Najpierw określ pytanie
„Miesięczne opady według stacji w jednym regionie w latach 2015–2025” to lepszy opis potrzebnego zbioru niż „pogoda CSV”. Mówi, co powinien przedstawiać wiersz, które daty są istotne i jakie lokalizacje mają znaleźć się w wyniku. Zapisz taki opis przed otwarciem arkusza kalkulacyjnego.
Plik CSV może zawierać wiersze i kolumny, nie wyjaśniając, czy dane pole jest identyfikatorem, pomiarem czy datą. Wprowadzenie W3C do CSV on the Web opisuje tę lukę i rolę dołączonych metadanych. Znalezienie pliku do pobrania jest więc tylko pierwszym etapem szukania użytecznych danych. Wprowadzenie W3C do CSV on the Web.
Wyszukaj dane i ich źródło
Wypróbuj precyzyjne zapytanie, takie jak monthly rainfall filetype:csv, a następnie dodaj miejsce lub pomiar wymagany w projekcie. Poradnik FindFiles.net dotyczący wyszukiwania według typu pliku wyjaśnia znajdowanie plików na podstawie formatu. Te przykłady pokazują składnię zapytania; obecność i kompletność wyników zależą od indeksu.
Gdy rozpoznasz wydawcę, odwiedź również jego katalog zbiorów danych. Data.gov wyjaśnia, że jest katalogiem metadanych: instytucje utrzymują właściwe dane, a katalog prowadzi do ich dystrybucji. Plik może zatem znajdować się w innej domenie niż sam katalog. Podręcznik użytkownika Data.gov.
Operatora site: używaj tylko wtedy, gdy znasz odpowiedni host plików. Jeśli wyszukiwanie CSV niczego nie zwraca, poszukaj tytułu zbioru w witrynie wydawcy bez ograniczenia formatu. Możesz znaleźć przycisk eksportu, interfejs API albo archiwum ZIP z kilkoma plikami. Braku wyniku wyszukiwania nie traktuj jako dowodu, że dane nie istnieją.
Odtwórz brakujący kontekst
Dla każdego kandydata przygotuj krótką notatkę źródłową. Zapisz wydawcę, zakres geograficzny, okres obserwacji, zasady aktualizacji i odnośnik do słownika danych. Warunki ponownego wykorzystania znajdź w rekordzie zbioru, zamiast wnioskować o nich z publicznej dostępności. Sekcja Access & Use w Data.gov wyświetla informacje o licencji, jeśli wydawca je podał.
Rozdziel trzy daty: moment obserwacji zdarzeń, moment zmiany danych i moment ostatniego sprawdzenia metadanych przez katalog. Specyfikacja zbioru danych DCAT-US wyraźnie odróżnia datę modyfikacji zbioru od zmiany dotyczącej wyłącznie metadanych. To rozróżnienie pomaga nie przedstawiać starych obserwacji jako nowych danych. Metadane zbiorów danych DCAT-US.
Jeśli dokumentacja nie odpowiada na kluczowe pytanie, zapisz je. W przypadku opadów może chodzić o jednostkę pomiaru albo sposób traktowania dnia bez wartości. Większy plik nie odpowie na pytanie, którego wydawca nie udokumentował.
Sprawdź małą próbkę
Przed zaimportowaniem całego pliku podejrzyj nagłówek i kilka rekordów. Sprawdź separator, kodowanie znaków oraz to, czy cudzysłowy obejmują separatory występujące wewnątrz wartości. Porównaj powstałe kolumny ze słownikiem danych.
Następnie sprawdź jeden rekord, który potrafisz zinterpretować ręcznie. Czy identyfikator stacji zachował początkowe zera? Czy data jest jednoznaczna? Czy pusta komórka oznacza brak pomiaru, czy wydawca definiuje ją inaczej? Podejście W3C do metadanych obejmuje typy danych, formaty i walidację właśnie dlatego, że surowy plik CSV nie może sam przenosić wszystkich tych ograniczeń.
W podglądzie importu aplikacji ustaw kolumny identyfikatorów jako tekst, jeśli jest to potrzebne. Po imporcie porównaj pierwsze rekordy z oryginalnym plikiem. Ta niewielka kontrola daje konkretną szansę wykrycia niepożądanej konwersji, zanim ukryją ją wykresy lub złączenia.
Zachowaj odtwarzalną wersję
Nienaruszony pobrany plik zapisz oddzielnie od oczyszczonej kopii roboczej. Zanotuj jego źródłowy adres URL, datę pobrania i identyfikator wersji. Jeśli repozytorium udostępnia trwały identyfikator konkretnego wydania, zachowaj go razem z plikiem.
Zenodo stanowi użyteczny przykład: pliki opublikowanego rekordu są niezmienne, natomiast nowa wersja zbioru danych tworzy oddzielny rekord z własnym identyfikatorem. Odwołanie do konkretnej wersji pozwala innej osobie pobrać te same pliki. Nie zakładaj, że każdy wydawca stosuje taką politykę; sprawdź dokumentację repozytorium. Cykl życia rekordów i wersji w Zenodo.
Oceń, czy plik nadaje się do użycia
Notatka akceptacyjna powinna odpowiadać na cztery pytania: kto to opublikował, co oznacza każdy wiersz, czy dane obejmują moje pytanie i czy mogę ponownie pobrać tę samą wersję? Dodaj obowiązujące warunki ponownego wykorzystania oraz nierozwiązane ograniczenia. Jeśli nie potrafisz wyjaśnić kluczowej kolumny, przed użyciem danych w analizie szukaj dalej dokumentacji.