统计数据类型的numerical data, categorical data和ordinal data

　　统计数据类型的numerical data, categorical data和ordinal data。Types of Statistical Data: Numerical, Categorical, and Ordinal

　　Numerical data 具有实际测量的物理意义，比如人的身高、体重、IQ、血压等等，统计学中，Numerical data也称作quantitative data，Numerical data又分为两种类型：

　　1、离散型数据(Discrete data)代表数量是可以被数出来的，它可能是有限的，也可能是无限的。比如掷硬币100次人头朝上的次数(次数范围为0到100，是有限的);又如，掷硬币直到有100次是人头朝上的次数(次数范围为100到无穷大，是无限的)。

　　2、连续数据代表测量的结果是不能被数出来的，它只能被区间所描述。比如桶里有20L水，随机倒掉一部分，剩余的水量为[0,20]区间内的某一个值，9.4L，9.41L，9.416789L等等，任何在[0,20]区间内的值都有可能。

　　Categorical data代表了被描述对象的性质，比如一个人的性别、婚姻状况、家乡等等， Categorical data 可以用Numerical data来表示，比如说描述性别时，1代表男，2代表女，但是这些数据并没有数学意义，你不能拿他做运算。Categorical data也叫作qualitative data或是Yes/No data。

　　categorical变量是名称(names)或者标签，其中的nominal是没有排序、好坏之分的变量，比如学生的性别：男和女。而ordinal是有排序(order)的，比如学生的成绩：A、B、C、D等。

　　numerical变量你可以简单理解为数字(但要是measureable的)。discrete变量是整数。例如顾客在超市里买的东西的数量，没有半个之说。continuous变量是一段范围内的任意值，比如顾客在超市里呆的时间，可以是37分钟25秒03毫秒，也可以是一小时整。

　　这些分类有什么用呢?也举个简单的例子，比如给了你1000个样本，每个样本有100000条特性，如何降维?对于Numerical data，可以使用自相关性，去除相关性较差的特性，对于 Categorical data ，可以使用卡方检验(独立性检验)，去除独立性较强的特性。

　　Categorical Type Data顾名思义是用来分类的数据，例如性别，肤色等，没有先后顺序之分。而 Ordinal Type Data与之类似，不同的是，有先后顺序之分。例如(低，中，高)小学、初中、高中。

　　Numerical Type Data顾名思义代表的是一些需要测量和数出来的数据，例如，身高、体重等。