H. Wickham 有一篇非常著名的文章，Tidy data，其中他定义了某种类型的已清理数据并将其称为 (dataframe-)tidy，并在几个示例中使用 R 进行了说明。最后，他比较了自己的定义将 dataframe-tidy 转换为其他可能的实现整洁的方法，并在以下段落中提到 array-tidy（但没有给出任何进一步的解释或示例）：
幸运的是，由于有许多高效的工具可以处理高维数组，甚至是稀疏数组，这种数组整齐的格式不仅可能非常紧凑和高效，而且还应该能够轻松地与统计数据。事实上，这就是 pandas Python 数据分析库（McKinney 2010）所采用的方法。
数组整齐的数据是什么意思，为什么他暗示这在某种程度上是 Python 中 pandas 库的默认值？
TL;DR: Array-tidy 扩展了多个数据帧的整洁性，这些数据帧由额外的共享维度（例如时间）索引。
据我了解，array-tidy 和 dataframe-tidy 是指用于实现您的整洁数据的底层数据模型。这似乎是对 plyr 和 pandas 在数据结构逻辑上的不同之处的参考
Pandas 是围绕面板数据的概念开发的，面板数据是典型的观察和变量的二维数据框架，但样本是在一段时间内积累的。Pandas 的名称甚至源于这种特殊类型的数据（pan el da ta s tructures，per this McKinney presentation and the pandas docs）。包含第三个维度，即随着时间的推移考虑您的数据，似乎已经引发了一些关于熊猫将如何进化的思考。我建议查看幻灯片（特别是标题为“熊猫杀手功能：索引”的幻灯片）。
将这与 Tidy Data 论文相关联，在一个额外的维度上创建多个数据框（就像您在以前版本的 pandas 中使用面板一样）似乎符合 Wickham 在您引用的部分中讨论的“高维数组”的条件。
我希望这有帮助！
一般来说，整洁的数据是指一个表
历史上，数据一直是这样记录在分类帐、电子表格、csv 等中的。整齐的数据更容易解释和检查。更重要的是，现代 CPU/GPU 通过矢量化可以非常有效地处理整齐的数据，这就是为什么像 pandas、excel 等包这样存储数据的原因。
不过，一个有趣的事实是，神经网络通常将矩阵数据集的转置作为输入 - 将其视为将数据集横向翻转（因此行是列，列是行）并将其输入神经网络。
当然，这也有例外。想想图像数据、声音数据、某些形式的文本数据；将这些中的每一个存储在标准行/列表中是不可行的，这就是为什么它们通常以其他格式（jpeg、txt 等）存储的原因。当然，您可以转换这些类型的数据，使它们看起来更像“整洁数据”，例如将图像的所有像素矢量化，这样您就可以将 28x28 图像转换为具有 784 列的向量；现在一行是一个图像，一列是一个特征（在这种情况下是一个像素位置）。