一、数据行业分类？
归纳起来可以按照以下方式进行分类：
(1)从大数据处理的过程来分：包括数据存储、数据挖掘分析、以及为完成高效分析挖掘而设计的计算平台，它们完成数据采集、ETL、存储、结构化处理、挖掘、 分析、预测、应用等功能。
(2)从大数据处理的数据类型来划分：可以分为针对关系型数据、非关系型数据(图数据、文本数据、网络型数据等)、半结构化数据、混合类型数据处理的技术平台。
(3)从大数据处理的方式来划分：可以分为批量处理、实时处理、综合处理。其中批量数据是对成批数据进行一次性处理，而实时处理(流处理)对处理的延时有严格的要求，综合处理是指同时具备批量处理和实时处理两种方式。
(4)从平台对数据的部署方式看：可以分为基于内存的、基于磁盘的。前者在分布式系统内部的数据交换是在内存中进行，后者则是通过磁盘文件的方式
二、pandas数据分类？
Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。
Panel4D：是像Panel一样的4维数据容器。
PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。
三、数据的分类？
根据不同的分类方法，可以将统计数据分为以下几种类型：
按计量层次分类
按照数据的计量层次，可以将统计数据分为定类数据、定序数据、定距数据与定比数据。
1.定类数据。这是数据的最低层。它将数据按照类别属性进行分类，各类别之间是平等并列关系。这种数据不带数量信息，并且不能在各类别间进行排序。例如，某商场将顾客所喜爱的服装颜色分为红色、白色、黄色等，红色、白色、黄色即为定类数据。又如，人类按性别分为男性和女性也属于定类数据。虽然定类数据表现为类别，但为了便于统计处理，可以对不同的类别用不同的数字或编码来表示。如1表示女性，2表示男性，但这些数码不代表着这些数字可以区分大小或进行数学运算。不论用何种编码，其所包含的信息都没有任何损失。对定类数据执行的主要数值运算是计算每一类别中的项目的频数和频率。[3]
2.定序数据。这时数据的中间级别。定序数据不仅可以将数据分成不同的类别，而且各类别之间还可以通过排序来比较优劣。也就是说，定序数据与定类数据最主要的区别是定序数据之间还是可以比较顺序的。例如，人的受教育程度就属于定序数据。我们仍可以采用数字编码表示不同的类别：文盲半文盲=1，小学=2，初中-3，高中=4，大学=5，硕士=6，博士=7.通过将编码进行排序，可以明显地表示出受教育程度之间的高低差异。虽然这种差异程度不能通过编码之间的差异进行准确的度量，但是可以确定其高低顺序，即可以通过编码数值进行不等式的运算。[3]
3.定距数据。定距数据是具有一定单位的实际测量值（如摄氏温度、考试成绩等）。此时不仅可以知道两个变量之间存在差异，还可以通过加、减法运算准确的计算出各变量之间的实际差距是多少。可以说，定距数据的精确性比定类数据和定序数据前进了一大步，它可以对事物类别或次序之间的实际距离进行测量。例如，甲的英语成绩为80分，乙的英语成绩为85分，可知乙的英语成绩比甲的高5分。[3]
4.定比数据。这是数据的最高等级。它的数据表现形式同定距数据一样，均为实际的测量值。定比数据与定距数据唯一的区别是：在定比数据中是存在绝对零点的，而定距数据中是不存在绝对零点的（零点是人为制定的）。因此定比数据间不仅可以比较大小，进行加、减运算，还可以进行乘、除运算。[3]
在统计分析中，区分数据的类型十分重要，不同测度类型的数据，扮演的角色是不一样的。[3]
按来源分类
数据的来源主要有两种渠道：一种是通过直接的调查获得的原始数据，一般称为第一手或直接的统计数据；另一种是别人调查的数据，并将这些数据进行加工和汇总后公布的数据，通常称之为第二手或间接的统计数据。[3]
按时间状况分类
1.时间序列数据。它是指在不同的时间上搜集到的数据，反映现象随时间变化的情况。
2.截面型数据。它是指在相同的或近似的时间点上搜集到的数据，描述现象在某一时刻的变化情况。
四、定性数据和分类数据区别？
两种数据都是用来描述对象特征的数据类型，但它们在统计学和数据分析中具有不同的应用和数学特征。
定性数据，也称为定类数据或分类数据，是一种用于描述对象属性的数据类型，可以用来区分不同的类别或属性。定性数据通常以文字或数字的形式表示，但这些数字并不代表数量的大小或顺序。定性数据的数学特征是“=”或“≠”，它们仅用于表示不同类别的品质。例如，人的性别是一个定性数据，因为它只能分为男性和女性两个类别，这两个类别之间不存在数量上的大小关系。
分类数据是定性数据的一种特殊形式，通常用于描述对象的属性或类别归属。与定性数据不同，分类数据通常以文字或数字的形式表示，但这些数字仅代表不同的类别，并不表示数量的大小或顺序。分类数据的数学特征也是“=”或“≠”，它们仅用于表示不同类别的品质。例如，学生的专业是一个分类数据，因为每个学生只能属于一个专业，不同的专业之间不存在数量上的大小关系。
总的来说，定性数据和分类数据都是描述对象属性的数据类型，但它们的主要区别在于它们的应用和数学特征。定性数据主要用于描述对象的属性或类别，而分类数据则更侧重于描述对象的类别归属。
五、主数据分类规则？
1.主数据（Master Data）： 主数据是关于业务实体的数据，描述组织内的“物”，如：人，地点，客户，产品等。
2.交易数据（事务数据，Transactional Data）：交易数据（事务数据、业务数据）描述组织业务运营过程中的内部或外部事件或交易记录。如：销售订单，通话记录等。
3.参考数据（Reference Data）:参考数据是用于将其他数据进行分类或目录整编的数据，规定参考数据值是几个允许值之一。如：客户等级分为Ａ，Ｂ，Ｃ三级。
4.统计分析数据（指标、Analytical Data）:统计分析数据是对企业业务活动进行统计分析的数值型数据，即：指标。如：客户到达数、数据接入率等。
5.元数据（Meta Data）：元数据是描述数据的数据，帮助理解、获取、使用数据，分为技术元数据和业务元数据等。
六、分类数据的特点？
统计数据按不同的分类规则可分为不同的类型，这里主要按三种分类规则分类。
（1）按照所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。
（2）按照统计数据的收集方法，可以将其分为观测数据（observational data）和实验数据（experimental data）。
（3）按照被描述的对象与时间的关系，可以将统计数据分为截面数据和时间序列数据。
七、分类数据的例子？
1、类目型2、计数型3、命名型4、顺序型5、等距型6、等比型1和3是一样的吧，至于2，我感觉应该是和4一样的
八、分类数据有哪些？
分类数据(categorical data)是按照现象的某种属性对其进行分类或分组而得到的反映事物类型的数据，又称定类数据。例如，按照性别将人口分为男、女两类；按照经济性质将企业分为国有、集体、私营、其他经济等。“男”、“女”，“国有”、“集体”、“私营”和“其他经济”就是分类数据。为了便于计算机处理，通常用数字代码来表述各个类别，比如，用1表示“男性”，0表示“女性”，但是1和0等只是数据的代码，它们之间没有数量上的关系和差异。
九、交通数据分类分级？
一是推动交通科技自立自强。强化交通运输领域关键核心技术研发，加快研发轴承、线控底盘、基础技术平台及软硬件系统等关键部件，推动实现自主可控和产业化。加强交通运输领域前瞻性、战略性技术研究储备，加强智能网联汽车、自动驾驶、车路协同、船舶自主航行、船岸协同等领域技术研发，开展高速磁悬浮技术研究论证。强化复杂环境条件下线路、大跨度桥梁、超长隧道等建造技术研发以及高性能工程材料研发。加强高升程、大吨位升船机关键技术研发。
二是培育交通科技创新生态圈。促进政产学研用在交通运输领域深度融合。鼓励优势企业整合交通科技产业链资源，通过开放数据、开放平台、开放场景，培育交通科技产业生态圈，建设交通科技产业孵化基地。强化行业重点科研平台建设，推进重点实验室、技术创新中心等建设，培育国家级科技创新基地。
三是强化数据开放共享。加强交通运输数据分级分类管理。进一步完善交通运输数据资源开放共享机制和交换渠道，制定数据资源开放制度规范，推动条件成熟的数据资源合规开放和共享利用。加强交通运输数据安全管控，完善数据分级分类安全保护制度，制定智能交通数据应用安全标准，规范数据源采集和处理使用等活动，加强重要数据和个人信息保护。
十、excel数据分类计数？
在Excel中进行数据分类计数的步骤如下：
打开需要分类计数的excel表格，选中需要统计的列。
对选中的列进行排序（升序/降序），这样可以使相同事项类型数据排放到一起。
排序结束后，选择需要进行分计数的列。点击【数据】–【分类汇总】。
在“分类字段”中选择需要统计的列名，在“汇总方式”中选择“计数”，在“汇总项”中选择需要统计的项目。
点击【确定】按钮即可完成数据分类计数。
需要注意的是，Excel中的分类计数只能对数字进行统计，对于文本类型的数据无法进行统计。如果需要对文本类型的数据进行计数，可以考虑使用Excel中的数据透视表功能。
