定量数据与定性数据

在了解了数据可以是有组织（结构化）或自由形式（非结构化）之后，下一个重要的区分是数值本身的性质。数据通常分为两大类：定量数据和定性数据。认识到这种差异非常基础，因为它决定了你能提出什么类型的问题以及能执行哪种分析。

定量数据：处理数字

定量数据表示数量或计数。它是数值型的，这意味着你可以衡量它并执行加法、减法或计算平均值等数学运算。设想任何你可以客观计数或衡量的东西。

特点：

• 数值型： 以数字形式表示。
• 可衡量： 表示一个具体数量。
• 数学运算： 可用于计算（平均值、总和等）。

示例：

• 班级学生的升高（例如，165 厘米，172 厘米）。
• 室外温度（例如，25°C，77°F）。
• 用户点击按钮的次数（例如，5 次点击，12 次点击）。
• 产品的价格（例如，$19.99，€50）。

子类型（简要介绍）：

虽然我们在此不详细说明，但了解定量数据可以进一步细分是有益的：

1. 离散数据： 表示可计数项目。数值通常是整数，不能再有意义地细分。例如，你不能有 2.5 次网站访问。
   • 示例： 公司员工数量，汽车销售数量。
2. 连续数据： 表示测量值。数值可以在给定范围内的任意位置，并且理论上可以细分为越来越小的单位（仅受测量工具限制）。
   • 示例： 升高、体重、温度、完成任务所需的时间。

定性数据：处理描述

定性数据，也称为分类数据，描述的是性质或特征。它是非数值型的，通常代表标签、类别或属性。你通常不能对这类数据进行标准的数学计算，例如求平均值。

特点：

• 描述性： 表示性质、特征或类别。
• 非数值型（通常）： 通常使用词语、标签、符号表示，或有时使用作为标签的数字（如邮政编码，对其求平均值没有意义）。
• 分类： 用于根据属性对项目进行分组。

示例：

• 个体的眼睛颜色（例如，蓝色、棕色、绿色）。
• 客户反馈评论（例如，“满意”、“服务优异”、“难以使用”）。
• 水果类型（例如，苹果、香蕉、橙子）。
• 调查中的“是/否”回答。

子类型（简要介绍）：

定性数据也有重要的子类型：

1. 名义数据： 没有内在顺序或排名的类别。
   • 示例： 颜色（红色、蓝色、绿色）、性别（男性、女性、其他）、原籍国。你可以计数每个类别中有多少项，但在“蓝色”和“绿色”之间没有自然的排名。
2. 序数数据： 具有有意义的顺序或排名的类别，但类别之间的间隔可能不相等或不可量化。
   • 示例： 客户满意度评分（例如，“非常不满意”、“不满意”、“中立”、“满意”、“非常满意”）、教育水平（例如，高中、学士、硕士、博士）、服装尺寸（S、M、L、XL）。你知道“满意”比“中立”要好，但你不能在数学上说它恰好好两倍。

数据类型的一种可视化分解，分为定量（数值型）和定性（分类型），以及它们的常见子类型。

为什么这种区别很重要？

了解你的数据是定量还是定性非常重要，因为它直接影响：

• 分析方法： 你可以计算温度等定量数据的平均值（$\text{均值}$），但对于最喜欢的颜色等定性数据，你需要找出最常出现的类别（$\text{众数}$）。应用错误的方法会产生无意义的结果（例如，“平均”邮政编码）。
• 可视化技术： 柱状图非常适合比较定性类别（名义或序数）的计数。直方图和散点图常用于查看定量数据（离散或连续）的分布和关系。选择正确的图表很大程度上取决于数据类型（更多内容在第 6 章中讨论）。
• 建模方法： 许多数据科学模型专门为数值输入设计。定性数据在使用这些模型之前，通常需要转换为数值表示（例如，为类别分配数字），这是一个需要根据数据是名义型还是序数型进行仔细权衡的过程。

随着学习的深入，你会明白，识别你正在处理的数据类型是任何数据分析任务的初步步骤之一。它指导你清理、汇总、可视化数据以及最终从现有信息中获取认识的策略。