数据的基础概念

在进行数据分析时，可能更重视数据分析方法，而忽略了数据处理。我们在使用数据前需要对已有的数据进行分类，了解它们的属性，为后续的数据分析做铺垫。

根据数据属性我们可以分为「定性」和「定量」两类，根据数据值是否连续又可以把变量分为「连续」和「离散」两种。

下面将带你了解如何划分数据类型。

上图是一张数据表，它可以回答下面很多问题，比如有多少种产品？每个产品单价是多少？每个产品的供应商是谁？产品的库存有多少？等等。这些问题的答案就是我们所研究的对象的特征，也就是所谓的「变量」。

变量就是研究对象的特征，变量具体的数据就是「变量值」。比如「产品名称」就是一个变量，而「苹果汁」就是一个具体的变量值。

我们看到上面的数据表中「单价」变量展示的是具体的数值，但是「产品名称」变量则展示的特定的文字意义（当然可以用产品ID代替特定的文字）。

这时候我们把类似单价这样定量的、有计算意义的变量叫做「定量」变量。用来描述“有多少”。

把类似产品名称这样定性的、起代号作用的变量叫做「定性」变量。用来描述“是什么”。

如下图所示：

进一步进行分析。

单价变量在取值范围内可以取任意正数，不仅仅是正整数，比如我们可以取单价是15.7、14.3等等，甚至可以取到小数点后很多位，因此这类变量称为连续变量，因为这类变量取值范围是连续不断的。

家庭人口数变量，只能是正整数，比如 1、2、3，但是不能是 1.3，这类变量取值范围是不连续的，因此我们称为离散变量。

注：一般来讲只有定量变量有连续和离散之分，定性变量虽然数据上和离散变量相似，但是它只有代号含义，比如产品ID，实际表示的是产品的名称类型，因此我们通常不把它当做离散变量。

对于定性变量，也叫分类变量，我们将其分为「有序分类变量」和「无序分类变量」。

「有序分类变量」：在定性变量取值时，存在程度差异。比如满意程度，我们将其分为「不满意」、「一般」、「满意」、「非常满意」。

「无序分类变量」：在取值时没有等级程度的差异，比如我们上面提到的产品名称，将其分为「苹果汁」、「牛奶」、「盐」等等。