如果变量只包含数字，如何知道变量是分类变量还是数值变量？答案

【问题标题】：How to know if the Variable is Categorical or Numerical if all it contains is Digits?如果变量只包含数字，如何知道变量是分类变量还是数值变量？
【发布时间】：2019-07-14 23:16:33
【问题描述】：

我有一个包含多个Variables 的数据集。

我想确定，除了唯一值计数方法之外，我们如何判断一个变量是分类变量还是数字变量，例如我的变量疾病类型之一有 31 个唯一值，而其他 Variable Distance 来自 @ 987654323@ 有 25 个唯一值，均为数字形式。

【问题讨论】：

检查df.dtypes
您是否尝试查看数据类型？
@SandeepKadapa 是的，默认情况下它们都是 int。但作为探索性数据分析的一部分，我必须将其转换为合适的类别。
@coldspeed 是的，默认情况下它们都是 int。但作为探索性数据分析的一部分，我必须将其转换为合适的类别。

标签： python pandas dataframe statistics data-analysis

【解决方案1】：

<dataframename>.info() 将给出每个变量的总数以及它是否为非空及其数据类型，如float64、object、int64 等

【讨论】：

是的，dataframe.info() 应该给出数据类型，默认情况下加载到数据帧中的数据是什么。我正在寻找的是一种逻辑或数字方式来确定变量的类型是什么，通过对其包含的数据进行分析，在我的情况下这些数据都是数字，以便我可以将其转换为适当的类型。

【解决方案2】：

简短的回答是：你对问题领域/应用领域的了解会告诉你。

您需要寻找一些差异，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）。

以下是一些有助于区分的区别：

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。相比之下，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。
数值变量可能具有不是整数的值。在您的示例中，即使“与办公室的距离”碰巧具有整数值，这可能纯粹是偶然的，或者可能是某些人对他们想要的数据中的数字精度做出的选择.
对于分类变量，谈论平均值通常没有意义。例如，有 2 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。
问自己这个经验法则问题：当我执行数据分析时，我可以根据这个变量的特定值来表达我的推论吗？这个变量的范围如何（“0 到 5 公里”、“5 到 10 公里”等）。例如，我是否可以报告从我的数据分析中得出的任何推论，即“离办公室距离为 123 的人，在他们的职业生涯中很容易取得成功”？这个具体的价值听起来很傻，对吧？相反，如果它是一个分类变量，例如 2 型糖尿病，您总是可以根据具体值进行推断。

【讨论】：