简述分类变量与数值变量的根本区别？
变量是统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如人的身高、性别等。每个变量都有变量的值和变量的类型，我们按照变量的类型对变量进行划分。统计学中的变量大致可以分为数值变量和分类变量。
数值、分类变量：数值型变量是指可以取一些列的数，这些值对于加法、减法、求平均值等操作是有意义的。而分类变量对于上述的操作是没有意义的。
数值变量可以分为两类：离散型变量：数值只能用自然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值一般使用计数方法取得。连续型变量：在一定区间内可以任意取值，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如身高、绳子的长度等。和离散型变量相比，连续型变量有“真零点”的概念，所以可以进行乘除操作。
分类变量又可以分为下面两类：有序分类变量：描述事物等级或顺序，变量值可以是数值型或字符型，可以进而比较优劣，如喜欢的程度：很喜欢、一般、不喜欢 。无序分类变量：取值之间没有顺序差别，仅做分类，又可分为二分类变量和多分类变量，二分类变量是指将全部数据分成两个类别，如男、女，对、错，阴、阳等，二分类变量是一种特殊的分类变量，是特有的分析方法。多分类变量是指两个以上类别，如血型分为A、B、AB、O。有序分类变量和无序分类变量的区别就是：前者对于比较操作是有意义的，而后者对于比较操作是没有意义的。
这四种数据的等级从低到高依次为：无序分类变量<有序分类变量< 离散型数值变量< 连续型数值变量。
什么是变量？
统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如人的身高、性别等。
每个变量都有变量的值和变量的类型。我们按照变量的类型对变量进行划分。
统计学中的变量（variables）大致可以分为数值变量（numrical）和分类变量（categorical）。
什么是数值、分类变量？
数值型变量是值可以取一些列的数，这些值对于 加法、减法、求平均值等操作是有意义的。而分类变量对于上述的操作是没有意义的。
数值变量又可以分为下面两类：
离散型变量（discrete）
连续型变量（continuous）
有序分类变量（ordinal）
无序分类变量（nominal）
值只能用自然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值一般使用计数方法取得。
在一定区间内可以任意取值，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如身高、绳子的长度等。
和离散型变量相比，连续型变量有“真零点”的概念，所以可以进行乘除操作。
分类变量又可以分为下面两类：
描述事物等级或顺序，变量值可以是数值型或字符型，可以进而比较优劣，如喜欢的程度：很喜欢、一般、不喜欢 。
取值之间没有顺序差别，仅做分类，又可分为二分类变量和多分类变量 二分类变量是指将全部数据分成两个类别，如男、女，对、错，阴、阳等，二分类变量是一种特殊的分类变量，有其特有的分析方法。 多分类变量是指两个以上类别，如血型分为A、B、AB、O。
有序分类变量和无需分类变量的区别是：前者对于“比较”操作是有意义的，而后者对于“比较”操作是没有意义的。
如何区分四种变量？
这四种数据的等级从低到高依次为：无序分类变量(nominal) <有序分类变量(ordinal)< 离散型数值变量(discrete)< 连续型数值变量(continuous)。
下面的一张图描述了它们之间的关系：
请点击输入图片描述
本文转载自小舔哥的博客。
原文地址：
https://www.cnblogs.com/jiaxin359/p/7995073.html
数值变量又可以分为下面两类：1、离散型变量：只能用自然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值一般使用计数方法取得。2、连续型变量：在一定区间内可以任意取值，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。如身高、绳子的长度等。和离散型变量相比，连续型变量有“真零点”的概念，所以可以进行乘除操作。
