18、数据重塑与透视：宽数据与窄数据处理技巧

数据重塑与透视：宽数据与窄数据处理技巧

在数据处理和分析中，我们常常会遇到数据格式不适合分析的情况。有时候问题可能出在特定的列、行或单元格，比如列的数据类型错误、行存在缺失值或者单元格的字符大小写不正确。而有时候，数据集可能存在更大的结构问题，例如数据存储格式使得提取单行数据容易，但聚合数据却很困难。这就需要我们对数据集进行重塑，将其转换为不同的形状，以呈现出从原始数据中无法获取的信息。

1. 宽数据与窄数据

数据集可以以宽格式或窄格式存储数据。窄数据集也被称为长数据集或高数据集，这些名称反映了数据集在添加更多值时的扩展方向。宽数据集在宽度上增加，向外扩展；而窄/长/高数据集在高度上增加，向下扩展。

下面通过一个测量两个城市两天温度的表格来进行说明：
| Weekday | Miami | New York |
| ---- | ---- | ---- |
| Monday | 100 | 65 |
| Tuesday | 105 | 70 |

在这个数据集中，除了工作日和温度这两个变量外，城市也是一个隐藏在列名中的变量。该数据集将相同的变量（温度）存储在两列而不是一列中，Miami 和 New York 列名并不能描述其列中存储的数据，因此可以将这个表格归类为宽数据集，宽数据集会水平扩展。

如果我们引入另外两个城市的温度测量值，就需要为相同的变量（温度）添加两列。数据会变得更宽而不是更高：
| Weekday | Miami | New York | Chicago | San Francisco |
| ---- | ---- | ---- | ---- | ---- |