本文目录一览：

• 1、基本数据类型是什么？
• 2、数据类型的分类
• 3、数据分类是什么意思？
• 4、数据分类和聚类有什么区别
• 5、数据怎么分类分级？
• 6、数据分为几类？

基本数据类型是什么？

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、按来源分类、按时间状况分类。

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。

数据分类的基本原则如下：

1、稳定性：依据分类的目的，选择分类对象的最稳定的本质特性作为分类的基础和依据，以确保由此产生的分类结果最稳定。因此，在分类过程中，首先应明确界定分类对象最稳定、最本质的特征。

2、系统性：将选定的分类对象的特征（或特性）按其内在规律系统化进行排列，形成一个逻辑层次清晰、结构合理、类目明确的分类体系。

3、可扩充性：在类目的设置或层级的划分上，留有适当的余地，以保证分类对象增加时，不会打乱已经建立的分类体系。

以上内容参考 百度百科—数据分类

数据类型的分类

一：基本数据类型

数值类型分为整数型和实数型两大类。

1、整数型整数型是指不带小数点和指数符号的数。按表示范围整数型分为：整型、长整型

（1）整型（Integer，类型符%）

整型数在内存中占两个字节（16位）

十进制整型数的取值范围：-32768 ~ +32767 

例如：15，-345，654%都是整数型。而45678%则会发生溢出错误。

（2）长整型（Long，类型符）长整数型在内存中占4个字节（32位）。

十进制长整型数的取值范围：-2147483648 ~ +2147483647 

例如：123456，45678都是长整数型.

2、实数型（浮点数或实型数）

实数型数据是指带有小数部分的数。

注意：数12和数12.0对计算机来说是不同的，前者是整数（占2个字节），后者是浮点数（占4个字节）

实数型数据分为浮点数和定点数。

浮点数由三部分组成：符号，指数和尾数。

在VB中浮点数分为两种：

单精度浮点数（Single ）

双精度浮点数（Double ）

（1）单精度数(Single，类型符！) 

在内存中占4个字节（32位），,有效数字：7位十进制数取值范围：负数-3.402823E+38 ~ -1.401298E-45 正数1.401298E-45 ~ 3.402823E+38 

在计算机程序里面不能有上标下标的写法，所以乘幂采用的是一种称为科学计数法的表达方法

这里用E或者e表示10的次方(E/e大小写都可以） 

比如：1.401298E-45表示1.401298的10的负45次方

vb里面可以这样表示：8.96E-5 

例：21e5（正号省略）表示：

21乘以10的5次方的一个单精度数

3.布尔值（boolean）：true ， false

二：引用数据类型

类：class    接口：interface

数据分类调研分析的基础是数据，而数据的类型可以分为连续性的变量和分类变量。数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。换句话说，就是相同内容、相同性质的信息以及要求统一管理的信息集合在一起，而把相异的和需要分别管理的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分类系统。

数据分类是什么意思？

数据分类调研分析的基础是数据，而数据的类型可以分为连续性的变量和分类变量。数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。换句话说，就是相同内容、相同性质的信息以及要求统一管理的信息集合在一起，而把相异的和需要分别管理的信息区分开来，然后确定各个集合之间的关系，形成一个有条理的分类系统。

数据分类的目的是根据新数据对象的属性，将其分配到一个正确的类别中。分类分析用预测方法预测给定数据对象的类标号，被广泛地应用到信誉证实、医疗诊断及选择购物等领域。[2]

我们都知道调研分析的基础是数据，而数据的类型可以分为：

连续性的变量：比如，身高，体重，化验值等等，这些变量的特点可以有小数点，可以直接录入；

2. 分类变量：其变量值是定性的，表现为互不相容的类别或属性。实际上在调研当中运用最多的就是分类变量，可分为无序变量和有序变量两类。

①无序分类变量是指所分类别或属性之间无程度和顺序的差别，例如二项分类，性别（男、女），药物反应（阴性、阳性）等。例如多项分类，血型（ O、A、B、AB），职业（工、农、商、学、兵）等。

②有序分类变量是指各类别之间有程度的差别。如尿糖化验结果按－、±、+、++、+++分类；疗效按治愈、显效、好转、无效分类。

数据分类和聚类有什么区别

主要区别是，性质不同、目的不同、应用不同，具体如下：

一、性质不同

1、数据分类

数据分类就是把具有某种共同属性或特征的数据归并在一起，通过其类别的属性或特征来对数据进行区别。为了实现数据共享和提高处理效率，必须遵循约定的分类原则和方法，按照信息的内涵、性质及管理的要求，将系统内所有信息按一定的结构体系分为不同的集合，从而使得每个信息在相应的分类体系中都有一个对应位置。

2、数据聚类

数据聚类是指根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大。

二、目的不同

1、数据分类

数据分类的目的是根据新数据对象的属性，将其分配到一个正确的类别中。

2、数据聚类

聚类分析的目的是分析数据是否属于各个独立的分组，使一组中的成员彼此相似，而与其他组中的成员不同。

三、应用不同

1、数据分类

应用于统计学、计算机控制。

2、数据聚类

广泛应用于机器学习，数据挖掘，模式识别，图像分析以及生物信息等。

以上内容参考 百度百科-数据分类、百度百科-数据聚类

数据怎么分类分级？

以便管理和维护，数据分级是在数据分类的基础上，再按照重要性、敏感程度、影响程度等标准将数据分为重要数据、一般数据、敏感数据等，以维护隐私安全和最小化成本。产品推荐你了解下安策信息，他们在这方面很是有研究。百度这方面的资料很多。

数据分为几类？

1.按数据之间的关系分1）线性结构线性结构是指该结构中的结点之间存在一对一的关系。其特点是开始结点没有前驱，终端结点没有后继，除了开始结点和终端结点以外，其余结点都有且仅有一个直接前驱和一个直接后继。

2）非线性结构非线性结构是指该结构中的结点之间存在一对多或多对多的关系。

2.按逻辑结构分1）集合结构数据元素同属一个集合，别无任何关系。每个数据元素都和其他任何元素无关系，孤立存在。

2）线性结构数据元素之间存在着一对一的线性关系，如学籍表，记录一个连着一个，像一条线。

2）树型结构数据元素之间存在着一对多的层次关系，如人事系统，像一棵倒挂的树。

4）图型结构数据元素之间存在着多对多的任意关系，如公交站点，像一个网，所以图型结构也称为网状结构。

2.按存储方式分1）顺序存储结构用一个连续的地址空间，把逻辑上相邻的结点按某个次序依次存放在物理位置上相邻的存储单元里，结点之间的逻辑关系由存储单元的邻接关系来体现。由此得到的存储表示称为顺序存储结构。顺序存储结构通常是借助程序语言中的数组来描述的。

2）链式存储结构该方法不要求逻辑上相邻的结点在物理位置上也相邻，结点间的逻辑关系是由附加的指针字段来表示的。由此得到的存储表示称为链式存储结构。链式存储结构通常是借助于程序语言的指针来描述的，如图1所示。

2）索引存储结构除建立结点信息外，还要建立附加的索引表来标识结点的地址。

4）散列存储结构选择一个适当的散列函数，根据结点的关键字直接计算出该结点的存储地址。

图1链式存储结构