Danmarks Statistik har ett API som kan hittas här. Liksom SCB så har Dst en sida där man kan få hjälp med att bygga JSON-frågan till API:et. Den sidan hittar man här.
Beroende på vilken typ av fråga man ställer så måste man använda olika URL:er i POST-anropet till Dst:
- Hämta ämnesområden: https://api.statbank.dk/v1/subjects
- Lista tabeller inom ett ämnesområde: https://api.statbank.dk/v1/tables
- Hämta metainfo om en tabell: https://api.statbank.dk/v1/tableinfo
- Ladda hem en tabell: https://api.statbank.dk/v1/data
Till att börja med kan vi ladda hem en tabell med alla ämnesområden som finns i Danmark Statistiks databas:
library(jsonlite)
library(httr)
library(magrittr)
library(tidyr)
library(purrr)
library(tibble)
bodytxt <- '{
"lang": "en",
"format": "JSON"
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("https://api.statbank.dk/v1/subjects",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
content(req)
dfanswer <- fromJSON(content(req))[, 1:4]
head(dfanswer, 13)
# id description active hasSubjects
# 1 02 Population and elections TRUE TRUE
# 2 05 Living conditions TRUE TRUE
# 3 03 Education and knowledge TRUE TRUE
# 4 18 Culture and National Church TRUE TRUE
# 5 04 Labour, income and wealth TRUE TRUE
# 6 06 Prices and consumption TRUE TRUE
# 7 14 National accounts and government finances TRUE TRUE
# 8 16 Money and credit market TRUE TRUE
# 9 13 External economy TRUE TRUE
# 10 07 Business sector in general TRUE TRUE
# 11 11 Business sectors TRUE TRUE
# 12 01 Geography, environment and energy TRUE TRUE
# 13 19 Other TRUE TRUELåt oss ta reda på vilka tabeller det finns under ämnet “Population and elections” (id = “02”):
bodytxt <- '{
"lang": "en",
"subjects": [
"02"
],
"format": "JSON"
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("https://api.statbank.dk/v1/tables",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
content(req)
dfanswer <- fromJSON(content(req))
dfanswer <- as_data_frame(dfanswer)
head(dfanswer, 10)
# A tibble: 13 x 8
# id text unit updated firstPeriod latestPeriod active variables
# <chr> <chr> <chr> <chr> <chr> <chr> <lgl> <list>
# 1 FOLK1A Population at the first day of the quarter numb~ 2018-05-08T08:0~ 2008Q1 2018Q2 TRUE <chr [5]>
# 2 FOLK1B Population at the first day of the quarter numb~ 2018-05-08T08:0~ 2008Q1 2018Q2 TRUE <chr [5]>
# 3 FOLK1C Population at the first day of the quarter numb~ 2018-05-08T08:0~ 2008Q1 2018Q2 TRUE <chr [6]>
# 4 FOLK1D Population at the first day of the quarter numb~ 2018-05-08T08:0~ 2008Q1 2018Q2 TRUE <chr [5]>
# 5 FOLK1E Population at the first day of the quarter numb~ 2018-05-08T08:0~ 2008Q1 2018Q2 TRUE <chr [5]>
# 6 FOLK2 Population 1. January numb~ 2018-02-09T08:0~ 1980 2018 TRUE <chr [6]>
# 7 FOLK3 Population 1. January numb~ 2018-02-09T08:0~ 2008 2018 TRUE <chr [4]>
# 8 FT Population figures from the censuses numb~ 2018-02-09T08:0~ 1769 2018 TRUE <chr [2]>
# 9 BEF5F People born in Faroe Islands and living in Denma~ numb~ 2018-02-09T08:0~ 2008 2018 TRUE <chr [4]>
# 10 BEF5G People born in Greenland and living in Denmark 1~ numb~ 2018-02-09T08:0~ 2008 2018 TRUE <chr [4]>
# 11 BEF5 Population 1. January numb~ 2018-02-09T08:0~ 1990 2018 TRUE <chr [4]>
# 12 BY3 Population 1. January - 2018-06-11T08:0~ 2017 2017 TRUE <chr [3]>
# 13 BY1 Population 1. January numb~ 2018-04-18T08:0~ 2010 2018 TRUE <chr [4]>Går vi igenom tabellen så upptäcker vi att det finns en tabell med namn “BEF5” som visar befolkning den 1 januari. Vi ber Dst att visa metainfo om tabellen med nedanstående fråga:
bodytxt <- '{
"lang": "en",
"table": "BEF5",
"format": "JSON"
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("https://api.statbank.dk/v1/tableinfo",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
content(req)
lanswer <- fromJSON(content(req))
dfanswer <- as_data_frame(lanswer[["variables"]])
head(dfanswer)
# # A tibble: 4 x 6
# id text elimination time values map
# <chr> <chr> <lgl> <lgl> <list> <chr>
# 1 KØN sex TRUE FALSE <data.frame [2 x 2]> NA
# 2 ALDER age TRUE FALSE <data.frame [126 x 2]> NA
# 3 FODLAND country of birth TRUE FALSE <data.frame [239 x 2]> Verden_dk2
# 4 Tid time FALSE TRUE <data.frame [29 x 2]> NA
# Notera att kolumnen "values" har en listvariabel som innehåller en dataframe. Vi plockar fram dessa dataframes med hjälp av purrr-paketets unnest-funktion:
unnest(dfanswer)
# # A tibble: 396 x 7
# id text elimination time map id1 text1
# <chr> <chr> <lgl> <lgl> <chr> <chr> <chr>
# 1 KØN sex TRUE FALSE NA M Men
# 2 KØN sex TRUE FALSE NA K Women
# 3 ALDER age TRUE FALSE NA 0 0 years
# 4 ALDER age TRUE FALSE NA 1 1 year
# 5 ALDER age TRUE FALSE NA 2 2 years
# 6 ALDER age TRUE FALSE NA 3 3 years
# 7 ALDER age TRUE FALSE NA 4 4 years
# 8 ALDER age TRUE FALSE NA 5 5 years
# 9 ALDER age TRUE FALSE NA 6 6 years
# 10 ALDER age TRUE FALSE NA 7 7 years
# # ... with 386 more rowsNu är det dags att hämta hem data. Det gör man genom att bygga frågan med Dst:s hjälpsida. Nedan har vi valt befolkning som är 54 och 55 år gamla och vi har valt båda könen (vilket markeras med en asterix) och ett födelseland (Danmark).
Gå till Dst:s konsolsida, se till så att “Choose API call:” är satt till Retrive data, “Table id” är satt till BEF5 och “Language” till English.
Variabler kan väljas genom att man klickar på dem i rutan" Variable- and value codes"
bodytxt <- '{
"lang": "en",
"table": "BEF5",
"format": "CSV",
"valuePresentation": "Value",
"delimiter": "Tab",
"variables": [
{
"code": "ALDER",
"values": [
"54",
"55"
]
},
{
"code": "KØN",
"values": [
"*"
]
},
{
"code": "FODLAND",
"values": [
"5100"
]
},
{
"code": "Tid",
"values": [
"2017",
"2016"
]
}
]
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("https://api.statbank.dk/v1/data",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
lanswer <- content(req)
dfanswer <- as_data_frame(lanswer)
dfanswer <- separate(dfanswer, col = 1, sep = "\t", into = unlist(strsplit(names(dfanswer), split = "\t")))
head(dfanswer, 8)
# # A tibble: 8 x 5
# ALDER KØN FODLAND TID INDHOLD
# <chr> <chr> <chr> <chr> <chr>
# 1 54 years Men Denmark 2016 33317
# 2 54 years Men Denmark 2017 34051
# 3 54 years Women Denmark 2016 33328
# 4 54 years Women Denmark 2017 34029
# 5 55 years Men Denmark 2016 33127
# 6 55 years Men Denmark 2017 33127
# 7 55 years Women Denmark 2016 33102
# 8 55 years Women Denmark 2017 33228