当你拿到一个新的数据集时，下面是针对变量理解和处理的基工作流程：
（1）数据有没有组织？数据是以表格形式存在、有不同的行列，还是以非结构化的文本格式存在？
（2）每列的数据是定量的还是定性的？单元格中的数代表的是数值还是字符串？
（3）每列处于哪个等级？是定类、定序、定距，还是定比？
（4）我们可以用什么图表？条形图、饼图、茎叶图、箱型图、直方图，还是其他？
下图是对以上逻辑的可视化：
冗余变量：一般指重复或者多余的变量
完整性：取值范围、取值的一致性、异常值、整体完整性
缺省值、默认值：指一个属性、参数在被修改前的初始值。
关键字：
公共关键字：公共关键字指的是在关系数据库中，关系之间的联系是通过相容或相同的属性或属性组来表示的。
外关键字：如果公共关键字在一个关系中是主关键字，那么这个公共关键字被称为另一个关系的外关键字。
侯选关键字：如果一个超关键字去掉其中任何一个字段后不再能唯一地确定记录，则称它为“候选关键字”（Candidate Key）。
主关键字：关键字(primary key)是表中的一个或多个字段，它的值用于唯一的标识表中的某一条记录。
……
2.2.探索性数据分析（EDA） 2.2.1.CDA与EDA的区别传统的多元分析方法采用的是“假定—模拟—检验”的证实性数据分析策略（confirmatory data analysis，CDA），即首先需要假设数据总体服从某种分布（如正态分布）。然而，在实际问题中有许多数据并不满足这一前提假设，因而需要使用稳健的或非参数的方法去解决。但是，但数据维数很高时，这些方法都将面临一些困难。
为了克服CDA这种分析策略所具有的一些困难，需要对数据不做假设或者只做很少的假设，进而“直观审视数据——通过计算机模拟数据结构——检验”这样一种探索性数据分析策略（exploratory data analysis，EDA）。
探索性数据分析是在尽量少的先验假定下对数据进行处理，通过作图、制表等形式以及方程拟合、计算某些特征量等手段，探索数据的结构和规律的一种数据分析方法。与证实性数据分析相比，探索性数据分析具有如下特点：
(1)研究从原始数据人手，完全以实际数据为依据，而不必对数据的分布进行假设。
(2)分析方法从实际出发，不以某种理论为依据。探索性数据分析在寻求数据内在的数量特征、数量关系和数量变化时，什么方法可以达到这一目的就采用什么方法，方法的选择完全取决于数据的特点和研究目的。
(3)分析工具简单直观，更易于普及。探索性数据分析强调直观及数据可视化，使分析者能一日了然地看出数据中隐含的有价值的信息，显示出其遵循的普遍规律及与众不同的突出特点，促进发现规律，得到启迪，满足分析者的多方而要求，这也是探索性数据分析策略对于数据分析工作的主要贡献。
2.2.2.基本统计分析 1.描述统计分析1)描述集中趋势的指标：
常用的有算术均数(mean)、几何均数(geometric mean)和中位数(median)等
其中算术均数适用于正态分布和对称分布的资料；
几何均数适用于经对数转换后呈对称分布的资料，它不能用本章讲解的模块直接求出；
中位数适用于各种分布类型的资料，尤其是偏态分布资料和一端或两端无确切数值的资料。
2) 描述离散趋势的指标：
常用的有极差(range)、四分位数间距(quartile range)、方差(variance)、标准差(standard deviation)等。
极差反映一组变量值最大值和最小值之差；
四分位数间距一般和中位数一起描述偏态分布资料的分布特征；
方差和标准差只适合于正态分布的资料。
3)百分位数指标(Percentile)：
是一种位置指标，适合于各种分布类型的资料。
4)描述数据分布的统计量(Distribution)：
偏度系数、峰度系数。用来说明数据偏离正态分布的程度。
2.频数分析1）频数表：频数表是数理统计中由于所观测的数据较多，为简化计算，将这些数据按等间隔分组，然后按选举唱票法数出落在每个组内观测值的个数，称为(组)频数。