简述四种变量的类型

上周我的朋友在学习C语言，向我询问变量类型。
我说过C语言中变量的类型有很多种，比如字符（char）、整数（int）、浮点数（float和double）。
字符类型（char）是存储单个字符，8 位内存，可以存储ASCII码表中的字符，值从-1 2 8 到1 2 7 整数类型（int）存储整数，1 6 位，值从-3 2 7 6 8 到3 2 7 6 7 ，但可以通过修饰符改变。
浮点数类型（float 和 double）存储小数位，float 为 3 2 位，精度为 6 到 7 位，范围为 3 .4 e-3 8 到 3 .4 e+3 8 ，double 为 6 4 位，精度为 1 4 到 1 5 位，范围为 1 .7 e-3 08 到 1 .7 e+3 08 还有类型修饰符，例如 unsigned、short、register 和 long，它们可以更改整数和字符的大小和范围。
对用户定义的类型使用 typedef。
例如，定义 myint，它是 unsigned long unint 的别名。
算了，你懂的。

研究变量的四种类型分别是

变量分哪四种？

上次帮同事整理数据的时候，遇到了这样一个分类问题，相当烦人。
只要问我，我会尽力为您找到答案。

看，这个分类主要取决于数据能做什么。
最简单的方法是使用分类变量，例如统计问卷中的问题“你是男孩还是女孩”？这只能分为大类。
老年人和年轻人没有区别。
这个东西是所有类别中最低的。

再往上一点是序列变量。
比如我问你的学历，小学、初中、中学、大学……是有一定顺序的。
虽然不能说大学比中学多，但肯定是有层次的。
但请注意，这里的间隔不一定相同。
例如，小学和初中的区别与初中和高中的区别不同。

固定距离变量更加精确。
例如，零到十度之间的温度感觉与二十到三十度之间是一样的，对吧？并且有一个温度参考点，绝对零。
智商测试的结果也类似。
相差1 0分，难度就差不多了。

最先进的是固定比率变量。
它不仅具有距离变量的所有属性，而且还可以计算比例。
比如说你问我的收入，我赚5 000，你赚1 0000。
我能说你赚的钱是我的两倍吗？这才是真正的“多重”关系。
规模、年龄和人口可以通过这种方式进行比较。

我遇到的陷阱是，我有时把固定距离想当然地当作固定比例。
例如，用温度来计算生长速度肯定是错误的。
零度并不意味着“没有温度”。

无论如何，这取决于你。
您应该使用哪一种取决于您的数据可以解释什么。

定比、定距、定类、定序变量各自的定义和区别是什么？

坦白讲，这四个变量就是数据分析中的“分类器”，直接决定了你能玩出什么统计花样。

我先说最重要的事情。
固定距离和固定比率变量是数据世界中的一些“最好的学生”。
在我们去年运行的一个项目中，我们使用温度作为固定范围的变量，发现用户活动在 2 0 到 3 0 度之间显着增加。
但直接说2 0度是3 0度的两倍是不合逻辑的。
用术语来说，它被称为雪崩效应。
事实上，前面的轻微延迟会降低后面的一切。
另一点是关于固定比率变量，例如用户保留率。
去年我们测试了三套计划，发现3 0%的增长率比1 5 %的增长率更容易管理三倍。
这直接影响到产品的迭代策略。
还有另一个重要的细节。
计算固定比例变量的增长率时，绝对值必须大于0。
例如，-2 0%不能计算为-1 0%的两倍。
去年，有一个团队陷入了这个陷阱，数据发生了翻转。

一开始我以为评级和序数变量没有太大区别，但后来发现这是错误的——比如，如果用颜色来排名，就只能对红、黄、蓝进行排名，但用满意度来排名，就可以准确到“1 级比4 级好，但差两倍”的愚蠢逻辑。
等等，还有一件事，在排序序数变量时不要盲目使用平均值，比如满意度1 /2 /3 ，它可能算作2 ，但它显然不是一个“平均”选项。

提醒：不要使用序数变量作为固定区间。
例如，如果以平均学历来计算，结果是高中毕业生比本科生高0.5 个“学术单位”。
这纯粹是自欺欺人。