Les 4: Importeren

We gaan een tekstfile importeren.

Neem de cijfers over incidenten met werknemers in Justitiële inrichtingen in Nederland: Download tekstbestand. We willen deze data gebruiken voor een nieuwsverhaal over het aantal ontslagen medewerkers per inrichting. Deze data zitten echter in een tekstfile, waarbij de kolommen zijn gescheiden door middel van tabs. Hier kun je weinig mee.

In Excel kun je makkelijk tekstfiles importeren. Je gaat naar ‘gegevens’ en ja dat is verwarrend omdat je geneigd bent om onder ‘invoegen’ te kijken. Je selecteert van tekst. Kies de file uit die je wilt hebben en dan krijg je een wizard die je helpt bij het importeren. In het vak beneden zie je een voorbeeld van hoe de tabel eruit komt te zien. Je kunt kiezen tussen vaste breedte en gescheiden. Meestal kies je voor gescheiden. Als alles goed staat, druk je op volgende.

Dan moet je aangeven hoe de kolommen zijn gescheiden. Hij kiest automatisch tab en in dit geval is dat correct. Maar vaak worden kolommen ook gescheiden door een puntkomma, of een komma. Je kunt ook nog zelf een invoeren onder overige.

Je drukt wederom op Volgende. Dan kun je de kolommen gaan formatteren, aangeven wat het is. Vaak hoef je niets te doen, maar laten we eens kijken. Nu staat de eerste kolom, in het zwart, op standaard. Deze kolom is een opsomming van alle justitiële inrichtingen. Alleen de vierde kolom bevat cijfers en die zouden we als zodanig kunnen benoemen. In dit geval hoeft het niet en drukken we op voltooien. Tot slot krijg je de vraag waar je de gegevens wilt importeren. Je kunt handmatig een locatie invoeren waarbij je doorgaans de linkerbovenhoek, dus A1 kiest (over de dollartekens komen we later nog te spreken). Je kunt ook klikken op de cel waar je de tabel hebben wilt en je drukt OK.

Zijn we dan klaar?

Nee. De tabelstructuur is niet in orde. Helemaal bovenaan zie je waar de data betrekking op hebben, namelijk OVERZICHT 2007. Als we naar beneden scrollen, komen we tussendoor ook nog andere jaren tegen. Excel kan hier niet goed mee overweg. We willen de data in kolommen hebben en de kolomnamen netjes bovenaan hebben. Maar als we OVERZICHT 2007 weghalen weten we niet welke records betrekking hebben op welk jaar. Dit lossen we op door een kolom toe te voegen met de jaartallen.

Je klikt met je muis op de bovenste balk van de eerste kolom (of waar je de jaartallen hebben wilt), en selecteert ‘invoegen’. Dan geef je de kolom een kop en gaat hem vullen met de juiste jaartallen. Als we dat gedaan hebben, verwijderen we de rijen die we niet nodig hebben. We geven de sheet nog even een naam en slaan het werkboek op.

Laten we ook nog twee andere bestandsformaten importeren.

XML lokale vergunningen. Dit bestand geeft toegang tot alle lokale vergunningen. Daar kun je uiteraard interessante informatie in vinden. De data worden ontsloten door middel van een URL die je kunt aanpassen. In dit geval zoek je zonder keyword en krijg je 10 resultaten terug in een XML-format.

XML (Extensible Markup Language) is een zeer gangbaar format. Het is zeer gestructureerd en gemaakt voor het uitwisselen van data. Op het eerste gezicht kun je er echter niet zoveel mee, maar dat is schijn. Ook Excel weet namelijk raad met XML.

Je gaat naar ‘gegevens’, ‘externe gegevens ophalen’, ‘van XML-gegevensimport’. Dat is alles.

Tot slot behandelen we nog CSV-bestanden. CSV staat voor Comma Seperated Value. Dat betekent dat de kolommen door een komma of door een ander teken worden gescheiden. CSV’s zijn hele kale files, met minimale opmaak en worden veel gebruikt. In de kern zijn het tekstfiles. De meeste spreadsheet- en visualisatieprogramma’s kunnen prima met CSV overweg.

Laten we eens kijken naar deze set, een overzicht van de balansen van alle bevoegd gezagen in het voortgezet onderwijs van de afgelopen vijf jaar. [CSV]. Je gaat naar ‘gegevens’, ‘externe gegevens ophalen’, ‘tekstfile’. En dat is wederom alles.

Bijlage

• CDJ-Les-4.txt