一、分类数据
分类数据代表着对象的属性特点。诸如人群的性别、语言、国籍大都属于分类数据。分类数据通常也可以用数值表示（例如1表示女性而0表示男性），但需要注意的是这一数值并没有数学上的意义仅仅是分类的标记而已。
1、定类数据
是指没有内在固有大小或高低顺序，一般以数值或字符表示的分类数据。如性别变量中的男、女取值，可以分别用1、 2表示，民族变量中的各个民族，可以用‘汉’‘回’‘满’等字符表示等。这里，无论是数值型的1、 2 还是字符型的‘汉’‘回’‘满’，都不存在内部固有的大小或高低顺序，而只是一种名义上的指代。下图中表示的便是一个样本典型的分类数据，分别描述了个体的性别和语言属性
2、定序数据
具有内在固有大小或高低顺序，一般可以用数值或字符表示。它相对于定类数据类型来说存在一种程度有序现象
如职称变量可以有低级、中级、高级三个取值，可以分别用1、2、3等表示，年龄段变量可以有老、中、青三个取值，分别用A B C表示等。这里，无论是数值型的1、2 、3 还是字符型的A B C ，都是有大小或高低顺序的，但数据之间却是不等距的。因为，低级和中级职称之间的差距与中级和高级职称之间的差距是不相等的；
上图中的四个选项依次表示了不同的受教育程度，但却无法量化初级教育与高中的差别和高中与大学差别间的不同。定序数据缺乏对于特征间差别的量化使得它更多的只能用于评价利于情绪和用户满意度等一系列非数值特征。
二、数值数据
1. 定距数据
通常是指诸如身高、体重、血压等的连续型数据，也包括诸如人数、商品件数等离散型数据；
定距变量用于表示对象等差属性的描述方法。当我们使用定距变量时我们可以明确的知道数值间的顺序和差别，并计量这种差别。对于温度的描述就是一个定距数据典型的例子。
但定距变量存在的问题在于它没有一个绝对的基准零值，对于上图中的温度来说0度并不意味着没有温度。对于定距变量来说我们可以进行加减操作却无法进行乘除或者比例计算操作。由于不存在绝对零值使得描述性和推理性的统计方法都无法在定距数据上应用。
2. 定比数据
定比数据和定距数据一样都是有序的数据排列，但定比数据存在一个绝对的零值，所描述的都是具有零值基准的变量，包括重量、高度和长度等。
离散数据
离散数据是指其取值是不连续的分离值，数据只能在一些特定点取值。这样的数据不能定量测量但可以进行统计计量，并可将其蕴含的信息通过分类的方式进行表示。掷硬币便是最著名的例子，我们无法预测出下一次硬币的正反但是可以通过统计历史数据来估测概率的分布。
当处理离散数据时我们需要对两个问题进行深入思考：数据是否可以计数统计，是否可以分割成较小的部分。如果结论于此相关数据可以被测量而不能够计数，那么意味着我们需要处理的便是连续的数据类型。
连续数据
连续数据类型代表着对象可测量的连续取值，虽然不能够计数但是可以用某种尺度进行连续的测量取值，例如人的身高和年龄便是连续的数值。通常情况下人们只用或者实数来进行表示。