2~3 数据认知
本章将从历史和科学的角度来介绍数据。
1. 数据是什么
1.1 「Data」 单词的来源
https://idalab.de/blog/data-science/what-do-we-mean-by-data
数据是一个抽象的、无量的、未被识别的大量数字（数字编码），对我们的生活产生了巨大的影响。「数据」这个词的起源是什么？它的含义是什么？
现在大多数人都知道 data 是 datum 的复数形式。在拉丁文中， data 则是 dare 的过去分词， dare 在拉丁语中的意思是给予 ，因此 data 在拉丁文中的意思是被给予。
「data」这个词最早的科学用法来自欧几里得的 data 这本书中。
这篇文章有点难翻译，也不是太需要，主要是讲 数据 这个词的由来。先跳过。。。
1.2 数据的定义
Wikipedia ZH
https://zh.wikipedia.org/wiki/数据
数据（英语：data），是指未经过处理的原始记录。一般而言，数据缺乏组织及分类，**无法明确的表达事物代表的意****义，它可能是一堆的杂志、一大叠的报纸、数种的开会记录或是整本病人的病历纪录。数据描述事物的符号记录，是可定义为意义的实体，涉及事物的存在形式。是关于事件之一组离散且客观的事实描述，是构成消息和知识的原始材料。
Wikipedia EN
https://en.wikipedia.org/wiki/Data
Data as a general concept refers to the fact that some existing information or knowledge is represented or coded in some form suitable for better usage or processing. Raw data ("unprocessed data") is a collection of numbers or characters before it has been "cleaned" and corrected by researchers.
Wiktionary
https://en.wiktionary.org/wiki/data
Wiktionary 将数据定义为记录器和读取器都理解的某种尺度上的测量，是直接观察得到的事实。
Computerhope
https://www.computerhope.com/jargon/d/data.htm
一般来说数据是一组用于某种目的（通常是分析）的已被收集和翻译的 Characters。可以有各种形式。数据如果没有被放入某个特定的Context中，它对计算机和人类来说没有任何作用。
Wikibooks
下面内容是 Wikibooks 的意思，只供参考
https://en.wikibooks.org/wiki/Data_Science:_An_Introduction/Definitions_of_Data
「数据」是一个表示测量集合的通用词。「数据点」指的是数据的个别实例，数据点可以是多种「数据类型」，例如数字、文本或日期时间。当我们以类似的格式收集关于相似对象的数据时，我们将这些数据点归纳成一种「变量」，这些数据点则是变量的值。（这里变量用对象的属性似乎更好）。「数据集」是一组结构良好的数据点。
wikibooks 定义数据是以记录器（比如机器）和读取器（比如人）都能理解的方式测量和传达的观测值。你作为人不是数据，但是关于你的观察记录是数据。比如你写的名字，你说出的你的名字，你的脸的照片等。
数据点 Data Point
Data is or Data are ?
data和datum谁是单数形式，谁是复数形式？ - 郑哲东的回答 - 知乎 https://www.zhihu.com/question/57380133/answer/165044645
Datum 是 Data 的单数形式，但现在单数的 Data 开始被接受。
数据是测量集合，那么单个测量值是 datum 吗？Wikipedia 将单个测量值定义为「数据点」而不是 datum。
当我们说「data」时，表示的是一组聚合的数据点。
数据集
A set of data ?
数据是一组聚合的数据点，那么数据集又是什么呢？一组聚合的「多组聚合的数据点」？
数据是一种比较泛的通用词。数据集不是建立在「数据」之上的，而是建立在「数据点」之上。我们将一组使用类似方式格式化的、在类似对象上观察的数据点，归纳为「变量」，数据点则是变量的值。数据集则是一组结构良好的数据点。
比如进入图书馆记录了你的信息，单次的记录就是一个数据点，我们通过观测发现进入图书馆的人都有一些共同的特征，比如都有名字，都有年龄，那么名字和年龄就可以被归纳为一种确定的变量（人的属性），拥有这些特定变量的一组数据点构成了数据集。
简单来说，观测得到的都能称为数据，数据点事数据的个别实例，数据集是这些实例的集合。
一些经典的数据集
https://en.wikipedia.org/wiki/Data_set
数据类型
数据有不同的形式，文本、数字、图像、音频和视频。数据工作者会非常小心地专门定义不同的数据类型，因为在不同数据类型上的操作符的含义是不一样的。比如数字上的 1 + 1 = 2，在文本上呢？（在图像上呢？）。
- 数学中的数据类型
- 统计中的数据类型
- 计算机科学中的数据类型
- 图像的数据类型数据
1.3 数据、信息和知识
信息是一种描述，而知识是一种推断（预测）。比如7月份的天气数据中我们可以获得7月份的平均气温，最高温和最低温，这是信息。再从多年的7月平均气温变化情况，我们可以推断之后每天7月份的大概气温。
例子
2. 数据的表示和存储
2.1 数据的产生
从人工的数据到机器记录的数据：
- 数据的形式在发生变化
- 数据的容量在发生变化
2.2 以前的存储方式
竹简、纸、磁带、碟片
2.3 计算机如何表示和存储数据？
有什么特点，需要以什么方式进行表示？
计算机是一个二进制系统，无论是什么样的数据类型，最终都要转为二进制进行存储。这一点就与之前对数据的定义有点违背了—人类是难以理解这种「数据」的。因此需要一些方式来表示数据：
http://csfieldguide.org.nz/en/chapters/data-representation.html
- 负数：补码
- 浮点数：二进制科学计数法
- 字符：ASCII/Unicode 编码
- 图像：位图和矢量图
这些只是基本的数据类型，但是数据除了有类型，还有结构在发展。
- 结构化的数据：表格、关系数据库
- 半结构化的数据：比如员工的简历，转为结构化？--> 新的格式如 XML 和 JSON
- 非结构化数据：比如日志 --> NoSQL
数据除了结构在发展，容量也在变化
数据容量的发展带来的数据表示和存储方式的变革。
https://wenku.baidu.com/view/db52f013ec630b1c59eef8c75fbfc77da26997a9.html
- 集中式存储
- 分布式存储
3. 现在的数据
3.1 容量
3.2 特征
3.3 质量
4. 探索数据
对数据进行初步的探索
###4.1 数据源
数据的来源
4.2 数据预处理
4.3 数据可视化
4.4 简单数据统计
5. 数据的应用和影响
美国的数据历史之人口普查
https://wenku.baidu.com/view/19bb434766ec102de2bd960590c69ec3d4bbdb0b.html
数据表示的是过去，但表达的是未来，所以观察数据需要有历史观。
该课件讲数据在美国历史的应用与影响
小数据：源于测量
- 初数时代：用数据分权、人口普查、数据意识、数学教育
- 镀金时代：西顿制表机 、用于人口普查的第一台商用计算机
- 抽样时代：大不代表更准，盖洛普、《乱世佳人》
大数据 = 传统的小数据 + 现代的大记录
- 开放时代：信息公开，数据成为重要的生产资料和创新资源，LEHD项目
- 大数据时代：通往计算型的智能社会
A History of Data Collection, Storage, and Analysis
https://www.gutcheckit.com/blog/a-history-of-data/
随着时间的推移，数据发生了巨大的变化，特别是数量、收集、类型和分析。数据也随着影响每个人和每个行业发展到今天。了解其历史非常重要，尤其是当数据的下一次转变正在发生时。
需要补充的内容：下一次转变是啥？
数据早期的形式
早期数据的第一种形式是标记和刻度标记，收集这些资料是为了跟踪或记录库存。
工具：当这些数据需要一些统计信息时，算盘被发明出来计算这些记录。
纸被发明出来后，人们可以通过更多的文本格式比如表格来记录数据，也可以通过图像来表示数据，比如地图。接着天文学和一些与时间有关的科学研究产生了时序数据等
上面说的很乱，总之就是不同类型的数据都有不同的起源，也有着不同的工具来收集、分析和存储。
这点可以多扩展些
总之，在不同的数据历史时期，都有不同的产生收集、分析和存储数据的工具。
数据进化
随着社会的进步，产生了更多的数据需求。 例如，在1800年代，人口普查开始发生 - 这是迄今为止最大的数据来源之一。 由于人口普查正在收集越来越多的数据点，因此需要一个更有效的数据收集和分析过程。 事实上，如果没有它，编制和分析人口普查数据将无法完成，直到接下来的人口普查出现时。
未完待续。。。