1.1　數據的概念

描述數據的方式之一是區分數據的類型，數據可分為以下3類。

1.1.1　結構化數據

可用二維表結構表現邏輯且易于處理的數據稱為結構化數據，從該類數據中獲取信息非常容易。例如，以由行和列組成的二維表形式存儲于關系數據庫（如SQL）中的數據屬于結構化數據；電子表格也是一個結構化數據的范例。結構化數據約占世界上全部數據量的5%～10%。SQL數據表如圖1-1所示，存有商家相關的數據。

圖1-1　SQL數據表

1.1.2　非結構化數據

非結構化數據需要更高級的工具和軟件來獲取信息。圖形圖像、PDF文件、Word文檔、視頻、音頻、郵件、PowerPoint演示文檔、網頁及其內容、維基百科、流數據和位置坐標等都屬于非結構化數據。非結構化數據約占全部數據的80%。各種非結構化數據類型如圖1-2所示。

圖1-2　非結構化數據類型

1.1.3　半結構化數據

半結構化數據是指不規整的結構化數據。JSON（JavaScript對象表示法）文件、BibTex文件、.csv文件、以制表符分隔的文本文件、XML和其他標記語言都是互聯網上半結構化數據的例子。半結構化數據約占全部數據的5%～10%。圖1-3是JSON數據的一個示例。

圖1-3　JSON數據