我试图使R中的数据集整洁。它包含许多不同的变量，包括按年分列的人口信息，例如：出生率、死亡率等等。大多数数据是总人口的数据，没有按性别分列。然而，每年总人口的数值按性别分开，即：男性人口和女性人口。我在想性应该是一个独立的专栏，人口应该是一个专栏。但接下来我就剩下其他的价值观了，它们不能被编码为男性或女性。所以我的性专栏可以有以下水平：男的女的和总的？或者，如果我将男性和女性人口列分开，它仍然是一个整洁的数据集吗？如果是，我是否也有一个总人口列？
有很多缺失的数据，所以我并不特别关心通过添加sex列而创建的缺失数据行。我只需要确保数据符合“整洁”的格式。
如上所述，我已经成功地创建了一个数据集，但我关心哪一个可以被认为是整洁的。我不是在寻求关于代码本身的建议。
1条答案
按热度按时间z31licg01#
因此，在您建议的数据中，每年有3行：男性、女性和总数，但男性和女性行的所有值（人口除外）都是NA-对吗？
你的求婚，性爱时间更长
| 年|性别|人口|国内生产总值|欧洲社会委员会|
| - -----|- -----|- -----|- -----|- -----|
| 二千年|M型|三百| * 不适用 | 没有 *|
| 二千年|F型|二百三十| * 没有 | 不适用 *|
| 二千年|共计|五百三十|三四五二|四百五十四|
对比原始宽表数据：
| 年|男性流行音乐|女流行音乐|总爆裂|国内生产总值|欧洲社会委员会|
| - -----|- -----|- -----|- -----|- -----|- -----|
| 二千年|三百|二百三十|五百三十|三四五二|四百五十四|
如果我理解正确的话，这听起来像是个坏主意。我认为您对整理数据的“规则”有点过于热心，实际上使事情变得更加混乱。在Hadley威克姆的论文中，整洁数据的标准是：
在tidy data中：
1.每一列都是变量。
1.每一行都是观察。
1.每个单元格都是一个值。
在宽格式数据中，每一行都是一个观察结果（年份的数据），虽然从技术上讲，按性别划分的人口有3列并不是一个大问题，因为它可以将您从混乱的建议设置中节省下来。
想想你将如何使用这些数据--从不同的格式中会得到什么？它更大，更不清晰，您必须处理NA并进行额外的操作来分析它。
如果你真的想让你的数据整洁，并避免重复的性别特定人群列（如果有不止一组性别特定变量，你可能会这样做），你应该把 * 整个 * 表透视成长格式，而不仅仅是它的一部分。
完整长格式数据：
| 年|性别|状态|价值|
| - -----|- -----|- -----|- -----|
| 二千年|M型|流行|三百|
| 二千年|F型|流行|二百三十|
| 二千年|共计|流行|五百三十|
| 二千年|共计|国内生产总值|三四五二|
| 二千年|共计|欧洲社会委员会|四百五十四|