3. Tipos de Variables en Análisis de Datos

En análisis de datos, es fundamental identificar el tipo de cada variable, ya que esto influye en las técnicas de análisis y visualización. A continuación, se describen los tipos de variables más comunes que encontrarás en datasets reales:

3.1 Variables Categóricas Nominales

• Descripción:
  Estas variables identifican categorías o grupos sin que exista una relación de orden entre ellas. Cada valor representa una etiqueta única que clasifica la información, sin implicar superioridad o secuencia. Por ejemplo, al codificar el género o el color, el valor “masculino” no tiene un “peso” o prioridad sobre “femenino”, simplemente los distingue. Su análisis suele centrarse en la frecuencia de ocurrencia y en la distribución de cada categoría.
• Ejemplos:
  • Titanic: Name, Sex, Ticket, Cabin, Embarked.
  • Iris: Species.

3.2 Variables Categóricas Ordinales

• Descripción:
  A diferencia de las nominales, estas variables tienen un orden inherente. Los valores representan categorías que pueden clasificarse de menor a mayor, pero la diferencia exacta entre ellas no es necesariamente constante ni cuantificable. Este ordenamiento es útil para establecer jerarquías o escalas de satisfacción, calificación o nivel, permitiendo un análisis que respete la secuencia lógica de las categorías.
• Ejemplo:
  • Titanic: Pclass (1ra clase > 2da clase > 3ra clase).

3.3 Variables Numéricas Discretas

• Descripción:
  Son variables que se expresan en números enteros y que representan conteos o cantidades finitas. Cada valor es individual y distinto, y el conjunto de posibles valores es limitado o contable. Esto facilita la identificación de patrones basados en la frecuencia de ocurrencia y permite aplicar análisis estadísticos que asumen diferencias exactas entre los números.
• Ejemplos:
  • Titanic: PassengerId, SibSp (número de hermanos/cónyuges), Parch (número de padres/hijos).
  • Diabetes: Pregnancies.

3.4 Variables Numéricas Continuas

• Descripción:
  Estas variables pueden tomar cualquier valor dentro de un intervalo, incluyendo fracciones o decimales, ya que representan medidas precisas y escalas infinitamente divisibles. Son ideales para describir fenómenos que varían de forma gradual, como la altura, el peso o la temperatura. Su análisis puede incluir técnicas de interpolación, regresión y análisis de tendencias.
• Ejemplos:
  • Titanic: Age, Fare.
  • Iris: Sepal Length, Sepal Width, Petal Length, Petal Width.
  • Wine: Variables químicas como Fixed Acidity, pH, Alcohol.

3.5 Variables Binarias

• Descripción:
  Representan un caso especial de variables categóricas, limitadas a dos posibles valores que suelen indicar la presencia o ausencia de una característica, o una respuesta de sí/no. La simplicidad de estas variables permite una rápida clasificación y es fundamental en análisis de decisiones y modelos de clasificación.
• Ejemplos:
  • Titanic: Survived (0 = no sobrevivió, 1 = sobrevivió).
  • Diabetes: Outcome.

3.6 Variables Temporales

• Descripción:
  Capturan información relativa al tiempo, como fechas, horas o intervalos. Estas variables permiten analizar la evolución y la estacionalidad de los datos, identificar tendencias y realizar pronósticos. Su tratamiento especial incluye la conversión a formatos de fecha/hora y la consideración de zonas horarias o calendarios.
• Ejemplo:
  • Ventas (Dataset Ficticio): Fecha de compra, Hora de transacción.

3.7 Variables Textuales

• Descripción:
  Contienen datos en formato de texto libre, lo que significa que la información no está predefinida en categorías o escalas numéricas. Este tipo de variable es común en comentarios, descripciones o cualquier contenido no estructurado. Su análisis requiere técnicas de procesamiento de lenguaje natural (NLP) para extraer patrones, temas o sentimientos.
• Ejemplos:
  • Titanic: Name (además de ser utilizado como identificador, puede ser analizado para detectar tendencias o características en la composición de nombres).
  • Redes Sociales: Comentarios, descripciones, tweets.

3.8 Variables Geoespaciales

• Descripción:
  Representan datos relacionados con ubicaciones físicas. Estos valores pueden ser coordenadas (latitud y longitud), direcciones, o códigos postales, entre otros. Son esenciales en análisis de mapas y estudios espaciales, permitiendo visualizar la distribución geográfica de los datos y realizar análisis de proximidad y densidad.
• Ejemplos:
  • Latitud, Longitud, Código Postal.

3.9 Variables Mixtas o Compuestas

• Descripción:
  Estas variables combinan elementos de distintos tipos de datos en una sola columna. Pueden incluir componentes tanto numéricos como categóricos o incluso textuales, lo que requiere una extracción y transformación adicional para separar y analizar cada componente por separado. Este tipo es frecuente cuando la información se guarda en formatos no estandarizados o cuando se combinan varias dimensiones en un solo campo.
• Ejemplo:
  • Nivel de Satisfacción: Una escala del 1 al 5 que indica orden (ordinal) pero que, en algunos análisis, se utiliza también como dato numérico para calcular promedios o variaciones.

Nota:
Entender en profundidad estos tipos de variables te ayudará a seleccionar las técnicas de visualización y análisis adecuadas (por ejemplo, gráficos de barras para variables categóricas, histogramas para variables numéricas, análisis de series de tiempo para variables temporales, etc.) y a aplicar las transformaciones necesarias durante la preparación de los datos.