2.1 數據操作基礎

數據框（Data Frame）是機器學習中用得最多的一種數據結構，數據框由多行多列組成，每列是同一種數據類型，但不同列的數據類型可以不同（與矩陣類型的區別），類似JDBC編程中數據集對象RecordSet。機器學習很多算法和數據預處理函數都是圍繞Data Frame展開，R語言和Python Pandas有深入的支持，就如同MATLAB等科學計算軟件以向量/矩陣為中心。在R語言中，既支持向量、矩陣、字符串、列表（List）等常見數據類型，也提供了因子（Factor）數據類型，解決名義變量（例如性別）和有序變量（例如報警等級）在機器學習中的特別處理要求，例如，因子量不能像連續變量那樣參與四則運算，在存儲效率上Factor比原始的變量類型（特別是字符串）更高。