一句话回答
离散数据是通过计数得到的定量数据,只能取彼此分开的特定值,通常是整数,比如订单数、页面浏览量或购物车里的商品件数。与之相对的连续数据来自测量,在一个区间内可以取任何值。
什么是离散数据?
离散数据是通过计数得到的定量数据,只能取彼此分开的特定值,通常是整数。订单数、浏览的页数、购物车里的商品件数都是离散的:可以是 2 或 3,但不可能是 2.4。OpenStax 的入门统计教材是这样说的:定量离散数据来自计数,只能取某些特定数值,比如每天接到的电话数只能是 0、1、2 或 3。
“定量离散”只是把两个标签合在一起。“定量”指这些值是可以相加、求平均的数字;“离散”说明是哪种数字:一级一级分开、中间有空隙,而不是一条连续的刻度。
离散数据和连续数据怎么区分?
连续数据来自测量,在一个区间里可以取任何值,包括分数和小数。OpenStax 的例子是长度、重量和时间,比如通话时长 2.4、7.5 或 11.0 分钟。两个问题可以解决大多数情况;更广泛的数据类型见数据类型。
- 是在计数还是在测量? 数东西得到离散数据,测量一个量得到连续数据。
- 两个相邻值之间的数有意义吗? 3 次和 4 次浏览之间什么也没有;3 秒和 4 秒之间有无穷多个可能的时间。
下表是常见的网站和产品指标怎么归类,并注明 Google Analytics 4 报表接口怎么给它们定类型。它的指标类型包括整数(TYPE_INTEGER),以及用浮点数表示的时长(TYPE_SECONDS、TYPE_MILLISECONDS)、货币(TYPE_CURRENCY)和小数(TYPE_FLOAT)。
| 指标 | 离散还是连续? | 原因 | 报表接口里的典型类型 |
|---|---|---|---|
| 每位访客的会话数 | 离散 | 计数:1、2、3 | 整数 |
| 页面浏览量 | 离散 | 计数 | 整数 |
| 购买或转化数 | 离散 | 计数 | 整数 |
| 购物车里的商品件数 | 离散 | 计数 | 整数 |
| 会话时长 | 连续 | 测量:94.3 秒 | 秒(浮点数) |
| 页面加载时间 | 连续 | 测量 | 毫秒(浮点数) |
| 订单金额 | 实际上是连续 | 一个金额,记录到分 | 货币(浮点数) |
| 滚动深度 | 连续 | 测得的百分比 | 浮点数 |
| 转化率 | 连续 | 两个计数的比值,可以是 0 到 1 之间任何值 | 浮点数 |
| 1 到 5 星评分 | 离散(有序) | 分开的等级,但各级之间的间隔不一定相等 | 整数 |
有两点说明可以避免常见的混淆。不同事物的计数相除,可以得到连续的结果:转化率由两个离散的计数构成,但 63 ÷ 420 = 0.15 是一个比值,可以取任何值。另外,数字不一定是定量数据:电话号码或订单 ID 由数字组成,但你不会把它们相加或求平均,它们是标识符,不是离散数据。
算例:每位访客的会话数
示例数据:20 位示例访客最近 30 天的会话数:8 位只来过 1 次,4 位 2 次,3 位 3 次,另有各 1 位分别是 4、5、6、8 和 13 次。
| 30 天内的会话数 | 访客数 | 占访客比例 |
|---|---|---|
| 1 | 8 | 40% |
| 2 | 4 | 20% |
| 3 | 3 | 15% |
| 4 | 1 | 5% |
| 5 | 1 | 5% |
| 6 | 1 | 5% |
| 8 | 1 | 5% |
| 13 | 1 | 5% |
| 合计 | 20 | 全部 |
20 位访客一共 8 + 8 + 9 + 4 + 5 + 6 + 8 + 13 = 61 次会话。汇总值如下:
- 平均数 = 61 ÷ 20 = 3.05 次会话 / 位访客。离散变量的平均数可以不是整数;没有哪位访客有过 3.05 次会话,这没有问题,因为平均数描述的是这一群人。
- 中位数 = 2,是排序后第 10 个和第 11 个值的平均,两个都是 2。
- 众数 = 1,出现最多的值(20 位访客里有 8 位)。
注意这三个数差别有多大。平均数 3.05 高于中位数 2,是因为少数重度用户把它拉了上去:有 5 次以上会话的四位访客占访客的 20%,却占 61 次会话里的 5 + 6 + 8 + 13 = 32 次,即 52.5%。如果只报“每位访客 3.05 次会话”,会让人以为典型访客会回来三次,而实际上有 40% 的人只来过一次。
用一个连续的对照就更清楚了。取 10 次示例会话的时长(秒):12.4、35.0、48.2、61.7、95.3、120.0、150.5、203.9、310.2、420.8。平均数是 145.8,中位数是 107.65。没有人会给每个值画一根柱子,因为几乎没有两次会话会取同一个值;要先分段再画。
离散数据怎么汇总、怎么画图?
离散数据有天然的分组,直接用。
| 任务 | 用什么 | 原因 |
|---|---|---|
| 展示分布形状 | 频数表,或每个值一根柱子的柱状图 | 每个值是一个独立的类别,柱子之间有空隙 |
| 概括典型值 | 中位数和众数,旁边附上平均数 | 计数通常是偏态的,一位重度用户就会拉动平均数 |
| 比较不同群体 | 每个值上的人数占比,或每 100 位访客的比率 | 群体规模不同时,总数会误导 |
| 处理长尾 | 合并成 1、2、3、4 到 5、6 及以上 | 图保持可读,又不掩盖形状 |
连续数据通常先分段,再用直方图展示,柱子是挨着的,因为刻度是不间断的。一条实用的规则:计数用有空隙的柱子,测量用挨在一起的柱子。
离散数据常见的错误有哪些?
- 把平均数当成典型情况。 例子里的平均数(3.05)并不描述任何人;2 或 1 才是。要展示分布。
- 把平均出来的计数当成计数。 每次会话平均 2.7 个页面,是计数的平均数,不是一个计数。
- 忘了测量精度。 时长本质上是连续的,但一个只记录整数秒的工具会把它存成离散的台阶。在 94 秒时影响很小,在 0 秒或 1 秒时影响很大,四舍五入会改变图景。
- 把每个数字都叫离散。 收入、加载时间和滚动深度是测量得到的,不是数出来的。
- 用了会破坏计算的类型。 如果金额被存成文本,求和和筛选都会失败;做报表之前先检查每个属性的数据类型。
在 TapCub 里怎么看离散数据?
TapCub 的分布模型就是为这种看法设计的:一个计数在人群里是怎么分布的。
- 打开图表。 在 全端分析 › 行为分析 › 行为分析 里选择分布模型,并选定对象:每个人触发某个事件的次数、活跃天数、某个数值属性、每次会话的页数,或会话时长。
- 读分桶。 事件次数和每次会话页数默认用逐渐变宽的边界,如 1、2、3、5、10(约 12 个桶),也可以自己填,最多 50 个。活跃天数在范围不超过 31 天时每天一个桶。直方图显示每个桶的人数和占比,还有平均数和中位数,所以例子里那两个数可以并排看到。
- 区别对待测量值。 数值属性从最小值到第 99 百分位被切成等宽的区间(2 到 50 个,默认 10)。会话时长用固定的时长边界。
- 检查类型。 在 全端分析 › 数据管理 › 属性字典 里,每个属性都有类型(字符串、数值、布尔、日期时间或列表)。类型错了会让求和和筛选失效,所以画图之前要确认金额和计数是数值。
- 建立每人计数。 在 全端分析 › 行为分析 › 自定义指标与 SQL 里,可以用事件加聚合方式定义指标,比如总次数、去重人数或人均,也可以对属性求和、求平均、取中位数或 P90。
资料来源
- OpenStax,Introductory Statistics 2e,Data, Sampling, and Variation in Data and Sampling(定量离散数据和连续数据),2026 年 11 月 20 日核对。
- Google for Developers,MetricType,Google Analytics Data API(整数、浮点、秒、毫秒、货币类型),2026 年 11 月 20 日核对。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
