2.1 数据操作基础

数据框（Data Frame）是机器学习中用得最多的一种数据结构，数据框由多行多列组成，每列是同一种数据类型，但不同列的数据类型可以不同（与矩阵类型的区别），类似JDBC编程中数据集对象RecordSet。机器学习很多算法和数据预处理函数都是围绕Data Frame展开，R语言和Python Pandas有深入的支持，就如同MATLAB等科学计算软件以向量/矩阵为中心。在R语言中，既支持向量、矩阵、字符串、列表（List）等常见数据类型，也提供了因子（Factor）数据类型，解决名义变量（例如性别）和有序变量（例如报警等级）在机器学习中的特别处理要求，例如，因子量不能像连续变量那样参与四则运算，在存储效率上Factor比原始的变量类型（特别是字符串）更高。