数据分析中的属性及其类型

简介

数据分析是检查原始数据的过程，目的是对该信息得出结论。它是现代商业的一个重要方面，被用来改善决策，确定趋势和优化流程。

数据分析的一个重要方面是属性的概念。属性是数据集的特点或特征，描述数据。它们也被称为变量或列。在这篇文章中，我们将探讨不同类型的属性以及它们在数据分析中的作用。

属性的类型

在数据分析中，有几类属性是常用的。这些包括–

数字属性 – 这些是代表定量数据的属性，如数字。数字属性有两种主要类型：连续和离散。

连续属性是可以在一定范围内采取任何数值的属性。例如，一个人的身高可以用英寸来衡量，因此是一个连续属性。
离散属性是只能在一定范围内取特定值的属性。例如，一个人的年龄是一个离散属性，因为它只能是一个整数。

分类属性 – 这些是代表可以分为类别或组的数据的属性。有两种主要的分类属性：名词性和顺序性。

名义属性是没有任何固有的顺序或排名的属性。例如，一个人的眼睛颜色是一个名义属性，因为眼睛颜色没有固有的排序（例如，蓝色不比棕色 “好”）。
顺序属性是具有特定顺序或等级的属性。例如，一个人的教育水平（例如，高中、大学、研究生）是一个顺序属性，因为教育水平有一个特定的顺序。

二进制属性 – 这些属性只能有两个值，如真或假，或0和1。二进制属性在数据分析中经常被用来表示是/否或开/关类型的情况。

示例

为了更好地理解不同类型的属性，我们来看看一些例子。

数值属性 –

一个人一年赚的钱是一个连续的数字属性，因为它可以在一定范围内采取任何数值（例如， $20,000到$ 100,000）。
一个人的孩子数量是一个离散的数字属性，因为它只能采取特定的值（例如，0，1，2，3，等等）。

分类属性 –

一个人的性别是一个名义上的分类属性，因为不存在固有的性别排名（例如，男性不比女性 “好”）。
一个人的工作头衔是一个序数分类属性，因为工作头衔有一个特定的等级制度（例如，实习生在等级制度中比经理低）。

二进制属性 –

一个人是否拥有房子是一个二元属性，因为它只能有两个值（例如，拥有房子或不拥有房子）。
一个人是否有大学学位是一个二元属性，因为它只能有两个值（例如，有学位或没有学位）。

示例

下面是一些演示上述概念的代码例子。-

Python中数字属性的例子 –

# continuous numeric attribute
height = 72.5 # in inches

# discrete numeric attribute
age = 30 # in years

Python中分类属性的例子 –

# nominal categorical attribute
eye_color = "brown"

# ordinal categorical attribute
education_level = "college" # possible values: "high school", "college", "graduate school"

Python中二进制属性的例子 –

# binary attribute
owns_house = True # possible values: True or False

# binary attribute
has_degree = False # possible values: True or False

在Python中使用属性进行数据可视化的例子（使用Matplotlib库）-

import matplotlib.pyplot as plt

# assume we have a list of employee objects with attributes "salary" and "job_title"
employees = [employee1, employee2, employee3, ...]

# create a list of salaries and a list of job titles
salaries = [employee.salary for employee in employees]
job_titles = [employee.job_title for employee in employees]

# create a bar chart showing the average salary for each job title
plt.bar(job_titles, salaries)
plt.xlabel("Job Title")
plt.ylabel("Average Salary")
plt.title("Salary by Job Title")
plt.show()