03_資料準備

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
垃圾進、垃圾出	分析品質直接受原始資料品質限制	把資料清理與塑形視為正式分析工作	原書指出資料科學家／分析師最多可能花約 80% 時間進行資料準備
資料清理循環	匯入、合併、標準化／正規化、補建缺漏資料、去除重複、驗證、補充資料	系統化建立可分析資料集	通常需要多輪清理與驗證，而不是一次完成
平面資料表	第一列是變數名稱；每欄一個變數；每列一筆同類型觀測；資料區內沒有空白列／欄	讓 Excel 與多數分析工具安全讀取資料	報表容易閱讀，不代表其結構適合分析
資料塑形	把交叉表、報表與摘要版面轉成以資料列為主的分析結構	樞紐分析、統計工具與 R／Jamovi 分析前處理	應保留原始資料，並做轉換前後勾稽
資料清理	修正轉錄錯誤、無效代碼、缺漏／無意義值與資料不一致	避免錯值污染統計結果	不能憑直覺猜測模糊錯值；必要時回查原始紀錄
資料字典	定義變數名稱、資料型別、代碼與各值含義	辨識合法值、類別代碼與缺漏值規則	數字形式的代碼不一定是可直接計算的數值測量
工具選擇	Excel 適合小型／中型資料的人工清理；R 適合大型資料與可重複轉換	依資料規模與可重現需求選擇工具	工具不同，但保留原始資料與驗證轉換結果的原則相同

原書以「垃圾進、垃圾出」開場，強調資料準備不是正式分析之前的雜務。若原始資料有錯、結構不適合分析，或特殊代碼被誤讀，即使後面的統計公式完全正確，結論仍然可能錯誤。

原書指出，資料科學家與分析師的工作中，最多約 80% 可能花在資料準備，包括清理、塑形與轉換。

原書圖 3.1 把資料準備描述成循環，而不是一次性的線性步驟。典型工作包括：

每完成一輪處理，都應重新檢查資料內容與結構，直到足以支援後續分析。