Tidy数据与第三范式的等价性

Question

在哈德利·韦翰的"Tidy Data“论文一书中，他说

在整理数据中：

1. 每个变量形成一列。
2. 每一次观察形成一排。
3. 每种类型的观测单位构成一个表。

这是Codd的第三种范式(Codd 1990)，但它的约束是用统计语言构造的，重点放在单个数据集上，而不是关系数据库中常见的许多连接数据集。

Codd的第三种范式可以描述为：

1. 如果是，表是第一范式。
   • 它将信息存储在行和列中，其中一个或多个列(称为主键)唯一地标识每一行。
   • 每一列都包含原子值，没有重复的列组。

2. 如果，表处于第二范式。
   • 该表为第一范式，以及
   • 所有非键列都依赖于表的主键。

3. 如果的话，表是第三范式。
   • 它是第二种形式，而且
   • 它只包含非传递依赖于主键的列。

我想弄清楚这两套规则是如何等同的。

我相信，第一次数据规则映射为第一范式。具体来说，“每个变量形成一个列”映射到“每个列都包含原子值，并且没有重复的列组”。

我相信Tidy数据规则“每个观察形成一行”映射到“所有非键列依赖于表的主键”，并且“它只包含非传递依赖于主键的列”。

我怀疑“每种类型的观察单元形成一个表”映射到“表将信息存储在行和列中，其中一个或多个列(称为主键)唯一地标识每一行”，但我对这种映射最不确定。

我相信我的上述分析是不正确的，所以我希望有人能澄清这两套规则之间的联系。

我的问题是:上述三条Tidy数据规则如何等同于第三范式？

Answer 1

我相信它是这样的，基于我自己的思考：

Hadley的规则1&2(称为TR1 & TR2)等价于1NF，但Hadley的规则1允许重复列。我们在TR1 & TR2中所要说的是，我们在表中的每个单元格中都有一个值，尽管我认为这取决于您如何解释观察。如果一个观察是一个特定对象的实例，那么这是一个更强的语句，尽管TR3认为情况并非如此。

Hadley规则1、2和3的组合等价于3NF。使用此链接也可以解释传递依赖：

带有UnitCode、UnitName、CourseCode、CourseName的表在2NF中，但违反TR3，因为过程和单元是不同的对象。3NF中以外键分隔和连接的3NF表符合TR1、TR2和TR3的要求。

假设我们要证明蕴涵，并假设我们有TR1、TR2和TR3。由于这些都不涉及重复列，所以我认为我们要么假设不重复列，要么接受它们不是等价的。让我们假设不重复列。从定义TR1 & TR2 => 1NF。如果我们有一个不在2NF中的表，那么使用上面例子中的逻辑就违反了TR3。因此，我们有2NF。类似地，如果我们有一个不在3NF中的表，那么TR3就会被违反，再次使用上面的逻辑。因此，TR1 & TR2 & TR3 => 3NF。

我想也许有人能用更多的时间做一个更彻底的证明。

HTH