数据

它是什么

数据 是已经落成记录的事实：一次温度读数、一个姓名、一列人口统计、一段程序读入的字符串。在进入计算机之前，它们可以写在纸上、打在卡片上、录在传感器里；进入计算机之后，它们以可寻址的形式存在，等待被命名、分类与运算。

数据本身不替你下判断。它只回答「记下了什么」。怎样解释、怎样运算、怎样在错误时停下来，属于 程序 与人的责任。

名字从哪来

英文 data 是拉丁语 datum（「给出的东西」）的复数。科学里用它指观测与测量给出的材料，而不是结论本身。中文「数据」沿用同一分工：先有可核对的记录，再谈统计、建模与决策。

计算机史把「给出的东西」推到了机器可执行的边界。打孔卡片上的一列孔、磁带上的磁化状态、内存里的比特，都是同一件事的不同载体：约定某种物理状态表示某个符号或数值，计算才成为可能。见 Python 所在的现代环境，载体变了，约定仍在。

它怎么工作

数据要先被表示，才能被处理。表示需要两层约定：一是「这一格代表什么」（例如年龄、温度），二是「它属于哪一种」——这由 数据类型 标明。同一串字形 "3" 与整数 3 看起来像，参与运算的规则却不同。

在程序里，数据通常通过 变量 被提起：名字指向当前的值。也可以来自 输入、文件或传感器。没有被命名、也没有被传入运算的记录，对这次运行等于不存在。

对话式编程时，先说清「哪些是数据、哪些是规则」，模型才不容易把标签加进求和、把编号当成温度。见 对话式编程。

生活里在哪里

成绩单上的分数、气象站的逐时气温、问卷上勾选的选项、商场收银的条码扫描，都是数据。它们可以汇总、比较、归档，但「平均分说明什么」「该不该据此调整教学」仍须人来判断。数据越多，并不自动等于理解越深；尺度变大时，人往往更需要程序来完成重复的核对与分类。

和相近概念的差别

数据是记录。信息常指「对某人而言减少了不确定性的那部分」——同一份温度表，对值班员与对气候学家意义不同。变量 是指向数据的名字；数据类型 说明这份数据按什么规则参与运算。对象 则是程序运行时那份值的载体。

算法与程序处理数据；它们不是数据本身。把「有很多数据」误当成「已经有了正确模型」，会在边界与例外处失手。

常见误会

误会 1：数据等于真相。

记录可以错、可以偏、可以过时。能进入计算，只说明它已被表示，不说明它已被核实。

误会 2：看起来像数字，就可以直接拿来算。

字形是给人看的。参与算术之前，值必须属于相应的类型；否则得到的是拼接或其他合法却答非所问的结果。

误会 3：数据越多，程序就越正确。

数量放大的是规模，不是模型。边界情况与错误标注，往往在「足够多」的数据集里仍然存在。

想知道更多

• 书：布鲁克希尔《计算机科学概论》
• 书：查尔斯·佩措尔德《编码：隐匿在计算机软硬件背后的语言》
• 书：艾伦·唐尼《像计算机科学家一样思考Python（第2版）》
• 书：埃里克·马瑟斯《Python编程：从入门到实践（第3版）》