1.2 类型结构特征

我们一般将特征分为定量特征和定性特征。定量特征具有“数值量”，如身高、年龄、出生人数等，它可以是连续的，也可以是离散的。连续的定量特征在可能的连续范围内取值，如身高、电压或农作物产量，这种特征体现了总是可以进行更精确测量的思想。离散的定量特征具有可数的可能性，如计数。

与此相反，定性特征没有数值含义，但它们可能的取值可以划分成固定数量的类别，如{M,F}表示性别，{蓝色， 黑色， 棕色， 绿色}表示眼睛的颜色。因此，这样的特征也称为分类特征。一个简单的经验法则是，如果对数据进行平均没有意义，那么它就是分类特征。例如，对眼睛颜色进行平均是没有意义的。当然，我们仍然可以用数字来表示分类数据，比如，1表示蓝色，2表示黑色，3表示棕色，但是这样的数字没有量化意义。分类特征通常称为因子（factor）。

在操作、汇总和显示数据时，正确指定变量（特征）的类型十分重要。我们使用文献[73]提供的nutrition_elderly数据集来说明这一点，该数据集是有关老人营养的研究结果，它包含226名老人（行）的13个特征（列）的营养测量数据。该数据集可以通过网址http://www.biostatisticien.eu/springeR/nutrition_elderly.xls获得。

Excel文件可以通过read_excel方法直接读入pandas：

这将创建一个DataFrame对象nutri。nutri的前三行数据如下：

我们可以通过nutri的info方法来查看变量的类型或结构：

nutri中的13个特征全部都被Python解释为定量变量，实际上是整数，因为它们是作为整数输入的。表1.1显示了应如何对变量类型进行分类。当我们考虑表1.2给出的特征描述时，这些数字的含义就变得很清楚了。

请注意，表1.1中定性特征第二行的类别变量meat到chocol有一个自然顺序。这样的定性特征有时称为序数特征，相反，没有序数属性的定性特征称为标称特征。我们在本书中不做这样的区分。

我们可以使用Python中的replace和astype方法修改每个分类特征的值和类型。对于分类特征，比如gender，我们可以将1替换为'Male'，将2替换为'Female'，并将变量的类型修改为'category'，方法如下：

其他分类特征的结构也可以用类似的方式改变。像height这样的连续特征，其类型应为float：

我们可以对其他变量重复这样的操作（见习题2），并使用pandas的to_csv方法将修改后的数据帧保存为CSV文件。