單元 3：數據處理 (Manipulating Data) - 學習筆記

你好，未來的 IT 專才！歡迎來到「數據處理」這一章。別擔心這聽起來很複雜——這本質上就是將原始資訊轉化為有用、可靠且易於查找的過程。想像一下，這就像整理你雜亂的房間，讓你終於能找到最喜歡的那件外套一樣！

在本單元中，我們將探討確保數據質量所需的基礎步驟，並學習電腦用來快速整理和檢索資訊的核心技術。


基礎：數據類型 (Data Types)

在我們處理數據之前，電腦需要知道它正在處理的是什麼類型的數據。分配數據類型可以告訴系統該分配多少記憶體空間，以及允許對該數據執行哪些運算。

想像一下你有三個不同的盒子：一個裝蘋果，一個裝橙，一個裝錢。你肯定不會把錢放進蘋果盒裡吧！數據類型就是這些盒子上的標籤。

  • 整數 (Integer/INT)： 用於整數（沒有小數部分的數字）。
    例子：10, -5, 4000。用於計算物品數量或年齡。
  • 實數 / 浮點數 (Real / Floating Point/FLOAT)： 用於包含小數或分數部分的數字。
    例子：10.5, 3.14159, -0.01。用於測量數據或貨幣計算。
  • 布林值 (Boolean/BOOL)： 用於只有兩種可能狀態的數據：真 (True) 或 假 (False)（通常以 1 或 0 表示）。
    例子：IsLoggedIn（是否已登入：True）、IsActive（是否活躍：False）。用於邏輯檢查。
  • 字元 / 字串 (Character / String/CHAR/STRING)： 用於文字，包括字母、符號、空格以及被當作文字處理的數字。
    例子："Hello World", "123 Main Street", "A"。電話號碼通常儲存為字串，因為你不會對它們進行數學運算。

快速回顧：數據類型確保了記憶體的高效利用，並能防止邏輯錯誤（例如試圖將姓名與數字相加）。


第一部分：數據質量 —— 驗證 (Validation) 與 核實 (Verification)

輸出的質量完全取決於輸入的質量。這通常被總結為：垃圾進，垃圾出 (Garbage In, Garbage Out, GIGO)。

我們使用兩個關鍵過程來確保數據質量：驗證和核實。學生經常混淆這兩個概念，讓我們仔細看看！

數據驗證 (Data Validation)：數據是否「合理」？

數據驗證是用來檢查輸入的數據是否符合預設規則，是否合理或可接受。它*不會*檢查數據是否正確（即內容是否真實），只會檢查格式或範圍是否正確。

比喻：如果你詢問某人的年齡，驗證會檢查該數字是否介於 1 到 150 之間。它不會檢查該人士是否謊報自己 50 歲！

驗證檢查的類型
  • 存在檢查 (Presence Check)： 確保必填欄位已填寫（沒有留空）。
    例子：註冊表單上的使用者名稱欄位必須填入數據。
  • 範圍檢查 (Range Check)： 確保數據介於上限和下限之間。
    例子：每週工作時數必須在 1 到 60 小時之間。
  • 格式檢查 (Format Check)： 確保數據以特定的模式或結構輸入。
    例子：郵遞區號必須遵循 LLNN NLL 的格式（例如：SW1A 0AA）。
  • 長度檢查 (Length Check)： 確保數據包含最少或最多數量的字元。
    例子：密碼長度必須至少為 8 個字元。
  • 查閱列表 (Lookup Table/Value List)： 將輸入的數據與儲存在他處的預設列表進行比對。
    例子：選擇國家時，輸入內容必須與預先核准的國家列表中的選項相符。
  • 校對碼 (Check Digit)： 加在長數字（如 ISBN 或條碼）末尾的一個特殊數字，由其他數字計算得出。系統在輸入時會重新計算校對碼，以確保數字輸入正確。
    例子：廣泛用於銀行業務（帳號）和產品編碼。

驗證記憶小撇步：驗證是確保數據遵循規則（範圍、格式、長度等）。


數據核實 (Data Verification)：數據是否「準確」？

數據核實是用來檢查輸入的數據是否與原始來源數據相符。它確保的是準確性。

比喻：核實就是將購物收據上的數字與你貨架上看到的標價進行比對。

核實的方法
  • 雙重輸入 (Double Entry)： 數據被輸入兩次，通常由兩位不同的人輸入，或是由同一人被要求重新輸入。電腦會比較這兩次輸入的數據。如果相符，就假定數據準確。
    常見錯誤：如果兩次輸入都犯了同樣的打字錯誤，雙重輸入將無法檢測出來。
  • 視覺檢查 (Visual Check)： 人手將螢幕上顯示的數據與原始來源文件進行比較（例如將掃描表格與原始紙本文件對照）。
    優點：對於小型數據集簡單有效，但對於大量數據而言，速度慢且容易出現人為錯誤。

關鍵總結：驗證確保數據「合理」；核實確保數據「正確」。


第二部分：數據處理 —— 組織與檢索

數據輸入並完成驗證後，我們通常需要對其進行組織，使其發揮作用。最關鍵的兩種處理操作是排序和搜尋。

數據排序 (Sorting)

排序是將數據記錄按特定順序排列的過程，可以是升序（A-Z, 1-10）或降序（Z-A, 10-1）。

為什麼要排序？ 這不僅讓人類閱讀報表時更加輕鬆，更重要的是，它能讓電腦搜尋數據的速度大幅提升。

你知道嗎？ 資料庫通常允許你按多個欄位進行排序（例如：先按姓氏排序，若姓氏相同，再按名字排序）。


數據搜尋 (Searching)

搜尋是在大量記錄集合中尋找特定數據的過程。

線性搜尋 (Linear Search / Sequential Search)

這是最簡單的搜尋技術。它會從數據集的開頭開始，檢查每一個項目，直到找到目標項目或到達列表末尾為止。

  • 過程：
    1. 從第一個項目開始。
    2. 這是我們要找的項目嗎？
    3. 如果是，停止。
    4. 如果不是，移動到下一個項目並重複第 2 步。
  • 優點： 適用於未排序的數據。
  • 缺點： 對於大型數據集非常慢，特別是當目標項目位於列表末尾或根本不存在時。
二分搜尋 (Binary Search)

二分搜尋是一種非常高效的搜尋演算法，但它有一個至關重要的前提條件：

前提：數據必須先經過排序。

比喻：二分搜尋就像在字典中查找單詞。你不會從頭到尾翻閱每一頁，而是直接跳到中間！

二分搜尋的工作原理是重複地將可能包含目標項目的列表部分減半。

二分搜尋的步驟（分治法 Divide and Conquer）：

  1. 找到列表的中間項目。
  2. 將中間項目與目標項目比較：
    • 如果兩者相符，搜尋完成。
    • 如果目標項目小於中間項目，忽略上半部分列表（以及中間項目）。
    • 如果目標項目大於中間項目，忽略下半部分列表（以及中間項目）。
  3. 在剩餘的列表部分重複此過程（從第 1 步開始），直到找到該項目或列表被檢查完畢。

關鍵優點：速度極快，特別是在大型列表中，因為它在每次比較中都會剔除一半的可能項目。

關鍵缺點：需要初始數據集已排序，這需要花費額外的時間。


索引 (Indexing)

有時候，我們需要快速搜尋，但又不想每次加入新記錄時都重新對整個大型資料庫進行物理排序。這就是索引 (Indexing) 發揮作用的地方。

索引是一個獨立的、結構化的列表，包含主鍵值 (Primary Key) 和指標 (Pointer，即記憶體位址)，告訴系統完整的記錄儲存在哪裡。

比喻：教科書後的索引列出了關鍵字（主鍵）和頁碼（指標）。你利用索引快速找到資訊，而不需要閱讀書中的每一頁。

  • 過程： 系統不再搜尋龐大的主數據檔案，而是搜尋體積更小且已排序的索引檔案。
  • 優點： 檢索速度更快，因為索引檔案更小且專為搜尋優化（通常使用二分搜尋技術）。主數據檔案保持原樣且無需排序，從而允許更快速地插入和更新新記錄。

關鍵總結：排序使得二分搜尋變得可能且高效。索引則能在不物理重新組織整個數據集的情況下，實現快速檢索。