选项 #2 比 #1 灵活得多，特别是如果您计划使用 Excel 数据透视表和/或 R 包，例如 Hadley Wickham 的出色reshape包。我将存储数据，以便每一行包含测量（事件级别和竞争者级别）变量和唯一标识测量变量实例所需的任何变量（竞争者 ID、事件 ID、测量场合 ID [例如，半秒增量]）用于事件中的单个测量场合。这允许将数据最灵活地重塑为所需的任何其他格式，Wickham 将这一过程描述为熔化和铸造。您可以将数据导出到逗号分隔值 (CSV) 电子表格中，当然可以将其读取到 Excel 和大多数其他统计软件中。

如果您在 Excel 中有长格式数据，则使用数据透视表也可以轻松聚合、汇总和制表数据。这使您能够创建客户可能感兴趣的数据的不同视图，这样当数据更新时，您也可以更新这些有用的视图。

IMO，对于非常大量的结构化数据，最强大的解决方案是您没有提到的：将它们存储在关系数据库中（使用例如 MS Access 或开源数据库，如 PostgreSQL）并使用结构化查询语言（SQL ) 执行上述操作。在这里，您的数据将被分解为单独的表格，其中包含事件独有的信息（例如，事件 ID、事件类型等）、竞争者（例如，竞争者 ID、竞争者名称等）、唯一的事件-竞争者组合（因为单个参赛者可能参加多个赛事，而每个赛事肯定有不止一个参赛者），以及以半秒为间隔的测量数据。这避免了存储冗余数据，并允许您在添加、删除或更新数据时强制执行您在问题中阐明的数据的完整性。有一些方法可以从 Excel、R、Matlab 和其他统计程序中调用 SQL 查询，以仅提取客户想要的信息。关于关系数据库理论和应用的有用介绍性文本是 Whitehorn 和 Marklyn 的“Inside Relational Databases”。

根据我的经验，#1 是更好的选择。如果您将数据存储在任何平面文件设置中（如您所建议的那样）并且不将行作为您的时间变量，则将其导入选定的程序变得更加困难。

例如，我主要在 Fortran/C 中工作，偶尔在 R 或 MATLAB 中完成辅助应用程序。为了与所有这些兼容，我使用 ASCII 平面文件来存储我的大部分数据，具有固定列宽、固定精度的报告。任何时候我必须使用不是以这种方式设置的东西，无论存储数据的方法多么性感或新颖，它总是会很麻烦。

只要您找到正确标记它们的方法，拥有空列实际上并不是问题。将它们留空实际上并不是最好的选择，因为这可以读取（即在 Fortran 中）为 0，这对于大多数应用程序来说与空值完全不同。如果您认为您的客户会想要使用任何类型的基于编程语言的分析，那么您会想要尝试提出一种一致的方式来存储/标记缺失值。例如，如果您的所有数据样本都是正实数，则存储 -99.99 是将条目标记为缺失的好方法。

结论：弄清楚您的客户可能需要什么。如果你真的不知道，那么就选择#1，因为它对于多种程序和编程语言来说是最通用和最容易阅读的。如果您使用 ASCII 平面文件，请记住将维度信息存储在文件顶部，或者如果您使用二进制文件，请记住将维度信息存储在定义的数据块中。