KV6: updated script and new output

output/KV6_data.csv

@@ -0,0 +1,5 @@
+"Jahr","Gebiet","Indikator_ID","Indikator_Name","Variable","Wert","Einheit","Datenquelle"
+2020,"Kanton","KV6","Anzahl Dieselbusse im Zürcher Verkehrsverbund (ZVV)","Anzahl Dieselbusse ZVV",701,"Anzahl Dieselbusse","Zürcher Verkehrsverbund (ZVV)"
+2021,"Kanton","KV6","Anzahl Dieselbusse im Zürcher Verkehrsverbund (ZVV)","Anzahl Dieselbusse ZVV",694,"Anzahl Dieselbusse","Zürcher Verkehrsverbund (ZVV)"
+2022,"Kanton","KV6","Anzahl Dieselbusse im Zürcher Verkehrsverbund (ZVV)","Anzahl Dieselbusse ZVV",689,"Anzahl Dieselbusse","Zürcher Verkehrsverbund (ZVV)"
+2023,"Kanton","KV6","Anzahl Dieselbusse im Zürcher Verkehrsverbund (ZVV)","Anzahl Dieselbusse ZVV",647,"Anzahl Dieselbusse","Zürcher Verkehrsverbund (ZVV)"

scripts/KV6_computations.R

@@ -0,0 +1,73 @@
+# KV6 - Anzahl Dieselbusse im ZVV ----------------------------------------------------
+
+
+# Import data -------------------------------------------------------------
+# Schritt 1 : hier werden die Daten eingelesen
+
+ds <- create_dataset('KV6')
+ds <- download_data(ds)
+
+# Dieses Objekt dient als Grundlage zur Weiterverarbeitung
+
+KV6_data <- ds$data
+
+# Berechnungen -----------------------------------------------------
+
+# Schritt 2 : Falls die zu publizierenden Werte noch berechnet werden müssen, können hier Aggregierungs- und Transformationsschritte vorgenommen werden.
+
+# Beispiele :
+# - neue Kategorien oder Totale bilden
+# - Anteile berechnen
+# - Umbenennung von Kategorien
+
+# Beispiel : Fahrzeuge nach Treibstoff - dieser Block dient nur der Veranschaulichung ---------
+
+KV6_computed <- KV6_data %>%
+  # Renaming of columns in preparation to bring data into a uniform structure
+  dplyr::mutate(Einheit = "Anzahl Dieselbusse",
+                Gebiet = "Kanton")
+
+# Die Voraussetzung für den letzten Schritt (3) ist ein Datensatz im long Format nach folgendem Beispiel:
+
+# # A tibble: 216 × 5
+#    Jahr  Gebiet  Treibstoff_Typ Einheit         Wert
+#    <chr> <chr>   <chr>          <chr>          <dbl>
+#  1 2005  Schweiz fossil         Anzahl  306455
+#  2 2005  Schweiz fossil         Total   307161
+#  3 2005  Schweiz fossil         Anteil       0.998
+#  4 2005  Schweiz fossil-free    Anzahl     706
+#  5 2005  Schweiz fossil-free    Total   307161
+
+# Harmonisierung Datenstruktur / Bezeichnungen  ----------------------------------------------------------
+
+# Schritt 3 : Hier werden die Daten in die finale Form gebracht
+
+# - Angleichung der Spaltennamen / Kategorien und Einheitslabels an die Konvention
+# - Anreicherung mit Metadaten aus der Datensatzliste
+
+KV6_export_data <- KV6_computed %>%
+# Beispiel - dieser Block dient nur der Veranschalichung und muss je nach Fall angepasst werden --------
+# dplyr::filter(Einheit != 'Total') %>%
+# dplyr::rename('Variable' = Treibstoff_Typ) %>%
+# # Renaming values
+# dplyr::mutate(Gebiet = dplyr::if_else(Gebiet == 'Zürich', 'Kanton Zürich', Gebiet),
+#               Variable = dplyr::if_else(Variable == 'fossil', 'fossiler Treibstoff', 'fossilfreier Treibstoff'),
+#               Einheit = dplyr::case_when(Einheit == 'Anzahl' ~ paste0(ds$dimension_label, ' [Anz.]'),
+#                                          Einheit == 'Anteil' ~ paste0(ds$dimension_label, ' [%]'),
+#                                          TRUE ~ Einheit)) %>%
+# ----------------------
+# Anreicherung  mit Metadaten
+  dplyr::mutate(Indikator_ID = ds$dataset_id,
+                Indikator_Name = ds$indicator_name,
+                Datenquelle = ds$data_source,
+                Variable = ds$dataset_name) %>%
+  dplyr::select(Jahr, Gebiet, Indikator_ID, Indikator_Name, Variable, Wert, Einheit, Datenquelle)
+
+# assign data to be exported back to the initial ds object -> ready to export
+ds$export_data <- KV6_export_data
+
+# Export CSV --------------------------------------------------------------
+
+# Daten werden in den /output - Ordner geschrieben
+
+export_data(ds)