2016/11/14 資料庫介紹、爬梳數據

本周重點為如何獲得「數據」，並介紹能夠篩選數據的軟體，對於資料新聞學有概念後，接著就是學著獲取以及使用數據，再加以分析。

兩大疑惑：

Q1:資料新聞專題的流程大概長怎樣？

Q2:資料新聞一定要有數據嗎？

A1: 從問題 〉找資料 〉清理分析 〉工具製圖 〉視覺化，大概這五步能把專題做完，而這五件事都是在訴說你的故事。

資料新聞在傳播與文化課程裡所扮演的角色↓

A2:資料一定要數據嗎？ 不一定，可以是以圖像為主的資訊圖表，但大部分的資料新聞仍是以數據集（Dataset）為基礎而產製的報導。

開始找資料！要去哪找？

· 介紹資料庫！

資料庫國內外還有非常多，這邊先介紹幾個。

1.    政府資料開放平臺：http://data.gov.tw

2.    台北市政府開放資料：http://data.taipei

3.    新北市政府開放資料：http://data.ntpc.gov.tw

4.    桃園市政府資料開放平臺：http://data.tycg.gov.tw

5.    台中開放資料平台：http://data.taichung.gov.tw/wSite/mp

6.    台南開放資料平台：http://data.tainan.gov.tw

7.    高雄市政府資料開放：http://data.kcg.gov.tw

內政部：不動產交易實價查詢服務網：http://lvr.land.moi.gov.tw/homePage.action

·         591 房屋交易網（實價登錄）： 連結

·         信義房屋成交行情（實價登錄） ：連結

上面這兩個平台都有自己的應用程式介面（API），但資料來源都是內政部。

行政院主計處 - 資料庫網址：https://www.dgbas.gov.tw/np.asp?ctNode=2824

主計處中不同面向的數據

薪資及生產力統計資料查詢系統：

http://win.dgbas.gov.tw/dgbas04/bc5/EarningAndProductivity/Default.aspx

Google Public Data：https://www.google.com/publicdata/directory

如果在左側選資料集，中文目前沒有資料，改成其他語言就會有不同資料呈現

如果選擇指標，就會有不同資料集的視覺化呈現（如下圖）

SheetHub資料庫：https://sheethub.com

有整理很多Raw Data，創始人王向榮、李慕約是很棒的人！

軟體應用─把數據「抓」出來的好幫手！

1. Tabula

首先我們要下載「Tabula」軟體

記得要先安裝「Java」才能運行軟體，

（註：Windows如果無法正常開啟軟體，請重新執行Tabula軟體，開始出現黑色視窗的終端機時，請等它跑完一堆文字，接著在你的瀏覽器網址列輸入 http://localhost:8080，應該就會跑出可以上傳PDF檔的視窗）

這次選用的 PDF Data：105年10月商業設立登記清冊

（下圖為無法用手抓的PDF檔）

用Tabula 選取剛剛下載的PDF

按下 Autodetect Tables，紅色框框會自動選定，如果沒有覆蓋到你資料集，可以手動調整

右下角有個「Repeat This Selection」，點它後，就能把每一頁同個範圍的紅框框一次選起來。

接著再按下「Preview & Export Extracted Data」

就可以看到PDF檔變成一格格！

按下 Export ，會下載成 CSV 檔案

接著，用 Excel 打開 CSV 如果發現是亂碼，記得要改編碼（Unicode -UTF-8）

   （ ** 如果你的電腦是 Office for mac 2011 版本，或是Windows沒辦   法正確編碼，請改用Google試算表匯入csv檔案）

所以我們點選Excel中的「資料」〉「匯入文字檔」〉選擇剛剛下載的 CSV 檔

更改編碼，就會正確顯示中文。

把「逗號」勾起來，格子就會跑出來了。

直接插入現有工作表

完成，完整的資料格子跟內容！

如果上述步驟因為Excel緣故無法將CSV正確編碼，請改用Google試算表

用Google試算表匯入 CSV 檔的畫面。

分隔符字元請選「逗號」

匯入之後應該就可以正確顯示你下載好的資料！