如果变量包含的只是数字，如何知道变量是分类变量还是数值变量？

Question

我有一个数据集，其中有几个Variables.

我想确定，除了唯一值计数方法之外，我们如何判断变量是分类变量还是数值变量，例如我的一个变量疾病类型有 31 个唯一值，而其他变量Variable Distance有Office25 个唯一值，两者都在数字的形式。

Answer 1

简短的答案是：您对问题领域/应用程序领域的了解会告诉您。

您会寻找一些差异，但要应用这些差异，您仍然需要使用一些领域知识（有时是常识）。

以下是一些差异，可以帮助您区分：

1. 对于分类变量，允许值的集合通常是固定的，并且很少改变（如果有的话）。相反，对于数值变量，值集可能会发生变化，例如，当您收到同一数据集的新记录时。
2. 数字变量的值可能不是整数。在您的示例中，即使“距办公室的距离”碰巧具有整数值，但这可能纯粹是偶然的，或者可能是某人对数据中想要的数字精度做出的选择。
3. 对于分类变量，谈论平均值通常没有意义。例如，有两种类型的糖尿病，分别称为 1 型和 2 型，但谈论这些类型的平均值（1.2357 型？）是没有意义的。
4. 问自己这个经验法则问题：当我进行数据分析时，我可以用该变量的具体值来表达我的推论吗？该变量的范围如何（“0 到 5 公里”、“5 到 10 公里”等）。例如，我可以报告我的数据分析中的任何推论：“那些与办公室距离为 123 的人，更有可能在职业生涯中取得成功”吗？这个特定的值听起来很愚蠢，对吧？相反，如果它是一个分类变量，例如 2 型糖尿病，您始终可以根据具体值进行推断。