您需要知道的一切！
数据不过是一条信息 。 如果我想了解公司过去6个月的平均销售额，则需要收集一些数据，通过查看这些数据，我可以发现平均销售额的趋势。
数据主要有两种：
- 定量的 ：当数据以数字形式表示时，例如：身高，体重。 定量数据也称为“变量”，因为值可以更改。
- 定性的：当数据不能用数字表示时，例如：宗教，种姓。 定性数据也称为“属性”。
离散数据：假设，如果我问你“你家有几口人？”，你的答案将是2或3或5或10，等等。这些都是孤立的值。 这种数据称为“ 离散数据 ”。
连续数据：现在，如果我想知道您的身高，您可以通过以下方式回答我：5.8888英尺或6.2222英尺。 因此，您的身高可以在特定范围内（即5和6或6和7之间）取任何值。这是“ 连续数据 ”的一个示例。
离散和连续都属于“ 变量 ”类别。
标称数据有些质量或属性无法比较或无法排序。 例如，眼睛的颜色，头发的颜色，宗教信仰无法排名。 作为个人，您可能有自己的偏好，但是从逻辑上讲，您不能说哪种宗教是最好的。 我们称这种质量为“ 名义” 。
原始数据：何时可以对质量进行排名。 例如。 如果要求您通过给星星提供以下信息来提供反馈，其中1星星表示“非常差”，2星星表示“差”，3星星表示“好”，4表示“非常好”，5表示“优秀”。 因此，您在这里对这篇文章的质量进行排名。 这就是我们所谓的序数数据。
现在，如果您已经研究过R，那么您可能知道R将某些数据视为“因子”。 因素不过是“ 分类数据 ”。
分类数据：分类变量表示可以分为几组的数据类型。 这些组是有限数。 性别是分类变量的一个例子。 如果将性别分为几类，我们将主要得到3个类别：“男性”，“女性”和“其他”。 如果R将任何变量视为因素，并且您检查了该变量的结构，则可以看到该变量的不同级别。 如果要将任何变量转换为因子，可以将其用作。 factor（）语法。
如需进一步阅读， 请单击此处 。
希望您觉得这个有帮助。 我们很快会回来的还有其他有趣的话题。
您是否对数据科学，机器学习，深度学习和协作学习抱有相同的热情！ 继续并在此处填写您的详细信息 ，我们将把您添加为中等出版物和StepUp Analytics上的作家。 写作愉快！
当然，不要忘了传播有关我们出版物的信息！
使用StepUp Analytics扩展您的技能。
“坚持学习，坚持练习”
