在职场里，只要你接触数据或者报表，就会听到或者说出“一维表”、“二维表”、“大宽表”之类的称谓。
可是很多人却搞不清它们的区别和联系，甚至觉得无所谓，反正有数就行了。可惜往往在数据清洗和画图表的时候，出现反复修改调整，频繁踩坑，甚至直接影响数据分析结果。
尤其涉及不同部门，比如业务部门和技术部门，人力部门和数据部门之间，沟通时常出现：你说你的一维表，我说我的二维表。没有统一口径，造成理解歧义，甚至造成业务事故。
在接触数据分析工作中，老海发现这种现象是一种很常见的认知误区，很多人踩坑，甚至都不自知。
<h1 class="pgc-h-arrow-right">为什么会出现这种理解误区？</h1>
老海认为，根本原因是彼此间的理解角度不同，对数据表格的理解角度一般分为2种：
第一种：从存储空间维度上
我们日常所说的表格，无论是excel还是数据库表，基本都是二维表，不存在一维表这个概念！ 数据表都是以二维空间维度，存储在关系型数据库中。它们是二维矩阵数组形态，也是我们常说的“大宽表”，包括了很多字段，类型主要为四种：
常见数据类型
一维表
这种结构，是最理想的存储型数据结构，性能稳定，国内外通用。
第二种、从业务分析维度上
只要从分析维度上看，才会出现我们经常提到的“一维表”和“二维表”
比如，以Excel为首的数据分析中提到的“一维表,二维表”，它们都是最常见的分析型数据结构
当然，“一维”与“二维”表，本身都是二维空间结构来存储，因此只有从分析维度上来看，它们两者才有存在的意义。
接下来聊聊，“一维”和“二维”表：
<h1 class="pgc-h-arrow-right">“一维”是什么？</h1>
“一维”表，一般都是代表实体属性的表，它是实体对象集合的记录表。
它的每一行表示一个独立的实体对象，而每一列表示这个实体的某一个属性
它的所有列属性之间遵循MECE法则，彼此独立互不重叠。
它的每一行包含所有属性列，都在描述同一个实体对象，用于研究不同实体间的差异。
比如：在早餐行业里的“一维”表，一般包括年份、城市、产品、职业、销量字段，它们之间没有重叠
每一行都能独立代表一个实体对象，这种表格结构非常适合进行数据清洗和机器学习。
“一维”表存在的意义，在于它是数据库设计领域的参考标准，几乎所有主流技术均支持
它非常适合用于适合做流水记录，数据埋点，统计分析，便于导出XLS、CSV、JSON等各种格式。
因此，一行数据就能包括对象的全部信息，是“一维”表最大的特点！
而这种结构的缺点是数据量大且字段数量多，不方便查看和展示。
<h1 class="pgc-h-arrow-right">“二维”表是什么？</h1>
“二维”表是交叉属性表，实体的两个或者多个独立属性，进行交叉分析看属性中元素的统计量。
它的所有列属性之间不遵循MECE法则，彼此可以不独立。
它的每一行中必然存在一个属性的多个元素集合，也可以包含多个属性的多个元素集合，用于研究实体属性间的差异。
比如：不同年份下不同城市的豆浆和牛奶的销量，注意到了吗，存在两个销量度量，而豆浆和牛奶同属于一个属性：产品
二维表
“二维”表存在的意义，在于我们日常的阅读习惯，方便我们直观展示和定位数据，比较适合打印、汇报
比如上学时用到课程表，或者工作中的各种数据报表，都是使用这个表格样式。
因此，利用行和列横纵向定位数据，是“二维”表最大的特点！
但是这种样式会对数据清洗造成非常大的麻烦，比如表头、斜线、合并单元格都需要处理掉。
谁都见过的表格
<h1 class="pgc-h-arrow-right">“一维”表与“二维”表有何关联？</h1>
“一维”与“二维”表 都能做分析做图表，也都可以进行透视操作。
它们可以相互转化，“一维”表是基础，“二维”表是进阶。
总体来说，可以分为三种情况：
“一维”可属性交叉为“二维”表
“一维”可属性聚合为“一维”表
“二维”可属性逆视为“一维”表
具体操作步骤较多，老海之后会专门写些相关内容，这里不再赘述。
<h1 class="pgc-h-arrow-right">“一维”和“二维”表有何用处？</h1>
只有有了“一维”和“二维”表，才能做好分析，才能选择好图表类型
很多课程和书上来就一堆可视化技巧工具，很多人不是不会做图，难在做出图表的数据。
最简单的办法，你可以试试：先看一个图表，然后自己能不能反推出数据源的表格结构
老海敢说很多同学做不到，这就是很多人为什么总是做不好图表的根本原因！
无论你用Excel甚至Python，调试出合适的表格结构都是做图表过程中最耗时的环节
<h1 class="pgc-h-arrow-right">如何“一维”和“二维”表来选择合适的图表类型？</h1>
一般来说，我们可以遵守以下规则：
当表格是“一维表”，实体属性表，图表数据结构有以下几种情况：
一、1个类别/有序型属性+1个数值/占比型
如：条形图、折线图、面积、直方等等都可以
二、1个类别/有序型属性+2～3个数值/占比属性
如：组合图、散点图、气泡图
三、2个层次类别/有序型+2～3个数值/占比
如：散点图、气泡图
四、3个层次类别/有序型+1个数值/占比
如：环图、树形图、旭日图
当表格是“二维表”，交叉属性表，图表数据结构有以下几种情况：
一、2个类型/有序型属性+1个数值/占比型属性
如：柱状、条形、折现、面积、热力图
总之，无论“一维”或“二维”表，它包括的类型属性+度量属性<= 4个
<h1 class="pgc-h-arrow-right">一句话：盯住需求，调好表格，再做图表</h1>
老海认为：明确分析目标，处理好“一维”表和“二维”表结构，有助于进行数据清洗规整，
避免图表制作时，来回反复修改数据源结构，制作出最合适的图表出来。