Ở phần trước chúng ta đã biết thế nào là Cấu trúc dữ liệu dạng bảng và dạng đặc biệt của nó trong Phân tích dữ liệu là Dataframe. Trong phần 2 chúng ta sẽ tìm hiểu qua thế nào là Cấu trúc dữ liệu không phải dạng bảng (Gọi bất định cũng được).
Nonrectangular Data Structure – Gần gũi tới lạ thường
Với sự bùng nổ của dữ liệu hiện nay, ta sẽ chứng kiến rất nhiều dữ liệu được phát sinh theo các sự kiện hằng ngày đặc biệt là khi thời đại Internet of Things lên ngôi không lâu trước đây.
Nếu Nonrectangular Data được hiểu theo kiểu một loại dữ liệu có cấu trúc bất định thì các nhà phân tích sẽ khó trừu tượng hóa và trực quan hóa dữ liệu thành các báo cáo cũng như phân tích insight từ chúng, vậy nên người ta sẽ chia nó thành một số phân nhánh nhỏ hơn như sau:
Time series data | Time-stamped data
Dữ liệu chuỗi thời gian, còn được gọi là dữ liệu đóng dấu thời gian (time-stamped data), là một chuỗi các điểm dữ liệu được lập chỉ mục (index) theo thứ tự thời gian – thông thường ta sẽ làm chỉ mục theo dạng order thứ tự.
Các điểm dữ liệu này thường bao gồm các phép đo liên tiếp được thực hiện từ cùng một nguồn trong một khoảng thời gian cố định và được sử dụng để theo dõi sự thay đổi theo thời gian.
Spatial data structures
Spatial Data là Dữ liệu không gian được sử dụng nhiều trong các hệ thống thông tin địa lý (GIS), viễn thám, khai phá dữ liệu ảnh, ảnh y học, robot dẫn đường, …
Theo kiến thức của mình thì trong các bài toán phân tích về dữ liệu không gian ta thường dùng các thuật toán về phân cụm để khai phá dữ liệu.
Graph (or network) data structures
Đây là loại dữ liệu dùng trong việc khái quát hóa các mối quan hệ trong vật lý, xã hội hoặc một đối tượng trừu tượng nào đó. Ví dụ: Các MXH như Facebook hoặc LinkedIn sẽ cho ta các dữ liệu về vòng kết nối giữa những người dùng trên MXH đó. Các trung tâm phân phối được kết nối bằng đường bộ là một ví dụ của mạng vật lý.
Cấu trúc dữ liệu dạng đồ thị hữu ích cho một số loại vấn đề chẳng hạn như hệ thống khuyến nghị và tối ưu hóa mạng lưới.
