户设定的分段数进行相等间距的分段。在等距离分段中，每一段具有相等的长度。求算等距分段的距离间隔公式为

其中，d为分段的距离间隔，Vmax为专题变量的最大值，Vmin为专题变量的最小值，count为用户指定的分段数。则每一分段的分段点的求算公式为：

其中，Vi为分段点的值，i为从0到count的正整数，表示各分段，当i等于0时，Vi为Vmin；当i等于count时，Vi为Vmax。

例如你选择一个字段作为专题变量，其值是从1-10，你需要用等距离分段法将其分为4段，则分别为1-2.5，2.5-5，5-7.5和7.5-10（注意，分段中使用“=>”和" < "，所以分段点的值划归到下一段）。

注意：按照这种分段方式，很有可能某个分段中没有数值，即落到该段中的记录或要素为0个。