Datatransformationer

Struktureret data

Som nævnt arbejder Datatidy med datasæt som indeholder data i rækker og kolonner, men ofte indeholder en datakilde struktureret (eller hierarkisk) data, fx JSON eller XML.

For at kunne behandle JSON i Datatidy er det indledningsvist nødvendigt at udfolde strukturen så man får data opsat i rækker og kolonner. Når man har forædlet data via sin opskrift skal man kunne folde data sammen til struktureret data med samme struktur som oprindeligt.

Til dette formål, ud- og sammenfoldning af data, findes to datatransformationer: Expand columns og Collapse columns.

Eksempel: GeoJSON

I følgende GeoJSON-datakilde ønsker vi at oversætte vindretning (wind_direction) til kompaspunkter (1 → N, 2 → E, 3 → S, 4 → W):

{
  "type": "FeatureCollection",
  "features": [
    {
      "type": "Feature",
      "properties": {
        "name": "Dokk1",
        "wind_direction": 2
      },
      "geometry": {
        "type": "Point",
        "coordinates": [
          10.2108272,
          56.1539574
        ]
      }
    },
    {
      "type": "Feature",
      "properties": {
        "name": "Aarhus Rådhus",
        "wind_direction": 3
      },
      "geometry": {
        "type": "Point",
        "coordinates": [
          10.2008397,
          56.1525791
        ]
      }
    }
  ]
}

Det første skridt er at udfolde features så vi får to rækker:

type	features
FeatureCollection	{“type”: “Feature”, “properties”: {“name”: “Dokk1”, “wind_direction”: 2}, “geometry”: {“type”: “Point”, “coordinates”: [10.2108272, 56.1539574]}}
FeatureCollection	{“type”: “Feature”, “properties”: {“name”: “Aarhus Rådhus”, “wind_direction”: 3}, “geometry”: {“type”: “Point”, “coordinates”: [10.2008397, 56.1525791]}}

Bemærk at værdien i type gentages i begge rækker – det er der en god teknisk forklaring på som kommer lidt senere.