数据剖析作业每天要面临各式各样的数据，每种数据都有其特定的意义、运用范围和剖析办法，同一个数据在不同环境下的意义也不一样，因而咱们想要挑选正确的剖析办法，得出正确的定论，首先要清晰剖析意图，并准确了解当时的数据类型及意义。统计学中的变量指的是研讨目标的特征，咱们有时也称为特色，例如身高、性别等。每个变量都有变量值，变量值便是咱们剖析的内容，它是没有意义的，仅仅一个参加核算的数字，所以咱们首要重视变量的类型，不同的变量类型有不同的剖析办法。

变量首要是用来描绘事物特征，那么依照描绘的低劣，有以下两种区分办法：

按根本描绘区分

【定性变量】：也称为称号变量、质量变量、分类变量，总归便是描绘事物特性的变量，意图是将事物区分红互不相容的不同组别，变量值多为文字或符号，在剖析时，需求转化为特定意义的数字。

定性变量能够再细分为：

有序分类变量：描绘事物等级或次序，变量值能够是数值型或字符型，能够从而比较好坏，如喜爱的程度：很喜爱、一般、不喜爱

无序分类变量：取值之间没有次序不同，仅做分类，又可分为二分类变量和多分类变量 二分类变量是指将悉数数据分红两个类别，如男、女，对、错，阴、阳等，二分类变量是一种特别的分类变量，有其特有的剖析办法。 多分类变量是指两个以上类别，如血型分为A、B、AB、O

【定量变量】：也称为数值型变量，是描绘事物数字信息的变量，变量值便是数字，如长度、分量、产值、人口、速度和温度。

定量变量能够再细分

接连型变量：在必定区间内能够恣意取值，其数值是接连不断的，相邻两个数值可作***切割，即可取***个数值。如身高、绳子的长度等。

离散型变量：值只能用自然数或整数单位核算，其数值是接连的，相邻两个数值之间不再有其他数值，这种变量的取值一般运用计数办法获得。

依照准确描绘区分

【定类变量】

丈量事物类别或特色，各类支架没有次序或等级，实际上也便是上面说的无序分类变量，所包括的数据信息很少，只能核算频数和频率，是***层次的一种变量

【定序变量】

丈量事物之间的等级或次序，便是上述的有序分类变量，因为它的变量值能够是数值型或字符型，而且能够反映等级之间的好坏，除了能够核算频数和频率之外，还能够核算累计频率，因而数据包括的信息多于定类变量。

【定距变量】

丈量事物的类别或次序之间的距离，它不光具有定类和定序变量的特色，还能核算类别之间的距离，能够进行加减运算，数据包括的信息高于前两种

【定比变量】 丈量事物类别比值，和定距变量比较，它不光能够进行加减运算，还能够进行乘除运算，包括的数据信息最多，是***级的变量。

上面这四种变量能够从浅到深准确的描绘事物，四种变量等级从低到高，高层次变量能够向低层次转化，价值是丢失部分数据信息，可是低层次变量无法向高层次转化，这会得出过错成果。

依照变量的取值区分

前面两种分类办法都是从变量对事物的描绘视点动身进行分类，一旦对事物描绘确认下来，那么变量的取值也就相应确认下来了，比方定性变量的取值只能是某特色下的计数，比方人数、客户数等，因而只能取特定的值，数值是离散的。而定量变量能够取某特色下的恣意值，变量值即可接连也可离散，比方身高、体重、销售额等。接连型数值和离散型数值的剖析办法是不同的，因而从统计学视点，又常常区分为接连型变量和定性变量（分类变量）

关于变量的类型及取值办法，能够概括为下表