在R for Data Science中，作者解释了他们对整洁数据的想法。他们为不整洁的数据提供了一个示例：

#> # A tibble: 3 x 3
#>   country         `1999`     `2000`
#> * <chr>            <int>      <int>
#> 1 Afghanistan   19987071   20595360
#> 2 Brazil       172006362  174504898
#> 3 China       1272915272 1280428583

根据作者的说法，相同数据的整洁版本将是：

#> # A tibble: 6 x 3
#>   country     year  population
#>   <chr>       <chr>      <int>
#> 1 Afghanistan 1999    19987071
#> 2 Afghanistan 2000    20595360
#> 3 Brazil      1999   172006362
#> 4 Brazil      2000   174504898
#> 5 China       1999  1272915272
#> 6 China       2000  1280428583

我看到在杂乱无章的版本中，必须已经知道数据是人口，否则无法理解，什么1999和2000意思。但是，这可以从上下文中得出，例如，如果 tibble 存储在一个名为population.

现在，我有什么资格怀疑他们的判断——我不怀疑。但我想更好地理解他们的想法。第二个版本的实际优势是什么？我不能不直观地看到它们，例如，即使需要使用不同的功能，对于 AFAICS 两种情况，平均值等的计算都很容易。另一方面，我认为如果数据以“不整齐”的形式存储，那么计算两年人口之间的相关性会更容易。我的错误是什么？