从两千五百年前的一个想法说起

公元前 6 世纪，古希腊有一位叫毕达哥拉斯（Pythagoras）的哲学家提出了一句话——

“万物皆数。”

他认为，世界的本质不是金、木、水、火，也不是神话里的诸神，而是数字。 音乐的和声背后是数字的比例，宇宙的运行背后是数字的规律，连人的灵魂他都觉得能用数字描述。 当时听起来很离谱，但两千五百年过去了，这句话越来越像是真的。

跳到现代。

埃隆·马斯克（Elon Musk）公开说过：我们生活在“真实世界”里的概率，只有十亿分之一。 他相信我们更可能是某个高级文明计算机里的一段代码。这听起来像科幻片，但他不是随便说的—— 这个观点来自牛津大学哲学教授 Nick Bostrom 2003 年的著名论文《你可能活在一个计算机模拟中》。

这篇论文严肃地论证了一件事：如果世界真的可以被计算机模拟出来，那它的本质就是数据。

不管你信不信这种说法，有一件事是确定的——这个世界上能被我们感知到的一切，几乎都能被数字表达。 你的身高、你的心跳、你正在看的屏幕上的每一个像素、你大脑里正在闪过的念头 （科学家正在用脑机接口把它转成数据）——一切，最终都能变成一串数。

特别是在 AI 的时代，这件事的意义被放大了一万倍。 AI 学不会“美”“善”“勇敢”，但它能学会海量的数据； 只要把这个世界的一切转成数据，AI 就有可能理解它、预测它、甚至重新创造它。

而你想看懂这个数据驱动的新世界，第一步要做的事情，特别简单——

学会判断数据的类型。

一个奇怪的问题

我先问你一个问题。

下面这五样东西——你的身高、你今天喝了几杯水、外面的气温、你考试的分数、你抽到的扑克牌花色—— 它们都是“数据”对吧？你都能用一张表格记下来。

但如果我让你把它们加起来求平均，你会发现：

• 身高的平均，比如 168.5 cm —— 有意义
• 喝水杯数的平均，比如 4.7 杯 —— 好像怪怪的，“4.7 杯水”是什么意思？
• 气温平均，比如 23.6 ℃ —— 有意义
• 分数平均，比如 87 分 —— 有意义
• 花色的平均，红桃 + 黑桃 ÷ 2 = ??? —— 算不出来

为什么有的能算，有的不能算？

因为它们不是同一种数据。

数据的两大类

我知道你可能在课本里看过“定类、定序、定距、定比”这种词，密密麻麻一堆。

我们不那么搞。记住两种就够了：

这听起来很抽象。我们一个一个看。

连续型：可以无限切下去的世界

想象你正在量自己的身高。

如果尺子精度是 1 cm，你量出来是 168 cm。 换一把精度 1 mm 的尺子——168.3 cm。 再换一把激光测距仪——168.347 cm。 再换一把更精密的——168.3479 cm。

只要你的工具够精密，168 和 169 之间永远还能塞进无数个数字。 168.5、168.51、168.501、168.5001……理论上没完没了。

这就是连续型数据的本质—— 它在数轴上是一条没有缝隙的线。

生活里常见的连续型数据：

• 身高、体重、腰围
• 气温、水温
• 跑步用了多长时间，包括秒、毫秒
• 从家到学校的距离
• 你睡了多久
• 手机电量百分比，虽然显示是整数，但实际是连续的

判断方法很简单——问自己：这个数据，理论上能不能取到小数？

能。那它就是连续型。

离散型：只能“数”的世界

再换个场景。

你打开一袋彩虹糖，数一下里面有多少颗。 第一颗、第二颗、第三颗……数到最后，47 颗。

会不会出现“这袋有 47.3 颗彩虹糖”？

不会。糖要么是 47 颗，要么是 48 颗，没有半颗。 当然，如果你把一颗咬碎了，那就不是“完整的糖”了。

这就是离散型数据—— 它在数轴上是一个一个分开的点，中间是空的。

生活里常见的离散型数据：

• 班里有几个人
• 你今天发了几条朋友圈
• 掷骰子掷出来的点数：1、2、3、4、5、6，没有 3.5
• 一局游戏里你死了几次
• 抽到几张红桃

判断方法也简单——这个数据，是不是只能“数”出来？

是。那它就是离散型。

那“扑克牌花色”算什么？“游戏角色性别”算什么？

回到开头的问题——花色（红桃、黑桃、方块、梅花）、性别（男、女）、星座（白羊、金牛……）这些东西。

它们看起来根本不是数字。它们是数据吗？是哪种？

答案：都是离散型。

只不过它们穿了个马甲。

“是不是”问题——比如“今天有没有下雨？”（是 / 否）、“这道题做对了吗？”（对 / 错）。 这种只有两个答案的，专门起了个名字叫“二元数据”（Binary）。我们经常把它写成 0 和 1。

“哪一类”问题——比如“你最喜欢哪个季节？”（春 / 夏 / 秋 / 冬）、 “你抽到什么花色？”（红桃 / 黑桃 / 方块 / 梅花）。 这种有几个固定类别的，叫“分类数据”（Category）。

虽然它们看起来不像数字，但本质上都属于离散型—— 因为它们也是“一个一个分开的、中间是空的”。 你不能说“今天下雨度是 0.7”，也不能说“我有一半的红桃”。

只要数据中间没有“无限可分”的特性，它就是离散型。不管它写出来是数字、是文字、还是字母。

为什么这件事这么重要？

讲到这里你可能想问——

OK，我知道身高是连续的，糖果数量是离散的，那又怎么样？

我给你看一个真的会出错的例子。

假设你在统计“班上每个人平均一周看几次电影”。你收了一圈数据：

• 小张：2 次
• 小李：1 次
• 小王：0 次
• 小赵：3 次
• 小钱：1 次

你按 =AVERAGE() 一拉，得出“平均 1.4 次”。

听起来好像没问题。

但 “一周看 1.4 次电影”是什么意思？ 没有人能看 0.4 部电影。

你说：“那是平均啊，不是某个人真的看 1.4 次。”

对，用平均值描述一个整体的“中心趋势”是 OK 的——这是统计学允许的简化。

但问题来了：如果你接下来想知道“这个班看电影的习惯波动有多大”—— 比如“是不是有人特别爱看，有人完全不看”？

对连续型数据，比如身高，你算标准差，就能告诉你大家分散得多厉害。

但对离散型数据呢？

如果数据是 0、1、2、3 这种小整数，标准差还能勉强算一下当参考； 但如果数据是“红桃 / 黑桃 / 方块 / 梅花”这种分类呢？

根本算不了标准差。因为这些东西没有“大小”之分——红桃比黑桃“大”多少？没法说。

这时候你需要的是完全不同的一套统计工具，比如比例、卡方检验。 用错工具，得到的结论再漂亮也是错的。

这才是判断数据类型真正的意义—— 它决定了你接下来能用什么方法、不能用什么方法。

一张速查图

为了让你以后不用每次都纠结，给你一个 30 秒决策法：

就这么简单。

最后再啰嗦一句

以上内容看上去非常简单，但在 AI 的时代里，所有的数据分析，第一步都是这一步。

把“扑克花色”当连续数字平均，把“是不是合格”按温度的方法去算波动， 把“喜欢的季节”画成折线图——这些事情，我见过太多人犯，而且他们自己都意识不到。

毕达哥拉斯说万物皆数，Bostrom 说世界可能是模拟出来的，AI 在用数据重新理解这个世界。 而你和这个数据世界之间的第一道门，就是搞清楚你看到的数据，到底是什么类型。

所以，下次你打开一份数据，别急着按公式。先花 10 秒钟问自己：

我手里这一列，是连续型，还是离散型？

这 10 秒，就是你从“按按钮的人”变成“懂数据的人”的第一步。