哪种格式更整洁？

Question

假设我有一个ACT考试成绩数据集。每个“观察”都是学生参加ACT的结果。 ACT有五个科目：阅读，英语，数学，科学和写作（加上综合成绩）。每个测试对象都有一个量表分数，一个国家百分位数排名和一个大学准备指标（Y或N）。

我的问题是（并且似乎一直是因为我处理了大量评估数据），哪种格式是“整齐的”？

• 其中每一行都是一个独特的学生考试+科目组合，其中包含subject列，然后是每个值的scaleScore，percentile和readiness列。
• 每一行都是唯一的学生测验，所有科目及其各自的值在单独的列中列出。
• 或者在我有第一个选项的地方，但是将六个主题放在一个表中，每个主题都有一个键？

我已经使用SQL + Excel已有一段时间了，但是我想扩展R中的EDA技能。任何帮助将不胜感激！重点是使用ggplot进行后续可视化。我猜测答案可能只是“取决于”，出于不同的绘图目的，他们愿意使用gather和spread。

Answer 1

列为学生，测试，主题，scaleScore，百分位数，准备情况。

学生和测试变量将识别每个观察结果。

主题是一个变量。阅读，英语，数学等是主题变量的值。这本质上是整齐的方法的心脏，这种方法趋于深入而不是广泛，并且很适合进行连接，分组，绘制等操作。

OR为使其更整洁，得分和scoreType是变量，并且它们各自的值也包括在内作为观察值。

无论哪种方式，在一张表中，学生和测试都将在多行上重复进行。但这可以说明整洁的观点。显然，就全局而言，规范化表是值得考虑的。