Tarkista liitos ennen kahden tiedoston yhdistämistä

Säilyttääkö liitos rivin merkityksen?

Teknisesti onnistunut liitos voi vääristää summaa. Syynä on usein tarkkuustaso: toinen tiedosto kuvaa yrityksiä, toinen toimipaikkoja tai jaksoja. Kaksi esiintymää vasemmalla ja kolme oikealla tuottaa kuusi yhdistelmää yhdelle avaimelle. Tarkista ennen summia tai osuuksia.

1. Määritä tarkkuus ja suhde

   Kirjaa rivin merkitys kummassakin tiedostossa, jakso ja odotettu suhde: yksi-yhteen tai moni-yhteen. Jos oikealla on useita jaksoja, lisää jakso avaimeen tai rajaa se selvästi.

2. Säilytä tunnisteet

   Lataa koodit tekstinä. Säilytä alkunollat, kirjainkoko ja välilyönnit ilman perusteltua normalisointia. Epäonnistunut tarkka täsmäys vaatii selvityksen, ei automaattista likimääräistä yhdistämistä.

3. Tutki avaimet

   Laske tyhjät avaimet, toistoryhmät ja täsmäämättömät rivit. Toisto voi olla aiheellinen tarkemmalla tasolla. Päätä version valinnasta, aggregoinnista tai avaimen laajennuksesta ennen poistoja.

4. Vertaa määriä

   Laske sisäisen ja vasemman liitoksen odotetut rivimäärät. Tarkista määrät ja summat ennen ja jälkeen; kasvu on hyväksyttävä, jos tarkkuustason muutos on tarkoituksellinen ja dokumentoitu.

Tarkista kaksi CSV-tiedostoa

Laskenta selaimessa. Tiedostoja ja syötettyjä arvoja ei lähetetä palvelimelle. UTF-8 CSV: enintään 2 Mt ja 10 000 datariviä tiedostoa kohti.

Tarkka täsmäys huomioi kirjainkoon ja välilyönnit; tyhjät avaimet eivät täsmää. Täsmäämättömät sisältävät tyhjät avaimet. Yhdistettyä tiedostoa ei luoda.

Tilanteet ja päätökset

Tyypillisiä tilanteita tarkistuksen suunnitteluun. Ne eivät kuvaa toteutettuja toimeksiantoja tai todellisia havaintoja.

Säilytettävä näyttö

• Tiedostonimet ja versiot; tarkkuustaso, avain ja jakso molemmin puolin.
• Normalisointi sekä tyhjien avaimien ja toistojen käsittely.
• Määrät ennen ja jälkeen, täsmäämättömät rivit ja hyväksymispäätös.

Viralliset lähteet

• W3C · Tabular Data Model
• PostgreSQL · Joined Tables

Liittyvät lähdesivut

• data.gouv.fr
• Avis de situation Sirene · Insee
• GLEIF — Global LEI Index

Aiheeseen liittyvät protokollat

• Julkisen tietoaineiston arviointi ennen uudelleenkäyttöä
• Säilytä julkisen aineiston toistettava versio
• Kysy julkista APIa ja säilytä todennettava poiminta
• Vertaa julkisia indikaattoreita ilman väärää rinnastusta

Tarkistukset ennen johtopäätöstä

• Onko oikea taulu avaimella yksikäsitteinen moni-yhteen-suhteessa?
• Tutkitaanko täsmäämättömät ennen nolliksi muuttamista?
• Lasketaanko summat samalla tarkkuustasolla ennen ja jälkeen?