Słownik metodologiczny · Przygotowanie danych

Rekord danych – jeden wiersz, jedna jednostka obserwacji

Rekord to wiersz z danymi jednej jednostki obserwacji, zwykle jednego respondenta. Wyjaśniamy, jak go zapisać, dlaczego liczba rekordów nie zawsze równa się liczbie osób i jak wykryć duplikaty.

Strona główna / Słownik / Rekord danych

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

W skrócie: Rekord danych to komplet wartości jednej jednostki obserwacji zapisany w jednym wierszu, np. odpowiedzi jednego respondenta. Każdy rekord potrzebuje unikalnego identyfikatora i tej samej liczby pól. W formacie długim rekordem jest osoba × pomiar, więc liczba wierszy nie równa się liczbie osób.

Co to jest rekord danych?

Rekord danych (ang. data record; mówi się też: obserwacja, przypadek) to komplet wartości opisujących jedną jednostkę obserwacji, zapisany w jednym wierszu tabeli. W typowej ankiecie rekord to jeden respondent: identyfikator, metryczka i wszystkie odpowiedzi. W badaniu z kilkoma pomiarami jednostką może być osoba albo osoba w danym pomiarze. Wickham (2014) opisuje dane uporządkowane jako takie, w których każda obserwacja to wiersz, a każda zmienna to kolumna; szerzej piszemy o tym w haśle dane uporządkowane. W pliku CSV każdy rekord zajmuje osobną linię (Shafranovich, 2005).

Jak zapisać rekord

  • Nadaj unikalny identyfikator. Użyj kodu, a nie imienia i nazwiska (zob. pseudonimizacja).
  • Jedna wartość w komórce i ta sama liczba pól w każdym rekordzie. Broman i Woo (2018) zalecają, by dane tworzyły jeden prostokąt z jednym wierszem nagłówka.
  • Zapisuj braki jednym kodem, a nie pustą komórką w jednym miejscu i „99” w innym.
  • Przed wpisywaniem danych ustal, co jest jednym rekordem. Od tego zależy, czy zbiór będzie w formacie szerokim czy długim.

Przykład

Tabela z wynikiem przed i po w formacie szerokim miała 4 rekordy, choć badanie objęło 3 osoby (dane przykładowe). Funkcja duplicated() wykryła 1 powtórzony identyfikator: osobę P03 wpisano dwa razy z identycznymi wartościami, więc jeden wiersz usunięto i zostały 3 rekordy. Po przekształceniu do formatu długiego rekordem stała się para osoba × pomiar: 3 osoby i 2 pomiary dały 6 rekordów.

Jak opisać w pracy

Po usunięciu jednego zduplikowanego wpisu zbiór zawierał 3 rekordy, po jednym na uczestnika. Do analizy pomiarów powtarzanych dane przekształcono do formatu długiego (6 rekordów: uczestnik × pomiar).

Na co uważać

  • Liczba rekordów to nie zawsze liczba osób. W formacie długim policz unikalne identyfikatory, a nie wiersze.
  • Duplikat z różnymi wartościami to nie literówka. Sprawdź w źródle, który wpis jest właściwy, i opisz decyzję, tak jak inne kroki czyszczenia danych.
  • Wiersz „średnia” pod tabelą to nie rekord. Podsumowania i zmienne pochodne licz w skrypcie, nie w pliku z danymi surowymi.

Jak eksport z formularza zamienić w czytelne rekordy, pokazuje wpis Dane z Google Forms i LimeSurvey.

Przykład reprodukowalny

Rekordy w R

Kod liczy rekordy, wykrywa i usuwa duplikat, a potem przekształca dane do formatu długiego funkcją reshape().

Rekordy w formacie szerokim i długim

Dane wejściowe: 3 osoby z wynikiem przed i po; osoba P03 wpisana dwa razy (dane przykładowe).

Co odczytać: liczbę rekordów przed i po usunięciu duplikatu, liczbę powtórzonych identyfikatorów i 6 rekordów w formacie długim.

R
szer <- data.frame(id = c("P01", "P02", "P03", "P03"), grupa = c("K", "E", "E", "E"),
                   pre = c(24, 30, 27, 27), post = c(22, 21, 20, 20))   # P03 wpisany dwa razy
nrow(szer)                                                 # liczba rekordów
sum(duplicated(szer$id))                                   # powtórzony identyfikator
szer <- szer[!duplicated(szer), ]                          # usuwamy identyczny duplikat
nrow(szer)
dlug <- reshape(szer, direction = "long", varying = c("pre", "post"), v.names = "wynik",
                timevar = "pomiar", times = c("pre", "post"), idvar = "id")
nrow(dlug)                                                 # rekord = osoba × pomiar
dlug[order(dlug$id), ]
Wynik w R
[1] 4
[1] 1
[1] 3
[1] 6
          id grupa pomiar wynik
P01.pre  P01     K    pre    24
P01.post P01     K   post    22
P02.pre  P02     E    pre    30
P02.post P02     E   post    21
P03.pre  P03     E    pre    27
P03.post P03     E   post    20

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i utils).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czym różni się rekord od zmiennej?

Rekord to wiersz z danymi jednej jednostki obserwacji, np. respondenta. Zmienna to kolumna z jedną cechą zmierzoną u wszystkich, np. wiekiem. Komórka to wartość zmiennej w danym rekordzie.

Ile rekordów ma zbiór z pomiarami powtarzanymi?

To zależy od formatu. W szerokim rekordem jest osoba, w długim para osoba × pomiar, więc 3 osoby i 2 pomiary dają odpowiednio 3 albo 6 rekordów.

Co zrobić z rekordem, który się powtarza?

Sprawdź, czy wiersze są identyczne. Identyczny duplikat usuń i odnotuj, a przy różnych wartościach ustal w źródle, który wpis jest właściwy. Decyzję opisz w raporcie z czyszczenia danych.

Powiązane hasła

Dane uporządkowane (tidy data)Format długi i szeroki danychPlik CSVCzyszczenie danych z ankiety onlineAnonimizacja i pseudonimizacja danychZmienna pochodna

Poradniki, w których użyjesz tego pojęcia

Poradnik

Dane z Google Forms i LimeSurvey: kodowanie do SPSS i R

Eksport, nazwy zmiennych, rekodowanie Likerta, pozycje odwrócone, wielokrotny wybór i braki – krok po kroku, z kodem R i wzorem książki kodowej.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Broman, K. W., & Woo, K. H. (2018). Data organization in spreadsheets. The American Statistician, 72(1), 2–10. https://doi.org/10.1080/00031305.2017.1375989 ● Otwarty dostęp: pełny tekst
  2. Shafranovich, Y. (2005). Common format and MIME type for comma-separated values (CSV) files (RFC 4180). RFC Editor. https://doi.org/10.17487/rfc4180 ● Otwarty dostęp
  3. Wickham, H. (2014). Tidy data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10 ● Otwarty dostęp

Cytowania BibTeX

@article{broman2018data, author={Broman, Karl W. and Woo, Kara H.}, title={{Data organization in spreadsheets}}, journal={The American Statistician}, year={2018}, volume={72}, number={1}, pages={2--10}, doi={10.1080/00031305.2017.1375989}}
@techreport{shafranovich2005common, author={Shafranovich, Yakov}, title={{Common format and MIME type for comma-separated values (CSV) files}}, year={2005}, institution={RFC Editor}, doi={10.17487/rfc4180}}
@article{wickham2014tidy, author={Wickham, Hadley}, title={{Tidy data}}, journal={Journal of Statistical Software}, year={2014}, volume={59}, number={10}, pages={1--23}, doi={10.18637/jss.v059.i10}}
R