在R中如何自动区分数据集中的分类数据与连续数据？

核心判断逻辑以数据类型为基础，结合唯一值分布做二次校验，即可覆盖绝大多数场景的自动拆分，以下是Python数据分析生态的可落地实现方案：

基础方案（适配90%常规场景） #

直接使用pandas内置的类型筛选方法，一行代码完成拆分，无需手动标记列：

• 筛选连续特征：仅保留整数、浮点数类型的列
• 筛选分类特征：排除上述数值类型，保留字符串、布尔值、category等非数值类型

import pandas as pd

# 假设你的数据集已读入为DataFrame变量 df
continuous_cols = df.select_dtypes(include=['int64', 'float64']).columns.tolist()
categorical_cols = df.select_dtypes(exclude=['int64', 'float64']).columns.tolist()

进阶方案（适配数值编码的分类特征） #

如果你的数据集中存在用数值存储的分类特征（比如用0/1标识性别、1-5标识满意度等级），基础方案会误判为连续特征，可以增加唯一值占比校验优化逻辑：

import pandas as pd

# 可根据数据集特性调整阈值：唯一值占比低于阈值判定为分类特征，反之判定为连续特征
unique_ratio_threshold = 0.1
continuous_cols = []
categorical_cols = []

for col in df.columns:
    if pd.api.types.is_numeric_dtype(df[col]):
        unique_ratio = df[col].nunique() / len(df)
        if unique_ratio > unique_ratio_threshold:
            continuous_cols.append(col)
        else:
            categorical_cols.append(col)
    else:
        categorical_cols.append(col)

筛选后批量绘制直方图示例 #

拿到连续特征列名列表后直接循环绘制即可，不会触发分类列的报错：

import matplotlib.pyplot as plt

for col in continuous_cols:
    plt.figure(figsize=(8,4))
    df[col].hist(bins=20, edgecolor='black')
    plt.title(f'Distribution of {col}')
    plt.xlabel(col)
    plt.ylabel('Frequency')
    plt.show()

补充说明 #

• 其他分析工具（比如R）可复用相同逻辑：R中可通过is.numeric()、is.factor()做基础类型判断，再结合length(unique())计算唯一值占比做二次校验
• 特殊业务场景可手动调整结果：比如年龄、等级类特征符合分类特征的数值分布，但业务上需要按连续特征处理的，直接在筛选后的列表中增减对应列即可
• 阈值没有统一标准，样本量小的数据集可以适当调低阈值，样本量极大的数据集可以适当调高阈值

内容的提问来源于stack exchange，提问作者helpmepls