Zuerst die Frage definieren
„Monatlicher Niederschlag je Messstation in einer Region von 2015 bis 2025“ ist eine bessere Datensatzbeschreibung als „Wetter-CSV“. Sie sagt Ihnen, wofür eine Zeile stehen soll, welche Zeiträume relevant sind und welche Orte zum Ergebnis gehören. Schreiben Sie diese Beschreibung auf, bevor Sie eine Tabelle öffnen.
Eine CSV-Datei kann Zeilen und Spalten enthalten, ohne zu erklären, ob ein Feld eine Kennung, einen Messwert oder ein Datum darstellt. Der W3C-Leitfaden zu CSV im Web beschreibt diese Lücke und die Rolle begleitender Metadaten. Eine herunterladbare Datei zu finden ist deshalb nur der erste Schritt auf dem Weg zu nutzbaren Daten. W3C-Leitfaden zu CSV im Web.
Nach den Daten und ihrer Quelle suchen
Probieren Sie eine gezielte Anfrage wie monthly rainfall filetype:csv und ergänzen Sie anschließend den Ort oder die Messgröße, die Ihr Projekt benötigt. Der FindFiles.net-Leitfaden zur Suche nach Dateityp erläutert die formatbasierte Suche. Diese Beispiele veranschaulichen die Abfragesyntax; Vorhandensein und Vollständigkeit der Ergebnisse hängen vom Index ab.
Wenn Sie einen Herausgeber erkennen, besuchen Sie auch dessen Datenkatalog. Data.gov erklärt, dass es sich um einen Metadatenkatalog handelt: Die Behörden pflegen die eigentlichen Daten, während der Katalog auf deren Distributionen verweist. Eine Datei kann daher auf einer anderen Domain als der Katalog selbst liegen. Data.gov-Benutzerhandbuch.
Verwenden Sie site: nur, wenn Sie den maßgeblichen Dateihost kennen. Wenn eine CSV-Suche keine Treffer liefert, suchen Sie auf der Website des Herausgebers nach dem Titel des Datensatzes ohne Formateinschränkung. Möglicherweise finden Sie eine Exportfunktion, eine API oder ein ZIP-Archiv mit mehreren Dateien. Betrachten Sie ein fehlendes Suchergebnis nicht als Beleg dafür, dass die zugrunde liegenden Daten nicht existieren.
Den fehlenden Kontext beschaffen
Erstellen Sie für jeden Kandidaten eine kurze Quellennotiz. Erfassen Sie Herausgeber, geografische Abdeckung, Beobachtungszeitraum, Aktualisierungsrichtlinie und den Link zum Datenwörterbuch. Suchen Sie die Nutzungsbedingungen im Datensatzeintrag, statt sie aus der öffentlichen Zugänglichkeit abzuleiten. Im Abschnitt Access & Use von Data.gov werden Lizenzinformationen angezeigt, sofern der Herausgeber sie bereitstellt.
Halten Sie drei Datumsangaben auseinander: wann die Ereignisse beobachtet wurden, wann sich die Daten änderten und wann ein Katalog zuletzt seine Metadaten geprüft hat. Die DCAT-US-Datensatzspezifikation unterscheidet ausdrücklich zwischen dem Änderungsdatum eines Datensatzes und einer reinen Metadatenänderung. So vermeiden Sie, alte Beobachtungen als neue Daten zu bezeichnen. DCAT-US-Datensatzmetadaten.
Wenn die Dokumentation eine zentrale Frage offenlässt, halten Sie sie fest. Beim Niederschlag könnte das die Maßeinheit oder die Behandlung eines fehlenden Tages sein. Ein größerer Download kann keine Frage beantworten, die der Herausgeber nicht dokumentiert hat.
Eine kleine Stichprobe prüfen
Sehen Sie sich die Kopfzeile und einige Datensätze an, bevor Sie die gesamte Datei importieren. Prüfen Sie Trennzeichen, Zeichenkodierung und ob Anführungszeichen Trennzeichen innerhalb eines Werts einschließen. Vergleichen Sie die entstandenen Spalten mit dem Datenwörterbuch.
Testen Sie anschließend einen Datensatz, den Sie von Hand interpretieren können. Behält eine Stationskennung ihre führenden Nullen? Ist das Datum eindeutig? Bedeutet eine leere Zelle, dass keine Messung vorliegt, oder definiert der Herausgeber eine andere Bedeutung? Der Metadatenansatz des W3C behandelt Datentypen, Formate und Validierung gerade deshalb, weil die reine CSV-Datei nicht alle diese Vorgaben selbst transportieren kann.
Nutzen Sie die Importvorschau Ihrer Anwendung, um Kennungsspalten bei Bedarf als Text festzulegen. Vergleichen Sie nach dem Import die ersten Datensätze mit der Originaldatei. Diese kleine Prüfung gibt Ihnen eine konkrete Gelegenheit, eine unerwünschte Konvertierung zu erkennen, bevor Diagramme oder Verknüpfungen sie verdecken.
Die Version reproduzierbar halten
Speichern Sie den unveränderten Download getrennt von Ihrer bereinigten Arbeitskopie. Erfassen Sie Quell-URL, Downloaddatum und Versionskennung. Wenn das Repository eine dauerhafte Kennung für eine bestimmte Veröffentlichung bereitstellt, bewahren Sie diese Kennung zusammen mit der Datei auf.
Zenodo liefert ein anschauliches Beispiel: Die Dateien eines veröffentlichten Eintrags sind unveränderlich, während eine neue Datensatzversion als separater Eintrag mit eigener Kennung angelegt wird. Durch den Verweis auf die konkrete Version kann eine andere Person dieselben Dateien abrufen. Gehen Sie nicht davon aus, dass jeder Herausgeber so verfährt; prüfen Sie die Dokumentation des Repositorys. Lebenszyklus von Zenodo-Einträgen und -Versionen.
Entscheiden, ob die Datei nutzbar ist
Ihre Abnahmenotiz sollte vier Fragen beantworten: Wer hat die Datei veröffentlicht, was bedeutet jede Zeile, deckt sie meine Fragestellung ab und kann ich dieselbe Version erneut abrufen? Ergänzen Sie die geltenden Nutzungsbedingungen und alle noch offenen Einschränkungen. Wenn Sie eine wichtige Spalte nicht erklären können, suchen Sie weiter nach Dokumentation, bevor Sie die Datei in einer Analyse verwenden.