特征工程系列：（一）特征理解

定量数据本质上是数值，应该是衡量某样东西的数量，一般是浮点型

定性数据本质上是类别，应该是描述某样东西的性质，一般是字符型数据

三种变量

1） 舱门（S，C，Q）

三种取值S，C，Q是相互独立的，彼此之间完全没有联系，表达的是S≠C≠Q的概念。这是名义变量。

2） 学历（小学，初中，高中）

三种取值不是完全独立的，我们可以明显看出，在性质上可以有高中>初中>小学这样的联系，学历有高低，但是学历取值之间却不是可以计算的，我们不能说小学 + 某个取值 = 初中。这是有序变量。

3） 体重（>45kg，>90kg，>135kg）

各个取值之间有联系，且是可以互相计算的，比如120kg - 45kg = 90kg，分类之间可以通过数学计算互相转换。这是有距变量。

数据的四个等级

定类等级（nominal level）

例如，血型（A、B、O和AB型）、动物物种和人名。这些数据都是定性的

可以使用value_count进行计数

定序等级（ordinal level）

定序等级的数据可以自然排序，这意味着，可以认为列中的某些数据比其他数据更好或更大。比如，考试的乘积F、D、C、B、A，或者评分。

定距等级（interval level）

数值数据不仅可以像定序等级的数据一样排序，而且值之间的差异也有意义，如果美国得克萨斯州的温度是32℃，阿拉斯加州的温度是4℃，那么可以计算出32-4=28℃的温差。在定距等级，我们不仅可以对值进行排序和比较，而且可以加减。

也可以计算 算术平均数（就是均值）和标准差

定比等级（ratio level）

在这个等级上，可以说我们拥有最高程度的控制和数学运算能力。和定距等级一样，我们在定比等级上处理的也是定量数据。这里不仅继承了定距等级的加减运算，而且有了一个绝对零点的概念，可以做乘除运算。

比如，工资，金钱数量等

本文主要参考自下面两本书：

《特征工程入门与实践》
《精通特征工程》