子任务一 数据类型

数据是一种对客观事物的逻辑归纳，是事实或观察的结果。随着科学技术的发展，凡是可以电子化记录的都是数据，如社交网络产生的社交数据，购物网站产生的大量客户及购物数据，物联网技术催生的车联网数据，等等。数据的内涵越来越广泛，不仅包括像GDP、股市指数、人口数量等数值型数据，还包括文本、声音、图像、视频等非数值型数据。数据类型有3种常见的分类方法，分别是按结构属性分类、按连续特征分类与按测量尺度分类。

1. 按结构属性分类

按结构属性分类，数据可以分为结构化数据与非结构化数据两种。它们不仅存储形式不同，在数据处理和数据分析的方法上也大相径庭。

结构化数据通常是指存储在数据库里，可以用二维表结构来表示的数据。从数据存储角度看，Excel表格数据，SQL Server数据库和Oracle数据库中的数据，都是结构化数据；从应用的角度看，企业ERP系统数据、企业会计信息系统数据、银行交易记录数据等，也是结构化数据，它们大多存储在大型数据库中，用户可以方便地检索、分析和处理。

非结构化数据通常是指不能用二维表结构来表示和存储的数据。相对于结构化数据而言，非结构化数据没有统一的规则，涉及音（视）频、图片、文本等形式。例如，利用一定手段从网站抓取的新闻数据、某个电影的评价数据等，都需要通过一定的方法，将这些数据量化为结构化数据，才能进行有效的分析。

2. 按连续特征分类

按连续特征分类，数据又可以分为连续型数据与离散型数据。连续型数据与离散型数据的区别，可以用线、点来区分理解。

连续型数据是指在一定区间内可以连续取值的数据。例如，人的身高、体重数值，气温度数，电影票房收益等。

离散型数据也被称为不连续数据，其取值只能用自然数或整数表达。例如，硬币的正反面取值、某人的学历取值等。

3. 按测量尺度分类

按测量尺度，数据可分为4类，即定类数据、定序数据、定距数据和定比数据。

（1）定类数据表现为类别，用于标识数据所描述的主体对象的类别或者属性名称。定类数据只能用来标识事物类别或名称，不区分顺序，无法描述大小、高度等信息，不能进行任何运算，包括比较运算。比如，人的性别分为男性和女性两类，量化后可分别用0和1表示；企业按行业分类，分为旅游业、教育业、制造业、建筑业、金融业等，分别用数字1、2、3、4、5表示。这些数字只是代号，不能区分大小或进行任何数学运算。

（2）定序数据表现为类别，但有顺序，也称为序列数据，用于对事物所具有的属性按顺序进行描述。定序数据虽然可以用数字或者序号来排列，但并不代表数据的大小，只代表数据之间的顺序关系。例如，人的受教育程度分为高中毕业、大学本科毕业、硕士研究生毕业、博士研究生毕业，分别用1、2、3、4表示，这些只代表顺序，按照大小正序排列，但不能进行计算。定序数据不仅具有定类数据的特点，可以将所有的数据按照互斥穷尽原则（MECE原则）加以分类，而且各类型之间具有某种意义上的等级差异，从而形成一种确定的排序。

（3）定距数据是由定距尺度计量形成的，表现为数值，可以进行加减运算，不能进行乘除运算。定距数据没有绝对零点，比如温度计的零点是人为指定的，并不能说20 ℃就是10 ℃的两倍，但可以说20 ℃比10 ℃高10 ℃。

（4）定比数据是由定比尺度计量形成的，表现为数值，既可以进行加减运算，也可以进行乘除运算。定比数据代表数据的最高级，既有测量单位，也有绝对零点（可以取值为0）。比如，小明的体重是60千克，小刚的体重是30千克，我们可以说小明的体重是小刚体重的2倍。

由此可以看出，定类数据和定序数据表现为分类，属于定性数据；定距数据和定比数据表现为数值，属于定量数据。