En este documento, se abordan los problemas más frecuentes que experimentan los propietarios de datos cuando crean conjuntos de datos de DSPL y los suben al Explorador de datos públicos.
Contenido
Preguntas generales
¿Qué es DSPL?
DSPL significa lenguaje de publicación de conjuntos de datos. Es un formato de representación tanto para los metadatos (información sobre el conjunto de datos, como su nombre y proveedor, así como los conceptos que contiene y muestra) como para los datos reales de los conjuntos de datos. Los metadatos se especifican en XML, mientras que los datos se proporcionan en formato CSV.
¿Cuáles son las ventajas clave de usar DSPL?
El DSPL se diseñó desde cero para visualizaciones de datos enriquecidos, como las del Explorador de datos públicos. Para crearlos, se necesitan metadatos detallados sobre porciones, dimensiones y métricas, entidades que no se admiten tan bien en otros formatos de conjuntos de datos.
DSPL también admite importaciones de conjuntos de datos, jerarquías de conceptos (p.ej., "país" es el elemento secundario de "continente"), datos geocodificados y una serie de otras funciones únicas que mejoran la experiencia de exploración de datos.
¿DSPL reemplaza otros formatos que se usan para el intercambio o el análisis de datos?
Por lo general, no. Como se indicó en la respuesta anterior, el DSPL está diseñado para la visualización y la exploración interactivas. No está pensado como un formato genérico de intercambio o análisis de datos que sirva para todo.
En última instancia, consideramos que el DSPL es complementario de otros formatos. Los usuarios deberían poder crear conjuntos de datos de DSPL a partir de otras fuentes con el objetivo de crear visualizaciones de datos interactivas y enriquecidas.
¿Qué puedo hacer con un conjunto de datos de DSPL?
Puedes importarlo al Public Data Explorer, publicarlo y permitir que otras personas exploren los datos a través de visualizaciones interactivas y enriquecidas. Los conjuntos de datos publicados también se pueden incluir en el directorio de datos públicos para que los usuarios interesados puedan encontrarlos.
Actualmente, esta es la única aplicación que usa DSPL. Sin embargo, alentamos a las personas a usarlo para otras aplicaciones y esperamos que la adopción aumente con el tiempo.
¿Qué tipos de conjuntos de datos son los más adecuados para DSPL?
El formato DSPL admite colecciones arbitrarias de tablas y, por lo tanto, es adecuado para una amplia variedad de tipos de conjuntos de datos. Sin embargo, solo un subconjunto de conjuntos de datos de DSPL producirá visualizaciones interesantes en el Explorador de datos públicos. Este último producto, en particular, funciona mejor para los datos que son:
- Cuantitativos: Cada dato tiene una o más métricas numéricas asociadas (p.ej., "población", "cantidad de casos de gripe", "ingresos").
- Categóricos: Los datos se pueden organizar en una cantidad finita de categorías que se pueden describir con texto (p.ej., "países", "géneros", "grupos etarios").
- Series temporales: Para cada categoría, las métricas de datos varían en función del tiempo, y los puntos adyacentes están separados por al menos un día (el Public Data Explorer no puede visualizar incrementos de tiempo inferiores a un día).
- Agregados: Para cada combinación de tiempo, categoría y métrica, hay un único dato, no una lista de eventos o hechos.
Creé un conjunto de datos de DSPL y me gustaría que aparezca en el Directorio de datos públicos de Google para que otras personas puedan encontrarlo. ¿Con quién puedo comunicarme?
Completa este formulario y proporciona un vínculo a tu conjunto de datos.
Tengo problemas con DSPL. ¿Dónde puedo obtener ayuda?
Publica tu problema en el foro de debate de DSPL.
Archivos de conjuntos de datos de DSPL
¿Cómo debo codificar mis archivos XML y CSV?
Todos los archivos XML y CSV deben estar codificados en UTF-8. Ten en cuenta que ASCII (a veces denominado "texto sin formato") es un subconjunto de UTF-8, por lo que los conjuntos de datos en ese formato también deberían funcionar.
¿Qué software debo usar para crear y editar mis archivos de conjunto de datos?
Se recomienda usar un editor de texto sin formato con resaltado de sintaxis para mejorar la legibilidad cuando edites tus archivos en formato XML. Consulta este artículo para obtener algunas recomendaciones específicas de la plataforma. No recomendamos usar procesadores de texto de uso general con todas las funciones, ya que suelen insertar etiquetas de formato adicionales en el XML, lo que puede causar errores de importación.
Por lo general, una hoja de cálculo es la forma más sencilla de crear y editar tus archivos de datos. Solo asegúrate de guardarlos en el formato correcto (CSV o valores separados por comas).
Tengo datos en Excel, SPSS, SAS o algún otro sistema. ¿Puedo importarlos directamente al Explorador de datos públicos?
No en este momento. Primero, debes exportar tus datos al formato CSV, agregar los metadatos XML adecuados y, luego, subir un conjunto de datos que cumpla con el DSPL al Public Data Explorer.
¿Importa el nombre que les ponga a mis archivos?
El nombre del archivo en formato XML de tu conjunto de datos debe terminar en .xml.
Los archivos de datos CSV asociados pueden tener cualquier nombre, siempre que coincidan con los nombres que se proporcionan en las etiquetas <file> de tus metadatos XML.
El archivo ZIP que se usa para empaquetar y, luego, importar el conjunto de datos al Explorador de datos públicos también puede tener cualquier nombre.
¿Debo ordenar mis archivos CSV?
Sí. Debes ordenar el contenido de tus archivos CSV por las dimensiones que no son de tiempo (en cualquier orden o dirección) y, luego, de forma opcional, por cualquiera de las otras columnas (p.ej., tiempo).
Por ejemplo, si tienes un archivo CSV con las columnas date,
dimension1, dimension2, metric1 y
metric2, debes ordenar por dimension1 y
dimension2 (en cualquier orden). Si también quieres ordenar por
la columna de fecha y hora, este debe ser el último criterio de ordenamiento.
La clasificación de esta manera mantiene las observaciones de cada serie temporal agrupadas, lo que mejora en gran medida la eficiencia del proceso de importación de DSPL.
Modelo y sintaxis de XML
¿Cómo decido qué debe ser una métrica y qué debe ser una dimensión?
Una dimensión es una entidad que se usa para segmentar o filtrar tus datos. Por otro lado, una métrica describe el valor o los valores observados asociados con cada dato.
Por lo general, las dimensiones son categóricas, mientras que las métricas son valores numéricos no categóricos que varían con el tiempo. Estos son algunos ejemplos prototípicos de cada uno:
- Dimensiones: País, estado, condado, región, año, mes, sexo, categoría de edad, segmento de la industria
- Métricas: Población, PIB, tasa de desempleo, alfabetización, ingresos, costo, precio
¿Cuál es la diferencia entre una propiedad y un atributo?
Las propiedades se adjuntan a cada instancia de un concepto. Por ejemplo, una
propiedad de continente tendrá diferentes valores para diferentes países.
Por otro lado, los atributos se asocian con el concepto en su totalidad.
Por ejemplo, un atributo isParent es verdadero para todos los continentes.
¿Importa el orden de las etiquetas?
Sí. Agrega las etiquetas en el orden en que aparecen en la guía para desarrolladores. Por ejemplo, <topic> debería aparecer antes de <type> en la definición de un concepto.
¿Importa el uso de mayúsculas?
Sí, los nombres de las etiquetas y los atributos XML deben escribirse con mayúsculas de la misma manera que aparecen en la guía para desarrolladores. Por ejemplo, usar isparent en lugar de isParent en una etiqueta property causará un error de importación.
¿Puede un concepto tener dos elementos superiores?
No. Cada concepto solo puede tener una referencia de isParent.
¿Puede un concepto referirse a sí mismo?
Sí. Consulta el conjunto de datos de ventas minoristas de EE.UU. para ver un ejemplo de una jerarquía de conceptos autorreferencial.
Formato de los datos
¿Cómo doy formato a las fechas?
Las fechas se pueden escribir en cualquier formato que se pueda describir con el
estándar DateTime de Joda. El código de formato de Joda se debe almacenar en un atributo format dentro del elemento de columna de la tabla correspondiente.
A continuación, se indican los códigos de formato de Joda para algunos formatos de fecha populares:
| Ejemplo de fecha | Formato de Joda |
|---|---|
| 2010 | yyyy |
| Mayo de 2010 | MMM yyyy |
| 21/5/2010 | MM/dd/yyyy |
| 21/05/2010 | dd/MM/yyyy |
| 2010-05-21 | yyyy-MM-dd |
En particular, ten en cuenta que el código de Joda para los caracteres de mes es
M, no m (que representa minutos).
¿Puedo usar unidades de tiempo inferiores a un día?
El formato DateTime de Joda y, por lo tanto, también DSPL, admite valores de tiempo hasta el orden de milisegundos. Sin embargo, el Public Data Explorer no puede (todavía) visualizar ninguna granularidad temporal inferior a un día.
Usa conceptos canónicos
¿Qué son los "conceptos canónicos" y cómo son útiles?
El término "conceptos canónicos" se refiere a un conjunto de conceptos creados por Google que se consideran "componentes básicos" en otros conjuntos de datos. Los conceptos se definen en seis conjuntos de datos de DSPL que agrupan los primeros en categorías, como "tiempo", "ubicación geográfica", etcétera. Para acceder a estos conceptos, solo debes importar los conjuntos de datos superiores correspondientes al principio de tu archivo en formato XML de DSPL.
Los conceptos canónicos son útiles porque ayudan a ahorrar tiempo (p.ej., no es necesario ingresar manualmente los valores de latitud y longitud de cada país del mundo) y también indican cómo se deben visualizar tus datos. Por
ejemplo, el Explorador de datos públicos usa los conceptos time:...
para dar formato al eje X del gráfico de líneas, usa la propiedad name del
concepto entity:entity para producir cadenas para la IU del selector de dimensiones, usa las propiedades latitude y longitude
de geo:location para mostrar datos en la visualización del mapa, etcétera.
¿El Public Data Explorer comprende todos los conceptos canónicos?
Si bien el Public Data Explorer comprende la mayoría de los conceptos canónicos proporcionados, hay algunos que (todavía) no se pueden visualizar. A continuación, se enumeran estos problemas, junto con algunas soluciones alternativas sugeridas:
| Concepto | Solución alternativa |
|---|---|
quantity:index |
En su lugar, usa quantity:ratio o quantity:magnitude. |
time:quarter |
Usa time:month como se describe en la Guía de DSPL. |
time:week |
Usa time:day como se describe en la Guía de DSPL. |
Mantente al tanto para obtener una mejor compatibilidad con estos conceptos en el futuro.
¿Cómo uso un concepto canónico en mi conjunto de datos?
Consulta la documentación del concepto específico que quieras usar y también consulta la Guía de DSPL, que tiene instrucciones detalladas paso a paso para los más comunes.
Importa y visualiza conjuntos de datos
¿Por qué no puedo importar mi conjunto de datos correctamente?
La interfaz de carga del Public Data Explorer analizará tu conjunto de datos de DSPL y bloqueará su importación si se detecta algún error. El importador es muy sensible a la ortografía, el uso de mayúsculas y el orden o la ubicación de las etiquetas en tu archivo en formato XML, así como al diseño y la clasificación de los datos en tus archivos CSV, por lo que es posible que debas realizar algunos intentos para que estos elementos sean correctos y se importe tu conjunto de datos de forma correcta.
El primer paso para resolver estos problemas es consultar los mensajes de error que se muestran en la IU y tomar las medidas correctivas adecuadas. Como estos mensajes no siempre son fáciles de entender (algo en lo que estamos trabajando activamente para mejorar), compilamos una tabla en la que se explican los más comunes:
| Error | Explicación |
|---|---|
| duplicate key: ... | La tabla de definición de tu concepto tiene un valor de ID repetido (es decir, el valor de la columna con el mismo nombre que el concepto). Estos valores se usan para identificar de forma única las instancias individuales del concepto, por lo que no se permiten duplicados. |
| Exception in parsing data rows from source caused by The combination of properties, [...], appears in more than one distinct group of rows in the data. | Tu archivo CSV no está ordenado correctamente. Consulta el análisis anterior para obtener instrucciones sobre cómo hacerlo. |
| Excepción en el análisis de las filas de datos de la fuente debido a un formato no válido: "..." tiene un formato incorrecto en "..." | El formato de este valor (por lo general, una fecha) en tu archivo CSV no es coherente con el formato que se indica en tu archivo en formato XML. Cambia el formato o el valor para que coincidan. |
| Excepción en el análisis de las filas de datos de la fuente debido a que la cantidad de elementos en la línea (…) no coincidió con la cantidad de propiedades especificadas (…) para la línea: […] | Una fila de tu archivo CSV tiene demasiados o muy pocos valores. Corrige el formato de esta fila. |
| Excepción en el análisis de las filas de datos de la fuente causada por la cadena de entrada: "..." | Un valor de tu archivo CSV (por lo general, un número entero o de punto flotante) tiene caracteres no numéricos (p.ej., un símbolo de dólar, un signo de porcentaje, etc.) que impiden que se analice correctamente. Quita estos caracteres adicionales. |
| Excepción en el análisis de filas de datos de la fuente causada por el valor de datos '...' para la propiedad '...' de Slice '...' no es un valor clave del concepto referenciado '...'. | Uno de tus segmentos contiene un valor de dimensión no reconocido (es decir, es decir, uno que no esté en la lista de todos los valores posibles para el concepto correspondiente). Regresa a la tabla de definición del concepto de dimensión y agrega el valor, si es necesario. |
| El encabezado "…" de los datos es una propiedad constante en la tabla | El encabezado de la columna en el archivo CSV no coincide con el ID de columna definido en la definición de la tabla XML. Cambia una o la otra para que coincidan. |
| Error de análisis de XML… Se encontró contenido no válido que comienza con el elemento "…". Se esperaba uno de los siguientes elementos: "{…}", "{…}", … | El elemento XML al que se hace referencia no está en el lugar correcto. Verifica que el orden sea correcto y que el elemento tenga el elemento superior correcto (p.ej., info para name). |
| Error de análisis de XML… No se permite que el atributo "…" aparezca en el elemento "…". | La ortografía, el uso de mayúsculas o la ubicación de este atributo de etiqueta XML son incorrectos. Consulta la documentación para conocer el uso adecuado. |
| Se produjo un error de análisis de XML. ... El elemento '...' no puede tener caracteres [secundarios], porque el tipo de contenido del tipo es solo de elemento. | Hay texto suelto en tu archivo en formato XML (es posible que se deba a que falta un < o un > en una etiqueta). Corrige el texto y vuelve a intentarlo. |
Si tienes problemas para comprender un mensaje que no se encuentra en la lista anterior, publica un mensaje en el foro de DSPL y trataremos de ayudarte.
Mi conjunto de datos se importa correctamente, pero no puedo lograr que aparezcan visualizaciones en el Public Data Explorer. ¿Qué sucede?
Este problema ocurre cuando tu conjunto de datos es un DSPL válido, pero no se encuentra en el subconjunto de DSPL que se puede visualizar en el Public Data Explorer. Existen muchas causas posibles para esto; las más comunes son las siguientes:
- Definir un concepto de dimensión sin una tabla: Sin esta información, el Explorador de datos públicos no sabe qué opciones mostrar en la IU.
- Crear un conjunto de datos solo con métricas: El Explorador de datos públicos requiere que se defina al menos una dimensión categórica (es decir, que no sea de tiempo) en algún lugar del conjunto de datos para estructurar correctamente la IU de visualización.
- No incluir una dimensión de tiempo en tus porciones: El Explorador de datos públicos solo puede visualizar series temporales. El producto ignorará los fragmentos que no sean de tiempo.
- Uso de una dimensión de tiempo que no sea la canónica
time:...: El Public Data Explorer usa los conceptos canónicos detimepara diseñar y animar las diversas visualizaciones del producto; no comprende otros conceptos de tiempo, p.ej., los creados dentro de tu propio conjunto de datos. - Uso de valores de tiempo demasiado grandes o demasiado pequeños: El Public Data Explorer aún no visualiza conjuntos de datos con granularidades temporales inferiores a un día. En el otro extremo del espectro, la herramienta tiene problemas con valores de año muy grandes (p.ej., en las decenas de miles). Esperamos que estas granularidades sean más flexibles en el futuro.
¿Cómo integro mi conjunto de datos visualizado en mi sitio web?
Consulta este artículo en el Centro de ayuda del Public Data Explorer. Como se explica en este último, puedes obtener una "incorporación completa" (es decir, una que incluya los controles de exploración) ajustando manualmente la URL de incorporación.