Beds 和 Price 放在一起，bar 与 histogram 的分界最清楚。前者来自计数，取值零散，柱子彼此分开；后者按连续区间汇总，柱子相邻。检查时看四处：数据类型、横轴含义、柱间间隙，以及类别能否重排。时间上的变动另走 line，横轴放时间。

💡 顺序可以固定成：定义问题 → 判定变量类型 → 按需汇总频数或相对频数 → 用选择矩阵挑图 → 检查标题、轴、单位、图例和比例。

🧮 同一个入口，继续管统计量和分母

• 数值列取集中趋势时看分布形状。分布对称且没有影响性离群值，mean 通常有代表性；分布偏斜或存在影响性离群值，median 更稳健；连续数据很少重复同一个精确值时，可以报告众数所在区间。
• 两个变量做关系分析也先看类型。两个分类变量先判断它们是否独立；两个数值变量走 scatterplot、covariance 和 correlation。
• 分类变量进入 contingency table 后，还要看题中谁是条件。% of Grand Total 对应联合与边际概率，% of Row Total 对应给定行类别的条件概率，% of Column Total 对应给定列类别的条件概率。

这里最容易漏掉的是分母方向。把题目中的条件写在竖线后面，再决定取 Row Total 还是 Column Total，表里的百分比才会回答同一个问题。

例如题目给出 Auction 与 SchoolZone 的列联表，又问「在 Auction = Yes 的房产中，SchoolZone = Yes 占多少」，可以先把条件写在竖线后面：P(SchoolZone = Yes | Auction = Yes)。接着在表中定位 Auction = Yes 位于行还是列，再用对应的 Row Total 或 Column Total 作分母。这个草稿动作能把题目文字、条件方向和表格点击对在一起。

🔤 进回归，类别列要换一种写法

分类列不能带着原始编号直接进模型。把 PreferredBeverage 编成 Water = 1、Tea = 2、Coffee = 3，会凭空造出类别间的数值距离。正确动作是造 0／1 指示变量：j 个类别造 j−1 个，省略的类别成为 base category。以 Water 作 base，就保留 DTea 和 DCoffee；两列同时为 0 时代表 Water。

含截距的模型若给三个类别造齐三列指示变量，每行的三个值加总恒等于 1，会产生精确线性相关。

Yes／No 列的写法更直观：DSchoolZone = IF(F2 = "Yes", 1, 0)。这里 base 是 No，指示类别是 Yes。系数出来后，要读成 SchoolZone = Yes 与 SchoolZone = No 两组预测值的差额，其他自变量固定；两个类别都要点名。

✅ review 时只带两条自查

• 这一列的值来自计数，还是来自测量
• 对这些值做加减，结果在业务上有没有含义

第一条分开 discrete 和 continuous，第二条拦下长得像数字的类别列。拿 Auction 现场走一遍：它取 Yes／No，属于 nominal；看分布用 pie 或 bar；进回归写成一个 0／1 指示变量，base 取 No；系数解释成 Auction = Yes 与 Auction = No 两组预测值的差额。一个判定，三个位置的写法就都落下来了。

类型或角色判错，偏差会顺着方法链传下去：图表形式会偏，集中趋势可能失去业务含义，条件概率的分母会答非所问，类别列进回归时也会得到错误的编码和解释。我 review 这部分时会拿 RealEstate 表当练习台，每一列先写类型和角色，再填图的形式、集中趋势、分母方向与回归写法。四格填完，这条从数据类型到 Excel 回归的路线就连起来了。