数字的第一课：什么是数据？
数字的第一课：什么是数据？
你数过东西吗？
可能你会想：我又不是数学家，谁会整天数东西呢？但仔细想想，你每天都在做这件事。早上起床数一数今天有几颗草莓可以吃；课间休息时数一数书包里还剩几块饼干；放学后数一数今天投进了几个球。每一次说“几”的时候，你其实都在收集信息。
这种行为有个专门的名字——计数。计数看起来简单，但它却是我们理解世界最重要的工具之一。当我们说“今天有七颗草莓”时，这个数字就已经不只是草莓本身了，它变成了一种可以被记录、被比较、被记住的信息。
这就是数据的起点。
你每天都在数数
让我们来仔细看看“数数”这件事。假设现在是早餐时间，桌上有一盘樱桃。你伸手去拿，妈妈说：“只能吃五颗哦。”这时候你开始数了：一颗、两颗、三颗、四颗、五颗。你停下来说：“够了，刚好五颗。”
在这个过程中，你的大脑做了几件事。首先是识别，你看到的是红色的、圆圆的、小小的水果，你知道它们是樱桃。其次是分类，虽然每颗樱桃大小不完全一样，但它们都是樱桃，可以放在一起计数。最后是量化，你用数字来表示它们的数量。
现在让我们把这套方法用到另一个场景。假设你是班里的图书管理员，图书角有一排书架。每种书放了几本？你开始数：《哈利·波特》有7本，《西游记》有5本，《十万个为什么》有4本。很快，你发现图书馆总共有多少本书、哪种书最多、哪种书最受欢迎——这些问题的答案都藏在你刚才数的那些数字里。
你看，计数不仅仅是算出“有多少”。当你把数出来的结果记下来，它就变成了一份简单的数据表。这份表格里有书名（分类信息）和数量（数字信息），你可以用它来回答各种问题：哪种书最受欢迎？需要不需要补充新书？哪个年级的同学借书最多？
这就是数据的第一个秘密：把东西数出来并记下来，你就拥有了可以反复使用的力量。你不再需要每次都重新数一遍，看看记录就行了。
让我们再往深想一层。为什么我们要把数字记下来？
假设你连续一周每天记录自己吃了多少颗樱桃。一周后，你看着这七天的记录，忽然发现了一个规律：周三总是吃得最多，周一吃得最少。这个规律是你之前没注意到的，但通过记录和回顾，你发现了它。
记录让我们能够看到变化，发现规律，还能在不同的时间、不同的对象之间做比较。 这就是数据帮助我们做的事情——它像一副特殊的眼镜，让我们能看到平时注意不到的东西。
什么是数据？
现在我们来回答这一章最核心的问题：数据到底是什么？
简单来说，数据就是被记录下来的信息。它可以是数字，也可以是文字、符号，甚至图片和声音。但最基础、最常用的数据，往往是数字。
你可能会想，信息不就是我知道的事情吗？为什么还要专门给“被记录下来的信息”起个名字叫数据？
这个问题问得很好。我们的大脑每天处理大量信息，但这些信息稍纵即逝。你记得昨天中午吃了什么吗？上周一呢？去年的这个时候呢？大多数人只能模糊地记得一些片段，很难说出准确的数字。
但数据不一样。数据一旦被记录下来，它就可以被保存、被复制、被传递、被反复查看。一百年前的科学家记录下来的实验数据，今天的我们仍然可以使用。这就是数据的价值：它让信息变得持久和可靠。
让我们用棒球来具体看看数据是什么样子。
想象你正在看一场棒球比赛。红队对蓝队，比分是3比2。你听到解说员说：“截至目前，本场比赛红队的击球率是0.333。”你可能不太明白0.333是什么意思，但你能感觉到——这是一个被计算出来的重要数字，它在帮助解说员和观众理解比赛进展。
如果你想知道这个数字是怎么来的，我们可以从头算起。假设红队到目前为止一共击球30次，其中有10次成功击中了球并且成功跑垒。击球率就是10除以30，约等于0.333。换句话说，红队平均每三次击球能成功一次。
现在你手里有了一个数字0.333。这个数字是从哪里来的？它来自比赛中的观察和计数——有人专门记录了红队击球30次、成功10次。然后这些原始记录被计算，变成了一个更有意义的比率。
这就是数据的两种形态：原始数据和衍生数据。原始数据是最直接的记录，比如“击球30次”“成功10次”。衍生数据是从原始数据计算出来的，比如“击球率0.333”。原始数据是地基，衍生数据是建在地基上的房子。没有原始数据，衍生数据就成了无本之木。
下面我们用一个简单的表格来展示原始数据和衍生数据的区别：
| 原始数据 | 计算方式 | 衍生数据 | |---------|---------|---------| | 红队击球30次 | — | 击球次数 | | 红队成功10次 | — | 成功次数 | | — | 10 ÷ 30 | 击球率 0.333 | | 红队得3分 | — | 得分 | | 蓝队得2分 | — | 得分 | | — | 3 - 2 | 分差 +1 |
你看，一场比赛下来，产生了多少数据！每一个数字都是对比赛某个侧面的记录。把这些数字组合在一起，就能让一个没看过比赛的人，通过阅读这些数据，大致了解比赛发生了什么。
这就是棒球和数据的特殊关系：棒球可能是世界上数据记录最详尽的运动之一。每一场比赛的每一个动作，几乎都有专人记录。从1870年代开始，棒球就养成了详细记录数据的传统。这形成了一个独特的文化：棒球人相信“用数据说话”，相信数字背后藏着比赛的真相。
棒球场上的数字
棒球比赛看似简单：有人投球，有人挥棒，有人跑垒，有人接球，最后看谁得分多。但如果你深入去看，会发现棒球其实是一个由无数小动作组成的精密游戏。
让我们来认识棒球场上最重要的几个数字。
得分——这是比赛最终要看的数字。两支队伍轮流进攻和防守，进攻方让跑垒员依次踏过一垒、二垒、三垒，最后回到本垒，就算得1分。整场比赛结束时，得分多的队伍获胜。得分是最直接反映比赛结果的数字，也是最容易被所有人理解的数据。
但是得分并不能告诉你比赛是怎么赢的。如果红队得3分、蓝队得2分，你知道红队赢了。但你不知道红队是怎么得分的——是全靠全垒打？还是靠连续的安打一点点推进？两个队的投手表现如何？这些问题，得分回答不了。
这时候我们需要更多的数据。
打数和安打——这两个数字用来计算击球手的击球表现。打数是指击球手正式挥棒尝试击球的次数，不包括四坏球保送和触身球。安打是指击球手成功把球打出去并且至少上了一垒的次数。如果一个击球手打数是20、安打是8，那他的击球率就是8除以20，等于0.400。这意味着他平均每10次挥棒能成功击中4次，这是一个非常出色的成绩。
三振——这是投手最不想看到的数字之一。三振是指击球手在三次好球机会内都没能击中投手投出的球。每次三振都意味着进攻方浪费了一次机会。三振次数多的投手通常是优秀的投手，因为他们能让对手打不到球。
全垒打——这是棒球里最激动人心的时刻。当击球手把球直接打出球场边界，并且场上所有跑垒员都能跑回本垒得分，这就是全垒打。全垒打是得分的利器，也是球迷们最期待的数据之一。
现在你看到了，棒球比赛里几乎每个动作都有对应的数字被记录下来。得分、安打、三振、全垒打、保送、牺牲打、盗垒……这些数字交织在一起，构成了一幅比赛的完整画面。
为什么棒球这么热衷于记录数字？
因为棒球的特殊性在于，比赛不像篮球那样连续不断，也不像足球那样进球稀少。棒球比赛被切分成了一个个独立的“事件”——每一次投球、每一次挥棒、每一次跑垒都是一个独立的事件。这些事件天然适合被数字化记录。
更重要的是，这些数字可以帮助我们比较不同球员、不同球队的表现。如果只是看比赛，你可能觉得这个投手很厉害，但到底有多厉害？有了数据，我们可以说他的自责分率是2.15，意思是每场比赛他平均只让对手得两分左右的分数。这个投手在全国投手里的排名是第三。这就是数据的威力——它把模糊的感觉变成了可以精确比较的数字。
数据帮助我们客观地描述和比较事物
让我们来做一个思想实验。
假设你的两个朋友，小明和小华，都说自己跑步很快。你想比较一下谁更快。怎么办？
最直接的方法就是让他们比一场。你在旁边计时：小明跑100米用了14.5秒，小华用了15.2秒。一目了然，小明更快。
但如果他们不在同一个地方呢？如果小明在学校的操场上跑，小华在自己家附近的小区里跑，你还能比较吗？
这时候你需要一个标准。假设他们都是按照同样的规则、类似的地形条件跑的，那你仍然可以用时间来判断。时间就是你的数据——它把“跑步快不快”这个抽象的问题变成了一个可以测量的具体数字。
这就是数据的第一个大作用：客观描述。当你说“小明跑得很快”，这是一个主观判断，每个人对“快”的理解可能不一样。但当你说“小明100米用时14.5秒”，这就是一个客观事实，任何人听了都知道这意味着什么。
现在我们再进一步。假设小明跑步的时间记录是这样的：周一14.5秒，周三14.3秒，周五14.8秒，周日14.2秒。你发现小明最近的成绩在14.2到14.8秒之间波动，平均大约是14.45秒。这就是数据的第二个大作用：发现变化和趋势。如果没有记录，你可能只会记得小明某一次跑得很快或者很慢。但有了完整的数据，你能看到他表现的规律和变化。
最后，我们来看数据的第三个大作用：比较。假设小红说她跑步也很快，成绩是14.6秒。现在你有了三个人的数据：小明平均14.45秒，小华15.2秒，小红14.6秒。谁最快？当然是小明。你不需要看他们的样子、听他们说话，光看这些数字就能排出名次。
数据让我们能够跨越主观感受的局限，看到事物之间真正的关系和差异。 这就是为什么棒球那么依赖数据——当两支队伍都想知道自己哪里做得好、哪里需要改进时，唯一可靠的方式就是看数字。
不同类型的数据适合回答不同的问题
数据不是千篇一律的。不同类型的数据，适合回答不同的问题。
数值型数据是最常见的数据类型，它是可以进行数学运算的数字。比如得分是数值型数据，3分加2分等于5分，这运算有意义。温度也是数值型数据，25度比20度高5度。年龄、身高、体重、比赛时间，这些都是数值型数据。
分类型数据则用来表示类别，不能进行数学运算。比如球队名称是分类数据，“红队”和“蓝队”不能相加。球员位置也是分类数据，“投手”和“捕手”不能相减。但分类数据可以进行计数——红队有多少投手、蓝队有多少捕手。
顺序型数据介于两者之间，它有类别，但类别之间有顺序关系。比如学生的成绩等级可以是“优秀、良好、及格、不及格”，这四个等级有高低的顺序，但我们不能计算“优秀加良好等于多少”。
为什么要区分数据类型？因为不同类型的数据要用不同的方法来处理和分析。
假设你想知道红队这赛季得了多少分，你需要把所有比赛的得分加起来，这是数值运算。如果你想知道红队赢了多少场比赛，你需要数一数赢的场次，这是分类计数。这两个问题看起来都和红队有关，但它们需要用不同的数据处理方式。
在棒球数据分析中，这种区分尤其重要。投手的表现要看自责分率（数值型），击球手的位置安排要看他是左打还是右打（分类型），教练的评价等级可能是“优秀、良好、一般”（顺序型）。只有理解数据类型，才能正确地提出问题、选择数据、分析数据、得出结论。
下面这张简单的表格总结了三种数据类型的特点和常见例子：
| 数据类型 | 能否做数学运算 | 能否排序 | 棒球例子 | |---------|--------------|--------|---------| | 数值型 | 能 | 能 | 得分、打击率、投球局数 | | 分类型 | 不能 | 不能 | 球队名、球员姓名、球场名称 | | 顺序型 | 不能 | 能 | 评价等级、排名、比赛局数 |
让我们来记录数据
现在你已经理解了数据的基本概念。让我来教你做一件很酷的事情——建立你自己的第一份数据表。
接下来的七天，每天记录你运动了多长时间。不要用分钟，用“15分钟=1个单位”这样的方式记录，这样数字更容易处理。如果某天没运动，就记0。
让我们用表格来记录：
| 星期 | 运动时长（单位） | 备注 | |-----|----------------|-----| | 周一 | 2 | 踢足球 | | 周二 | 1 | 跑步 | | 周三 | 3 | 游泳课 | | 周四 | 0 | 没运动 | | 周五 | 2 | 打篮球 | | 周六 | 4 | 爬山 | | 周日 | 1 | 散步 |
这就是一份简单但完整的数据表！每列代表一个属性（星期、运动时长、备注），每行代表一天的数据。现在让我们来看看这份数据能告诉我们什么。
第一个问题：这周你总共运动了多久？ 把所有数字加起来：2+1+3+0+2+4+1=13个单位，转换成分钟就是13×15=195分钟，大约三个多小时。
第二个问题：哪天运动最多？哪天最少？ 周六运动最多（4个单位），周四最少（0个单位）。
第三个问题：你发现了什么规律？ 周末运动量比平时大，这可能是因为周末有更多自由时间。周一到周五只有一天超过2个单位，其他都比较少。
你看，一份简单的数据表，能让我们看到这么多东西。现在你明白了吧——数据不只是冷冰冰的数字，它记录的是真实发生的事情，反映的是我们生活的轨迹。
如果你坚持记录一个月、一年，你会看到更清晰的规律。也许你会发现自己在某个季节运动更多，或者某种运动让你更容易坚持。这些发现可能会帮助你做出更好的决策，比如选择什么样的运动项目、安排在什么时间运动。
这就是数据的力量：它让你对自己的生活有更清晰的认识，而不是只凭模糊的感觉。
本章小结
在这一章里，我们从每天都在做的“数数”出发，理解了什么是数据。
数据是被记录下来的信息，它可以是数字、文字或符号，但最基础、最常用的是数字。计数是最基本的数据收集方式，当我们把数出来的结果记下来，信息就变成了可以保存、比较和分析的数据。
在棒球比赛中，我们看到了数据的丰富应用。得分、安打、三振、全垒打……每一个数字都是对比赛某个侧面的记录。把这些数字组合在一起，就能让我们看到比赛的完整面貌，理解谁打得好、谁需要改进。
数据有三种主要类型：数值型数据可以进行数学运算，适合回答“多少”的问题；分类型数据用来区分不同类别，适合回答“是什么”的问题；顺序型数据有类别和顺序，适合回答“排在第几”的问题。理解数据类型是正确分析和提问的基础。
最后，你通过记录一周的运动时长，完成了自己的第一份数据表。这份表格可能很简单，但它已经包含了数据的核心要素——观察、记录、分析、得出结论。
当你完成了这份数据表，你已经迈出了成为“数据投手”的第一步。
现在留给你一个思考题：除了得分，棒球比赛中还有哪些数字被记录下来？ 在下一章里，我们会深入探索棒球场上那些神奇的数字——打数、安打、打击率……这些数字是怎么来的，又是怎么帮助我们理解比赛的。准备好继续这场数字之旅了吗？