特征的四个等级 即特征的分类

在一个数据集中，每个特征都有自己一定的等级，按照可执行的数学操作，从低到高可以分为四个等级

1：nominal level。这属于分类数据，只是表示一下分类而已。 不能进行加法、减法、平均等操作。这类数据比如名字，动物种类等。 pandas中有一个Series_Object.value_counts()可以统计这类属性中值的多少。统计完之后，可以使用条形图或者饼图，然后画出各种值的多少情况。

2：ordinal level。 依然属于分类数据，它可以用字符串表示，也可以用数字来表示，在pandas中可以使用astype来进行转换。在餐馆的评分数据当中，有1到5个数据，这些数据是用数字表示的，但是它依然是分类数据。 ordinal数据可以进行排序，从而可以计算中位数和分位数。ordinal的数据有按照A、B、C、D、E给学生成绩评级。 我们可以使用 条形图、饼图，还有线箱图来观察这类数据。这里有一个问题：在餐馆评分数据当中我们甚至可以计算平均数，那么这个数据还是分类数据吗？

上面两种类型都属于分类数据，它们并不表示一个真正的数值，只是表示一种分类的情况而已。

3：interval level。 这属于带有间隔的数值类型。它和上面两类已经有了质的不同，它属于数值类型的数据。interval类型是可以进行加减操作的。在加减操作的基础上，我们可以求出数据的均值和方差。对于interal类型数据的观察，可以使用直方图，两个interval变