数据整洁度问题

数据整洁度问题

数据可能存在两类问题:质量问题整洁度问题,这里讨论后者。

该问题为什么重要

数据分析的整个过程中,可能80%的时间都用于清理和准备数据。为了使数据分析变得更加顺利,需要详细讨论如何是数据变得整洁(Tidy)。
数据整洁度问题_第1张图片

何为整洁数据(Tidy data)

要想使数据整洁,首先要知道何为整洁数据,根据 Hadley Wickham 对整洁数据的专门研究,其定义如下:
数据整洁度问题_第2张图片
整洁数据即:
1. 每个变量构成一列
2. 每项观察构成一行
3. 每种类型的观察单元构成一个表格

数据整洁度问题_第3张图片

遵循 Hadley Wickham 的以上两篇关于 Tidy data 论文的指导,会使清理工作变得容易。

  1. Tidy data - Hadley Wickham
  2. Tidy data paper - Hadley Wickham

你可能感兴趣的:(学习笔记)