Libertando dados públicos com ferramentas livres

Libertando Dados Pblicoscom Ferramentas Livres

Turicas aka lvaro JustenFrum Goiano de Software Livre 201619 de novembro de 2016 - Goinia/GO

http://www.fgsl.org.br/

Turicas, prazer! =)Sigam-me os bons:

{ , , , , }

/turicas

twittergithub

youtubeslideshareinstagram

alvaro@CursoDeArduino.com.brturicas.info

https://twitter.com/turicashttps://github.com/turicashttps://youtube.com/turicashttps://slideshare.net/turicashttps://instagram.com/turicasmailto:alvaro@CursoDeArduino.com.brhttp://turicas.info/

bit.ly/rows-fgsl

http://bit.ly/rows-fgsl

Software Livre

http://www.gnu.org/

Python

http://www.python.org/

Arduino

http://www.arduino.cc/

cursodearduino.com.br

http://cursodearduino.com.br/

http://2012.pythonbrasil.org.br/

pythonquito.tk

http://www.pythonquito.tk/http://www.pythonquito.tk/

pythonic.cafe(preenche o formulrio l!)

youtube.com/c/PythonicCafe

http://pythonic.cafe/https://youtube.com/c/PythonicCafe/

generonumero.media

http://generonumero.media/

escoladedados.org

http://escoladedados.org/

E vocs?Quem trabalha com converso de dados?

Scraping, data science, ...Quem conhece/usa Python?

Nmade Digital

A Jornada

Existem softwares livres para automatizar vrias etapas dajornada.

Dados Presos

Dado aberto, porm noacessvel

O Que Eu J Fiz(manualmente)

O Que Eu Quero(semi-automaticamente)

O Que Tenho Que Fazer(mas no queria ter que fazer)

Obtendo...

Vericando...

Limpando...

Automatizar tudo que for chato

Problema EspeccoDados Tabulares

Colunas (nome e tipo)Registros (valores)

Dados TabularesFormatos Possveis

CSVHTML ("table")JSONODSSQLiteXLSXLSX...

Exemplo: CSV

csv em Pythonimport csv reader = csv.DictReader(open('tesouro-direto.csv')) # TODO: identificar dialecto CSV for row in reader: print row # todo es string =/ # TODO: crear conversin de datetime # TODO: crear conversin de date # TODO: crear conversin decimal # TODO: crear conversin percent

JSON

json em Pythonimport json reader = json.load(open('tesouro-direto.csv')) for row in reader: print row # nem todo convertido =/ # TODO: crear conversin de datetime # TODO: crear conversin de date # TODO: crear conversin decimal # TODO: crear conversin percent

XLS

xls em Python + xlrdpip install xlrd

import xlrd filename = 'tesouro-direto.xls' book = xlrd.open_workbook(filename, formatting_info=True) sheet = book.sheet_by_index(0) NUMERO_DE_COLUNAS = 7 # WTF? header = [sheet.cell(0, col).value for col in range(NUMERO_DE_COLUNASNUMERO_DE_LINEAS = 19 # WTF? data = [[sheet.cell(row, col).value for col in range(NUMERO_DE_COLUNAS for row in range(1, NUMERO_DE_LINEAS + 1)] for row_data in data: row = dict(zip(header, row_data)) print row # TODO: crear conversin de date y datetime # TODO: crear conversin de decimal # TODO: crear conversin de percent

Resultado...{u'preco_compra': 0.0, u'timestamp': 42314.73819444444, u'vencimento'

Que porra essa?

..., u'timestamp': 42314.73819444444, ...

Vida Real..."Me mandaram o CSV, mas veio sem o cabealho""Esse campo no est batendo""Porque tem tanto NULL?"...

ProblemasFormatos no possuem as mesmas funcionalidadesFalta controle de qualidade na hora de publicar os dadosBibliotecas para cada formato so muito diferentes

Resultado:Perda de tempo em uma atividade que no

seu objetivo

rows to the rescue!pip install rows # Python Package Index

apt-get install rows # Debian

dnf install rows # Fedora

github.com/turicas/rows

https://github.com/turicas/rows

rowsBiblioteca PythonCommand-Line InterfacePlugins:

CSVJSONHTML (+ XPath)TXTXLSXLSXSQLiteODSParquet(+ outros em desenvolvimento)

csv com Python + rowsimport rows table1 = rows.import_from_csv('tesouro-direto.csv') for row in table1: print row

Row(timestamp=datetime.datetime(2015, 11, 6, 17, 43), titulo=u'Tesouro IPCA+ com Juros Semestrais 2017 (NTNB)', vencimento=datetime.date(2017, 5, 15), taxa_compra=Decimal('0.0702'), taxa_venda=Decimal('0.063'), preco_compra=0.0, preco_venda=2792.97) # namedtuple #FTW \o/

xls com Python + rowsimport rows table2 = rows.import_from_xls('tesouro-direto.xls') for row in table2: print row

html com Python + rowsimport rows table3 = rows.import_from_html('tesouro-direto.html') for row in table3: print row

import rows

rows: FuncionalidadesInterface nica (no importa o formato)Escrever to fcil quanto ler (pythonic way)Vrios pluginsCLIConverso automtica de dadosEu j z os testes

Command-Line Interfaceprint: mostra a tabela em formato textoconvert: converte entre os formatos suportadossum: agrega tabelasjoin: cruza dadosquery: SQL!

Live coding (CLI)

Alguns Casos de UsoCLI:

Download, converso e limpezaAnlises preliminares

Biblioteca:Converso e limpeza (exemplo: Interlegis)Converso e anlise (exemplos: sci, sl_talks)

github.com/turicas/rows

https://github.com/turicas/rows

Curso de Python Online eGratuito!

pythonic.cafe

http://pythonic.cafe/

?

Obrigado! (:Turicas aka lvaro Justen

{ , , , , }

/turicas

twittergithub

youtubeslideshareinstagram

alvaro@CursoDeArduino.com.brturicas.info

bit.ly/rows-fgsl

https://twitter.com/turicashttps://github.com/turicashttps://youtube.com/turicashttps://slideshare.net/turicashttps://instagram.com/turicasmailto:alvaro@CursoDeArduino.com.brhttp://turicas.info/http://bit.ly/rows-fgsl