数据是当今研究的主要驱动力。“数据 ”实际上是指可以存储并用作研究参考的各类信息。
信息可以通过多种方式存储为数据。为了能够有效地分析数据，我们必须了解在研究中具有特定特征和使用原则的数据类型。本文AJE将进一步讨论 “数据分类 ”( classifying data)这一概念。
研究人员往往不能完全理解不同的数据类型。这会造成很多问题，并限制出版物和项目的研究潜力。本文AJE将讨论不同类型数据的分类、这些类别或数据类型代表什么以及如何在研究中使用它们。
数值数据（Numerical data）
说到 “数据”，大多数研究人员都会想到 “数字”。但这只是众多数据中的一种。有了数字，我们就可以量化，因此数字非常重要。
数字是研究中最丰富的数据形式。它们用于描述样本、测量和比较不同的类群。数字数据还用于展示研究结果。平均值、标准误差、中位数、风险、频率和其他许多用于呈现结果的指标大多采用数字形式。
数值测量可以按行（横向）和列（纵向）组织，如 Microsoft Excel 等软件和其他电子表格程序中的表格结构。
数字表格可以有组织地存储所需的数字信息。研究人员可以轻松地比较表格中表示的数量。
但数字可以有不同的形式。用于创建数值数据的数字有两种类型。这两种数被称为整数和有理数。
请看下图 1 中的空气质量和臭氧辐射数值表示例。它包含变量 “Ozone”、“Solar.R”、“Wind”、“Temp”、“Month”和“ Day”。这些变量实际上是空气质量不同特征的测量数值列。
变量 “ Day”是一个整数。它没有小数位，是一个整数。
另一方面，变量 “Wind”有小数位，是有理数。
资料来源-- air quality dataset: Chambers et al (1983). Graphical Methods for Data Analysis
让我们进一步讨论整数和有理数数据。正如你所看到的，数值数据通常有以下几种形式：
1. 整数
这些整数代表不可再分的计量单位，如上面的例子中的第 1 天、第 2 天、第 3 天或 55、56、57 的计数。整数不含小数位。它们是整数。通常，整数用于存储有关观察结果的数据，而这些观察结果是不能再除以整数的。
2. 有理数
这些数值数据可以分割成更小的计量单位。它们相当于整数的比率。 它们被称为有理数（例如 ¼ 是 0.25 的有理数）。如上图所示，它们的特点是有小数位。如果测量和观察结果可以被分成越来越小的分数，这就为测量提供了更精确的标度。这些刻度通常称为连续刻度（continuous scales）。数据本身就是连续数据。
高度就是连续数据的一个例子。身高可以表示为 180.1324 厘米或 185.4367 厘米。体重可以表示为 70.4366 千克或 65.0001 千克。由于增加了四位小数，数据将提供更详细、更准确的测量结果。
还有其他类别的数值数据，如自然数、实数、无理数等，但科研中最常用的两种形式是整数和有理数。
字符（文本/字符串）
研究中几乎随处可见的另一种数据类型是字符。有时，我们需要为某些类群命名，或为某些观察结果添加其他类别名称。这些名称实际上是字母序列。它们代表了某种定性的观察结果。换句话说，我们无法量化名称，但名称可以代表某种定性观察结果。这些变量被称为名义变量（ nominal variables）。
文本文件
文本文件是另一种基于字符的数据类型。它可用于许多翻译和自然语言处理科学。
文本也可以包含数字；它可以用作同时存储数字和字符数据的数据文件。
尽管数值数据能更好地量化观察和测量结果，但字符数据更适合创建和处理序列。这些序列就是简单的字符序列。大量序列数据可以存储在小型文本文件中，并进行进一步分析。
在生物信息学中使用文本序列就是一个例子。
生物体 DNA 中包含的遗传信息由 4 个核苷酸编码：A-腺嘌呤、T-胸腺嘧啶、C-胞嘧啶和 G-鸟嘌呤。可以编码为 ATCG。这些字母的序列代表核苷酸。
以下是人类胰岛素序列的示例：
来源：NCBI - National Center for Biotechnology Information
如前所述，这是一个字母序列（ATCG）。它代表了在 DNA 转录过程中从 DNA 转录到 mRNA（信使核糖核酸）的基因序列。
有时，数据中的分类群或类别可以用其名称来进行最佳逻辑描述。
例如 不同的花卉类群可以用物种名称标出，代表分类数据，有时在统计中也称为因子或等级。不同类群既有数值数据又有因子数据（标注字符）的情况很常见。
下面是另一个例子，数据可能同时包含数字和字符数据：
来源-- Iris dataset by Anderson, 1936
鸢尾花（Iris） "数据集中的数字列最后一列包含名称（setosa 和 versicolor）。但这些也是因子。我们可以称其为物种因子（species factors ），因为不同物种的数据可能会被检查出差异。
音频数据
音频数据在讨论中并不经常被提及。但它对许多研究领域都非常重要。鸟类学就是一个例子，研究人员经常研究鸟类声音的音频文件，以检查鸟类的交流情况，确定鸟类的生物生活模式，并根据音频数据确定物种。
音频数据之所以特殊，是因为它可以用来高精度地识别研究模式。
基于像素的数据（图像和视频）
图像是一种特殊的数据类型，包含研究项目的视觉信息。在放射学中，核磁共振成像扫描、超声波图像（以及其他类型的基于图像的扫描）向医生和研究人员揭示了生物医学信息。
此外，许多类型的图像都可用于人工智能研究。图像数据由称为像素的特定小段组成。这些像素存储了颜色和空间信息。数以百万计的微小像素组合在一起，就形成了我们可以轻松解读并用于科学观察的图像。
在研究中，图像不仅信息量大，而且非常直观。它们能让读者从更真实的角度了解研究问题和分析结果。展示研究成果的最佳方法之一就是将详细的数值数据与图像相结合，为读者提供更全面的视角。
基于像素的数据示例：红细胞的显微图片
(Photo by Dr. Mae Melvin, USCDCP on Pixnio）
图像可以表示和存储有关观察结果的宝贵数据。在上面的例子中，微生物研究人员可以对不同类型的血细胞进行进一步分析。数以千计的类似图像可以存储在数据库中，并保存有关人类和其他生物体微生物学的宝贵信息。
图像可用于得出定量（数字）和定性（分类形式）的数值数据。从图像中观察到的信息可以为其他数据类型提供更多细节。视频数据是图像数据的延伸，其中的像素会随时间发生变化。视频对于跟踪实验在不同时间段内的变化非常有用。实验通常需要花费大量时间。通过视频数据，研究人员可以跟踪实验过程，而不会丢失相关信息。
最后
请记住，对于任何研究项目来说，出于多种原因，对数据进行分类都是非常重要的：
- 我们必须确保存在正确类别的数据，并能回答研究问题。
- 正确的数据类别还能对数据进行验证。
- 研究分析方法通常需要特定的数据类别。
此外，高质量的研究项目一般都有元数据，可以解释数据的来龙去脉。在本节中，定义哪些数据类别用于研究目的非常重要。这对于研究的可重复性和数据验证非常重要。希望本期内容对你有帮助，AJE祝您科研顺利！
