Zdroje dat
Hejt
#Ukraine na Twitteru
Hejt
● Mapa dluhů
● Mapa Ukrajiny
● Bezpečnost na D1
Plán
● Zdroje a formáty dat - přednáška
● Čištění dat - seminář
● Scrapování webu - seminář
Zdroje dat
Připravená data
Standardní formáty
Málo práce
Weby institucí
Data neexistují
Existují, ale jsou
tajná
Spousta práce
(I programování!)
Data dostupná všem
● ČSÚ (nuda, krása)
● Ministerstva, ŘSD, ÚZIS ...
● Globálně: Eurostat, OSN, WB, WHO ...
● Lokálně: Open Data (USA, jinde)
● Tipy: Datablog
Živě
Data dostupná všem, ale
● Jak vypadají data pro volební prognózy ČT?
● Kolik platí VZP za konkrétní diagnózy?
● Kdo cestuje s prezidentskými delegacemi?
● Odpověď: 106!
● Pozor na zapadlé kouty webu, PDF
Data, co zatím neexistují
● Diskuze o mazání na Wikipedii (interaktivně)
● Barvy v různých kulturách (interaktivně)
● Vzorce brněnských semaforů
● FF odpověď: papír, nůžky, pastelky a ∞ času
● FI odpověď: scrapování
Živě
Formáty souborů
● XLS
Formáty souborů
● XLS
● CSV
Formáty souborů
● XLS
● CSV
● JSON
Formáty souborů
● XLS
● CSV
● JSON
● Mr. Data Converter
Čištění dat
Čištění dat
● Vyčistit bordel (typicky: veřejné zakázky)
● Učesat klíčové proměnné
● Smazat ostatní
● Nejistota!
Google Docs
● Zkopírujte si data (sportovci v Soči/sochi.jdem.cz)
● Disciplína, stát, pohlaví: přeložit
● Jméno: rozdělit na křestní a příjmení
● Výška a váha: rozhodnout, kdo má zhubnout
● Výška a váha: orientační graf pro sporty