一、变量有哪些分类
变量可以根据数据类型、根据可测量性质、根据变量之间的关系等进行分类。
1、根据数据类型。
数值型变量：用于表示数值或量化的数据。例如，年龄、身高、温度等。
类别型变量：用于表示类别或标签的数据。例如，性别、学历、颜色等。
二进制变量：只有两个可能取值的变量。例如，是/否、成功/失败等。
文本型变量：包含自由文本或字符串的变量。例如，文章、评论、地址等。
时间型变量：用于表示时间或日期的变量。例如，出生日期、订单时间等。
2、根据可测量性质。
连续型变量：可以包含任意数值，通常是测量结果。例如，身高、体重、温度等。
离散型变量：只能取有限个数或特定值的变量，通常是计数或分类结果。例如，人数、购买数量、星级评分等。
3、根据变量之间的关系。
有序型变量：类别之间有明确的顺序或等级。例如，教育程度（初中、高中、本科、研究生）等。
无序型变量：类别之间没有明确的顺序。例如，颜色（红、蓝、绿）等。
变量的常见用途：
1、数据存储和处理。
变量用于存储和处理各种类型的数据。无论是数值、文本、日期还是其他形式的数据，变量都能够提供一个便捷的方式来存储和操作这些数据。例如，在编程中，可以使用变量来存储用户输入、计算结果、中间值等，方便进一步的数据处理和分析。
2、控制程序流程。
变量可以用于控制程序的流程和逻辑。通过改变变量的值，我们可以改变程序的执行路径，使程序能够根据不同的条件或状态做出相应的决策。这对于编写灵活、智能的程序非常重要，常见的应用场景包括条件语句（if-else语句）和循环结构（for循环、while循环）。
3、数据传递与交互。
变量作为一种通信的媒介，可以在程序中传递数据。例如，在函数之间传递参数、返回值，实现输入和输出之间的数据交互。通过使用变量，程序的各个部分可以更好地协同工作，提高代码的可维护性和可扩展性。这在编程和软件开发中非常常见。
二、什么是哑变量
什么是哑变量
哑变量
哑变量（Dummy Variable），又称为虚拟变量、虚设变量或名义变量，从名称上看就知道，它是人为虚设的变量，通常取值为0或1，来反映某个变量的不同属性。对于有n个分类属性的自变量，通常需要选取1个分类作为参照，因此可以产生n-1个哑变量。
在构建回归模型时，如果自变量X为连续性变量，回归系数β可以解释为：在其他自变量不变的条件下，X每改变一个单位，所引起的因变量Y的平均变化量；如果自变量X为二分类变量，例如是否饮酒（1=是，0=否），则回归系数β可以解释为：其他自变量不变的条件下，X=1（饮酒者）与X=0（不饮酒者）相比，所引起的因变量Y的平均变化量。
但是，当自变量X为多分类变量时，例如职业、学历、血型、疾病严重程度等等，此时仅用一个回归系数来解释多分类变量之间的变化关系，及其对因变量的影响，就显得太不理想。
此时，我们通常会将原始的多分类变量转化为哑变量，每个哑变量只代表某两个级别或若干个级别间的差异，通过构建回归模型，每一个哑变量都能得出一个估计的回归系数，从而使得回归的结果更易于解释，更具有实际意义。
将哑变量引入回归模型，虽然使模型变得较为复杂，但可以更直观地反映出该自变量的不同属性对于因变量的影响，提高了模型的精度和准确度。
举一个例子，如职业因素，假设分为学生、农民、工人、公务员、其他共5个分类，其中以“其他职业”作为参照，此时需要设定4哑变量X1-X4，如下所示：
X1=1，学生；X1=0，非学生；
X2=1，农民；X2=0，非农民；
X3=1，工人；X3=0，非工人；
X4=1，公务员；X4=0，非公务员；
那么对于每一种职业分类，其赋值就可以转化为以下形式：
什么情况下需要设置哑变量
1.对于无序多分类变量，引入模型时需要转化为哑变量
举一个例子，如血型，一般分为A、B、O、AB四个类型，为无序多分类变量，通常情况下在录入数据的时候，为了使数据量化，我们常会将其赋值为1、2、3、4。
从数字的角度来看，赋值为1、2、3、4后，它们是具有从小到大一定的顺序关系的，而实际上，四种血型之间并没有这种大小关系存在，它们之间应该是相互平等独立的关系。如果按照1、2、3、4赋值并带入到回归模型中是不合理的，此时我们就需要将其转化为哑变量。
2.对于有序多分类变量，引入模型时需要酌情考虑
例如疾病的严重程度，一般分为轻、中、重度，可认为是有序多分类变量，通常情况下我们也常会将其赋值为1、2、3（等距）或1、2、4（等比）等形式，通过由小到大的数字关系，来体现疾病严重程度之间一定的等级关系。
但需要注意的是，一旦赋值为上述等距或等比的数值形式，这在某种程度上是认为疾病的严重程度也呈现类似的等距或等比的关系。而事实上由于疾病在临床上的复杂性，不同的严重程度之间并非是严格的等距或等比关系，因此再赋值为上述形式就显得不太合理，此时可以将其转化为哑变量进行量化。
3.对于连续性变量，进行变量转化时可以考虑设定为哑变量
对于连续性变量，很多人认为可以直接将其带入到回归模型中即可，但有时我们还需要结合实际的临床意义，对连续性变量作适当的转换。例如年龄，以连续性变量带入模型时，其解释为年龄每增加一岁时对于因变量的影响。但往往年龄增加一岁，其效应是很微弱的，并没有太大的实际意义。
此时，我们可以将年龄这个连续性变量进行离散化，按照10岁一个年龄段进行划分，如0-10、11-20、21-30、31-40等等，将每一组赋值为1、2、3、4，此时构建模型的回归系数就可以解释为年龄每增加10岁时对因变量的影响。
以上赋值方式是基于一个前提，即年龄与因变量之间存在着一定的线性关系。但有时候可能会出现以下情况，例如在年龄段较低和较高的人群中，某种疾病的死亡率较高，而在中青年人群中，死亡率却相对较低，年龄和死亡结局之间呈现一个U字型的关系，此时再将年龄段赋值为1、2、3、4就显得不太合理了。
因此，当我们无法确定自变量和因变量之间的变化关系，将连续性自变量离散化时，可以考虑进行哑变量转换。
还有一种情况，例如将BMI按照临床诊断标准分为体重过低、正常体重、超重、肥胖等几种分类时，由于不同分类之间划分的切点是不等距的，此时赋值为1、2、3就不太符合实际情况，也可以考虑将其转化为哑变量。
三、环境变量是什么意思
环境变量是在操作系统中一个具有特定名字的对象，它包含了一个或者多个应用程序所将使用到的信息。通俗理解为：一些被指定的文件夹路径，目的是为了更快速方便的找到想要的文件和文件夹。
环境变量相当于给系统或用户应用程序设置的一些参数，比如path，是告诉系统，当要求系统运行一个程序而没有告诉它程序所在的完整路径时，系统除了在当前目录下面寻找此程序外，还应到path中指定的路径去找。
用户通过设置环境变量，来更好的运行进程。CSDN博客-为什么要配环境变量？path用来干什么？
拓展资料
Windows环境变量。指的是Windows指定操作系统工作环境的一些设置选项或属性参数，例如指定系统文件夹或临时文件夹的位置等。与常量相比，一个环境变量往往由变量名称和变量值组成，环境变量名称和数值设置时，不要含有空格，也不要用中文，变量值可以重新赋值，而常量值一直是固定不变的。例如，使用Path变量可以设置Windows系统查询文件的路径，使用Windir变量可以设置系统文件夹路径，使用ComSpec变量可以设置“cmd.exe”命令的路径等。