Descrivere dati¶
Il comando describe restituisce la descrizione di una sorgente dati.
Il file sottostante verrà usato come input di esempio.
| nome | dataNascita | altezza | peso |
|---|---|---|---|
| andy | 1973-05-08 | 176 | 86.5 |
| chiara | 1993-12-13 | 162 | 58.3 |
| guido | 2001-01-22 | 196 | 90.4 |
Si lancia come opzione, del programma principale:
L'output (il formato predefinito è lo YAML) sarà:
# --------
# metadata: ./base.csv
# --------
encoding: utf-8
format: csv
hashing: md5
name: base
path: ./base.csv
profile: tabular-data-resource
schema:
fields:
- name: nome
type: string
- name: dataNascita
type: date
- name: altezza
type: integer
- name: peso
type: number
scheme: file
Per ogni sorgente analizzata:
- il separatore di campo. Quando non appare nell'output (come qui sopra), vuol dire che è quello predefinito, ovvero in questo caso la
,(sotto maggiori dettagli); - l'encoding;
- il formato;
- il nome;
- il path;
- lo schema dati, con nome e tipo di ogni campo. Il tipo di campo, per formati in cui non è definito (come il
CSV) è dedotto e quindi può non sempre essere corretto.
Se il separatore non è la ,, ovvero il carattere considerato standard per un CSV, questo verrà documentato in output.
Se ad esempio in input si ha questo file:
nome;dataNascita;altezza;peso
andy;1973-05-08;176;86.5
chiara;1993-12-13;162;58.3
guido;2001-01-22;196;90.4
Il comando describe restituirà in più la sezione dialect, con valorizzata la proprietà delimiter:
# --------
# metadata: ./base-semicolon.csv
# --------
dialect:
delimiter: ;
encoding: utf-8
format: csv
hashing: md5
name: base-semicolon
path: ./base-semicolon.csv
profile: tabular-data-resource
schema:
fields:
- name: nome
type: string
- name: dataNascita
type: date
- name: altezza
type: integer
- name: peso
type: number
scheme: file
È possibile avere l'output in JSON aggiungendo l'opzione --json.
Descrivere un file JSON
Per descrivere un file JSON si deve usare l'opzione path:
Aggiungere le statistiche della risorsa¶
L'opzione --stats del comando describe è molto utile, perché restituisce alcune informazioni numeriche alla descrizione della risorsa:
- le dimensioni in byte;
- il numero di campi;
- il numero di righe;
- l'impronta hash.
Si lancia così (è applicato al file base-semicolon.csv)
e restituisce in output le proprietà di stats (vedi sotto).
# --------
# metadata: base-semicolon.csv
# --------
path: base-semicolon.csv
name: base-semicolon
profile: tabular-data-resource
scheme: file
format: csv
hashing: md5
stats:
hash: 7ed86c23c432fd1b6586ce6399d1ac1c
bytes: 108
fields: 4
rows: 3
encoding: utf-8
dialect:
delimiter: ;
schema:
fields:
- type: string
name: nome
- type: date
name: dataNascita
- type: integer
name: altezza
- type: number
name: peso