统计基础知识之数据类型（上）

1、概述

       传统意义上，数据就是类似销量、平台曝光率或是身高体重性别之类的，但随着大数据时代的到来，大家对于数据的认识越来越深刻，数据也不再是传统意义上的定义，除了常见的数字是数据以外，文字是数据，图片是数据，声音也是数据。
       算法可以通过解析文档来获取有用的文本信息、可以通过文字识别来屏蔽敏感信息和词汇、可以通过图像识别实现自动化驾驶、可以通过识别声音信息转化为文字等等，以上这些应用场景只是凤毛麟角，在实际应用中，我们会和各种各样的数据打交道，不同的数据类型的处理方式也是不同的，今天和大家一起来唠一唠传统的数据类型以及描述性统计方法。

2、数据类型

按计量层次的不同：分类数据、顺序数据、数值型数据

• 分类数据：性别、职业、学科等都是典型的分类数据。比如男、女之间是相互独立的，没有排序性也不能进行数值运算，彼此之间完全没有联系，也叫做名义变量。一般会用数值来表示分类数据，比如0代表男、1代表女，这样便于数据的记录和处理（分类数据的表示方法也是门学问哈哈哈，以后有机会再写一篇文章和大家详细聊一聊这个问题）
• 顺序数据：顺序数据其实和分类数据很像，唯一的不同是顺序数据之间是有排序性的，比如学历、一/二/三等奖、优等品/劣质品，取值之间并不是相互独立的，比如学历在性质上可以有高中>初中>小学这样的联系，学历有高低，但是学历取值之间却不是可以计算的，也叫做有序变量。顺序变量也可以用数字去表示，详细用法我们下次再细说
• 数值型变量：数值型变量是我们最常见的变量类型啦，比如年龄、收入、温度等等都是数值型变量，用数值去表示，可以进行数值运算，这个很好理解，就不赘述了

按时间状态的不同：截面数据、时间序列数据、面板数据

• 截面数据：结合字面意思就是截取了一面的数据，就是时间定格在某一刻之后的数据情况，很难理解对吧哈哈哈，我们举个例子说：比如2021年全国各个省市的GDP值统计，这个就是截面数据，时间固定在2021年。想象一下用Excel表格去存放数据的话，每一行代表一个城市，只有一列就是GDP的值，假设我们有30个城市，那么就是30行1列的数据框
• 时间序列数据：时间序列数据和截面数据是完全对立的情况，时间序列数据是固定统计对象，在时间轴上去观察数据情况，比如每年就业人数，只有一个对象—就业人数，按照年份来进行统计，用Excel去放数据的话，就是一行多列，每一列都代表一年
• 面板数据：面板数据是结合了截面数据和时间序列数据构成的数据结构，用于记录多个统计对象随着时间的数据情况，比如我们非常熟悉的股票数据，一支股票的价格以日为频率进行更新，也就是每天的价格都不一样，这是时间序列，多只股票每天的价格放在一起，就构成面板数据，m个股票n天的价格存放在Excel里，就是m行n列的面板数据

3、不同数据类型的绘图方式

分类数据、顺序数据：条形图、饼图、环形图

①条形图：横坐标表示组别，比如男女等，纵坐标代表频数

②饼图：每种颜色代表不同的类，面积的大小代表每一类的占比，频数越大、占比越高、面积越大

③ 环形图：其实和饼图都是一样的，就是中间挖空了  O(∩_∩)O哈哈~

数值型数据：直方图、箱线图、散点图、气泡图、雷达图

①箱线图：箱线图是一个能够通过5个数字来描述数据的分布的标准方式，这5个数字包括：最小值，第一分位数，中位数，第三分位数，最大值。可以看出数据的分布和集中程度，中间红色部分越小数据越集中（具体原因不理解的同学请坐等，我下一篇分享），同时也可以用来检查异常值（具体原因以后会跟大家分享）

②散点图：主要用来呈现横纵坐标之间的关系，假如有两列数据分别是年龄和收入，用横坐标表示年龄，纵坐标表示收入，散点图会呈现一种倒U型（一般来说，高收入人群集中在30-50岁左右）

③ 气泡图：气泡图和散点图很像，但是散点图我们只能展示两个变量的信息，因为我们只有横纵坐标，气泡图除了横纵坐标可以呈现数据外，另外加入了每个点的面积大小来表示第三个数据，泡泡越大，数据越大

比如下面这张图，画出了二手车的价格，横坐标为里程，开的越久里程越大，车越不值钱，所以横坐标越往右，泡泡是越小的，纵坐标表示车的原价，原价越高二手车自然也就越贵，所以纵坐标越往上泡泡越大

④ 雷达图：雷达图像蜘蛛网一样，变量有几个类型就有几个角，下面这个图画出了7个地区的销量，销量越高的地方，蓝色的点越远，角度越小也就越尖

本人才疏学浅，若有理解有误的地方，还请各路大佬批评指正♡♡♡

ok！感恩的心~