什么是整洁的数据？

你的数据应该以一种整洁的格式存在。简单来说，整洁数据集是满足以下条件的一种表格数据集：

每个变量占一列（Each variable is a column）

每个观察值占一行（Each observation is a row）

每种观察单位是一个表格（Each type of observational unit is a table）

下面的前三张图片描述了一个整洁的数据集。这个整洁的数据集来自医疗保健领域，有两个表格：一个是患者表格（包括患者 ID、姓名和年龄），一个是治疗表格（包括患者 ID、患者服用的药物 Drug，以及药物剂量 Dose）。

整洁数据集的每个变量都必须具有自己的列 整洁数据集的每个观察值都必须具有自己的行 整洁数据集每个观察单位都必须具有自己的表格

下一张图片描述了相同的数据，但是呈现为一种非整洁模式（还有可能存在其他非整洁模式）。Drug A、Drug B 和 Drug C 列应该组成一个 “Drug” 列，因为这些药物都属于一个变量。整个表格应该拆分为两个：一个患者表格和一个治疗表格。

该非整洁数据集只遵守了整洁数据集第二条规则，每个观察值占一行

如果还想了解更多信息，可以查阅 Python 中的整洁度数据 这篇文章的作者是 Jean-Nicholas Hould

参考文献：优达学城