還記得影片中的飲品配方資料嗎？現在你拿到一個相似的版本（drink_df），另外包含數量與單位。你想要建立一份總覽，知道為了製作這些飲品，各種配料需要準備多少。
drink_df
dplyr 套件已為你預先載入。
dplyr
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
drink_df %>% # Separate the ingredients over rows ___
本章將介紹本課程的核心概念：整齊資料。前兩節課你會直接上手，將凌亂的字串欄拆解成整齊的變數與觀測值，為分析做好準備。最後一節課，你會學習如何覆寫並移除遺漏值。
當前練習
本章重點是利用 `pivot_longer()` 與 `pivot_wider()` 在寬表與長表之間來回轉換。當變數被藏在混亂的欄名裡，或是被放在列而非欄時，你就需要這些函式。過程中你會認識太空犬、核彈，以及行星溫度等案例。
你的資料中經常會有遺漏值，有時甚至整筆觀測都缺少。本章會教你如何用這些缺少的觀測來補全資料集。你將為計數資料加入值為 0 的觀測、把時間序列擴展為完整的區間序列，還有更多實用技巧！
在最後一章，你會學到如何把 JSON、XML 等巢狀資料結構轉換為整齊、矩形化的資料。這項能力能讓你處理來自網路 API 的資料。你也會學到如何運用巢狀資料結構，撰寫優雅的建模流程管線，並產生整齊的輸出。