探索性数据分析的目的就说让人能了解数据概貌，形成对数据的直观认识，尽可能探索数据属性间的关联。这种认识包括但不限于：数据中有哪些属性字段与属性值，缺少哪些属性值，属性字段值的分布如何，数据的组织结构如何，属性间有哪些关系和联系。

探索性数据分析可以让我们充分了解数据，了解业务，同时对重要因子的确定、特征工程的支持、模型的选取和调整等后续深度挖掘工作有着重要的影响。

数据字段分类

以表格形式组织而成的数据，每一行可以代表一个实体，每一列代表着实体的一个字段。如果仅考虑每个字段的统计性质，可以把每个字段按照衡量尺度分成四类：

定类尺度（类别尺度）

这种尺度衡量的数据属性表达，集中在几个有限的值当中，并且在这些值相互之间没有大小之分。如男女。

定序尺度（顺序尺度）

该尺度衡量的数据属性与定类尺度的相同点是，它的值域同样集中在几个有限的值当中，只是这些值彼此之间是有大小之分的。如优良中差。

定距尺度 （间隔尺度）

相比于定序尺度，定距尺度对衡量范围进行了扩充，一方面它的值域不再限定于一个集合中，另一方面它也可以衡量值与值之间的大小。比如30度 20度 10度。但是定距尺度是不能衡量倍数关系的，也就是不能做乘除运算。

定比尺度 （比例尺度）

相比定距尺度，定比尺度填补上了“0点”的衡量，有了这个“0点”，乘除运算就变得有意义。比如长度、重量、速度等。