一、定性數據和分類數據區別？

兩種數據都是用來描述對象特征的數據類型，但它們在統計學和數據分析中具有不同的應用和數學特征。

定性數據，也稱為定類數據或分類數據，是一種用于描述對象屬性的數據類型，可以用來區分不同的類別或屬性。定性數據通常以文字或數字的形式表示，但這些數字并不代表數量的大小或順序。定性數據的數學特征是“=”或“≠”，它們僅用于表示不同類別的品質。例如，人的性別是一個定性數據，因為它只能分為男性和女性兩個類別，這兩個類別之間不存在數量上的大小關系。

分類數據是定性數據的一種特殊形式，通常用于描述對象的屬性或類別歸屬。與定性數據不同，分類數據通常以文字或數字的形式表示，但這些數字僅代表不同的類別，并不表示數量的大小或順序。分類數據的數學特征也是“=”或“≠”，它們僅用于表示不同類別的品質。例如，學生的專業是一個分類數據，因為每個學生只能屬于一個專業，不同的專業之間不存在數量上的大小關系。

總的來說，定性數據和分類數據都是描述對象屬性的數據類型，但它們的主要區別在于它們的應用和數學特征。定性數據主要用于描述對象的屬性或類別，而分類數據則更側重于描述對象的類別歸屬。

二、pandas數據分類？

Series：一維數組，與Numpy中的一維array類似。二者與Python基本的數據結構List也很相近。Series如今能保存不同種數據類型，字符串、boolean值、數字等都能保存在Series中。

Time- Series：以時間為索引的Series。

DataFrame：二維的表格型數據結構。很多功能與R中的data.frame類似。可以將DataFrame理解為Series的容器。

Panel ：三維的數組，可以理解為DataFrame的容器。

Panel4D：是像Panel一樣的4維數據容器。

PanelND：擁有factory集合，可以創建像Panel4D一樣N維命名容器的模塊。

三、數據的分類？

根據不同的分類方法，可以將統計數據分為以下幾種類型：

按計量層次分類

按照數據的計量層次，可以將統計數據分為定類數據、定序數據、定距數據與定比數據。

1.定類數據。這是數據的最低層。它將數據按照類別屬性進行分類，各類別之間是平等并列關系。這種數據不帶數量信息，并且不能在各類別間進行排序。例如，某商場將顧客所喜愛的服裝顏色分為紅色、白色、黃色等，紅色、白色、黃色即為定類數據。又如，人類按性別分為男性和女性也屬于定類數據。雖然定類數據表現為類別，但為了便于統計處理，可以對不同的類別用不同的數字或編碼來表示。如1表示女性，2表示男性，但這些數碼不代表著這些數字可以區分大小或進行數學運算。不論用何種編碼，其所包含的信息都沒有任何損失。對定類數據執行的主要數值運算是計算每一類別中的項目的頻數和頻率。[3]

2.定序數據。這時數據的中間級別。定序數據不僅可以將數據分成不同的類別，而且各類別之間還可以通過排序來比較優劣。也就是說，定序數據與定類數據最主要的區別是定序數據之間還是可以比較順序的。例如，人的受教育程度就屬于定序數據。我們仍可以采用數字編碼表示不同的類別：文盲半文盲=1，小學=2，初中-3，高中=4，大學=5，碩士=6，博士=7.通過將編碼進行排序，可以明顯地表示出受教育程度之間的高低差異。雖然這種差異程度不能通過編碼之間的差異進行準確的度量，但是可以確定其高低順序，即可以通過編碼數值進行不等式的運算。[3]

3.定距數據。定距數據是具有一定單位的實際測量值（如攝氏溫度、考試成績等）。此時不僅可以知道兩個變量之間存在差異，還可以通過加、減法運算準確的計算出各變量之間的實際差距是多少。可以說，定距數據的精確性比定類數據和定序數據前進了一大步，它可以對事物類別或次序之間的實際距離進行測量。例如，甲的英語成績為80分，乙的英語成績為85分，可知乙的英語成績比甲的高5分。[3]

4.定比數據。這是數據的最高等級。它的數據表現形式同定距數據一樣，均為實際的測量值。定比數據與定距數據唯一的區別是：在定比數據中是存在絕對零點的，而定距數據中是不存在絕對零點的（零點是人為制定的）。因此定比數據間不僅可以比較大小，進行加、減運算，還可以進行乘、除運算。[3]

在統計分析中，區分數據的類型十分重要，不同測度類型的數據，扮演的角色是不一樣的。[3]

按來源分類

數據的來源主要有兩種渠道：一種是通過直接的調查獲得的原始數據，一般稱為第一手或直接的統計數據；另一種是別人調查的數據，并將這些數據進行加工和匯總后公布的數據，通常稱之為第二手或間接的統計數據。[3]

按時間狀況分類

1.時間序列數據。它是指在不同的時間上搜集到的數據，反映現象隨時間變化的情況。

2.截面型數據。它是指在相同的或近似的時間點上搜集到的數據，描述現象在某一時刻的變化情況。

四、數據行業分類？

歸納起來可以按照以下方式進行分類：

(1)從大數據處理的過程來分：包括數據存儲、數據挖掘分析、以及為完成高效分析挖掘而設計的計算平臺，它們完成數據采集、ETL、存儲、結構化處理、挖掘、 分析、預測、應用等功能。

(2)從大數據處理的數據類型來劃分：可以分為針對關系型數據、非關系型數據(圖數據、文本數據、網絡型數據等)、半結構化數據、混合類型數據處理的技術平臺。

(3)從大數據處理的方式來劃分：可以分為批量處理、實時處理、綜合處理。其中批量數據是對成批數據進行一次性處理，而實時處理(流處理)對處理的延時有嚴格的要求，綜合處理是指同時具備批量處理和實時處理兩種方式。

(4)從平臺對數據的部署方式看：可以分為基于內存的、基于磁盤的。前者在分布式系統內部的數據交換是在內存中進行，后者則是通過磁盤文件的方式

五、數據分類的原則？

數據分類的基本原則如下：

1.穩定性:依據分類的目的，選擇分類對象的最穩定的本質特性作為分類的基礎和依據，以確保由此產生的分類結果最穩定。因此，在分類過程中，首先應明確界定分類對象最穩定、最本質的特征。

2.系統性:將選定的分類對象的特征（或特性）按其內在規律系統化進行排列，形成一個邏輯層次清晰、結構合理、類目明確的分類體系。

3.可擴充性:在類目的設置或層級的劃分上，留有適當的余地，以保證分類對象增加時，不會打亂已經建立的分類體系。

4.綜合實用性:從實際需求出發，綜合各種因素來確定具體的分類原則，使得由此產生的分類結果總體是最優、符合需求、綜合實用和便于操作。

5.兼容性:有相關的國家標準則應執行國家標準，若沒有相關的國家標準，則執行相關的行業標準；若二者均不存在，則應參照相關的國際標準。這樣，才能盡可能保證不同分類體系間的協調一致和轉換。

六、數據分類匯總方法？

1. 首先對數據按需要分類匯總的列（本例為“城市”列）進行排序。

選擇“城市”列中的任意單元格，在Excel 2003中單擊工具欄中的排序按鈕如“A→Z”。在Excel 2007中，選擇功能區中“數據”選項卡，在“排序和篩選”組中單擊“A→Z”按鈕。

2. 選擇數據區域中的某個單元格，在Excel 2003中單擊菜單“數據→分類匯總”。如果是Excel 2007，則在“數據”選項卡的“分級顯示”組中單擊“分類匯總”。

3. 在彈出的“分類匯總”對話框中，在“分類字段”下選擇“城市”，在“匯總方式”中選擇某種匯總方式，可供選擇的匯總方式有“求和”、“計數”、“平均值”等，本例中選擇默認的“求和”。在“選定匯總項”下僅選擇“銷售額”。

4.單擊確定，Excel將按城市進行分類匯總。

七、Excel怎么分類數據？

分類數據

1、第一步，排序：點擊菜單中的數據、排序，選擇關鍵字：科目名稱，確定。

2、再打開數據菜單，點擊分類匯總，在分類匯總窗口中，分類字段選擇：科目名稱，匯總方式：求和，選定匯總項：借方，確定。

3、最終結果，按照科目名稱進行了匯總，點擊左上角的數字1、2、3，可以按不同的層級顯示數據。

八、數據線分類？

1、上網線：只能用來GPRS或CDMA 1X上網。典型型號：V730系列；V688系列；小靈通系列。

2、刷機線：只能用來升級刷機。典型型號：明基S700；升級解鎖一線通。

3、同步線：用來傳輸電話本；圖片鈴聲；短信；多媒體資料等，當然，部分是雙向傳送，部分僅支持單向傳送。此類數據線比較普遍。

4、充電線：一般是上網線或同步線再加一個USB充電功能，比較實用方便，上網和群發短信必備的功能。還可以細分為帶充電和帶充電開關兩種，前者一插上就充電，后者有一個小開關，可以控制是否充電。當然帶充電開關的檔次最高，價格也比較貴。

5、多功能線：同時支持上網、同步、刷機、充電等2項或2項以上的功能，提醒：大家買數據線的時候肯定是功能越多越好，寧可貴一些，這樣等于一線多用。

6、M-bus：傳輸速率低（9.6kbp/s），硬件較簡單，主要配合維修、解鎖類軟件使用，也就是我們常說的“刷機臺”，雖然傳輸慢，但是穩定.

7、F-bus：傳輸速度有所提高（115.2kbp/s），主要用于無線上網，傳輸鈴聲、圖片、游戲等，也就是我們最常見的數據線。

九、數據分類分級規范？

a) 科學性。按照數據的多維特征及其相互間邏輯關聯進行科學和系統地分類，按照大數據安全需求確定數據的安全等級。

b) 穩定性。應以數據最穩定的特征和屬性為依據制定分類和分級方案。

c) 實用性。數據分類要確保每個類下要有數據，不設沒有意義的類目，數據類目劃分要符合對數據分類的普遍認識。數據分級要確保分級結果能夠為數據保護提供有效信息，應提出分級安全要求。

d) 擴展性。數據分類和分級方案在總體上應具有概括性和包容性，能夠針對組織各種類型數據開展分類和分級，并滿足將來可能出現的數據的分類和分級要求。

十、主數據分類規則？

1.主數據（Master Data）： 主數據是關于業務實體的數據，描述組織內的“物”，如：人，地點，客戶，產品等。

2.交易數據（事務數據，Transactional Data）：交易數據（事務數據、業務數據）描述組織業務運營過程中的內部或外部事件或交易記錄。如：銷售訂單，通話記錄等。

3.參考數據（Reference Data）:參考數據是用于將其他數據進行分類或目錄整編的數據，規定參考數據值是幾個允許值之一。如：客戶等級分為Ａ，Ｂ，Ｃ三級。

4.統計分析數據（指標、Analytical Data）:統計分析數據是對企業業務活動進行統計分析的數值型數據，即：指標。如：客戶到達數、數據接入率等。

5.元數據（Meta Data）：元數據是描述數據的數據，幫助理解、獲取、使用數據，分為技術元數據和業務元數據等。