Det är Danmarks Statistik som driftar Öresundsdatabasen och det API som används är identiskt med det som Danmarks Statistik använder för sin egen statistikdatabas.
Skillnaden mellan att använda API:et för Öresundsdatabasen och API:et för Danmarks Statistiks databas är att det är olika webbadresser till databasen och konsolen.
Om man vill öppna konsolen som gäller den svenska/engelska versionen av Öresundsdatabasen används http://api.statbank.dk/s24/console, om man istället vill använda den danska/engelska varianten används http://api.statbank.dk/s23/console. Maunualen till API:et hittar du här.
Vi börjar med att ta fram en lista med alla användningsområden. Detta gör vi genom att anropa “http://api.statbank.dk/v1/s24/subjects” enligt nedan:
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("http://api.statbank.dk/v1/s24/subjects",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
content(req)
dfanswer <- fromJSON(content(req))[, 1:4]
head(dfanswer, 10)
# id description active hasSubjects
# 1 240 Befolkning TRUE TRUE
# 2 241 Commuting TRUE TRUE
# 3 242 Migration TRUE TRUE
# 4 243 Labour market TRUE TRUE
# 5 244 Housing and household TRUE TRUE
# 6 245 Culture and Tourism TRUE TRUE
# 7 246 Climate and sustainable development TRUE TRUE
# 8 247 Education and research TRUE TRUE
# 9 248 Regional accounts TRUE TRUE
# 10 265 Enterprises and local units TRUE TRUELåt säga att vi är intresserade av att se hur många som pendlar från Malmö till danska kommuner i Öresundsregionen. Vi börjar med att se vilka olika tabeller det finns under ämnesområdet “Commuting”, vilket har id-nummer 241. Vi anropar “http://api.statbank.dk/v1/s24/tables” med “subjects” satt till “241”:
bodytxt <- '{
"lang": "en",
"subjects": [
"241"
]
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("http://api.statbank.dk/v1/s24/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: 10 x 8
# id text unit updated firstPeriod latestPeriod active variables
# <chr> <chr> <chr> <chr> <chr> <chr> <lgl> <list>
# 1 OEPEN1S Commuters and other income recipients from Swede~ number 2017-06-23T09:0~ 1997 2015 TRUE <chr [5]>
# 2 OEPEN2S Commuters and other income recipients from Denma~ number 2017-06-23T09:0~ 1997 2015 TRUE <chr [5]>
# 3 OEPEN3S National and Öresund commuters number 2017-10-20T09:0~ 1997 2015 TRUE <chr [5]>
# 4 OEPEN12S Commuters between Denmark and Sweden number 2017-06-23T09:0~ 1997 2015 TRUE <chr [4]>
# 5 OEPEN34S Commuters between Denmark and Sweden number 2017-06-23T09:0~ 1997 2015 TRUE <chr [5]>
# 6 OEPEN40S Commuters between Denmark and Sweden number 2013-03-22T09:0~ 1997 2007 TRUE <chr [4]>
# 7 OEPEN41S Commuters between Denmark and Sweden number 2017-06-23T09:0~ 2008 2015 TRUE <chr [4]>
# 8 OEPEN42S Commuters and other income recipients number 2017-06-23T09:0~ 2008 2015 TRUE <chr [6]>
# 9 OEPEN50S Commuters between Denmark and Sweden number 2017-06-23T09:0~ 1997 2015 TRUE <chr [5]>
# 10 OEPEN60S Quarterly commuting from Sweden to Denmark number 2018-04-26T08:0~ 2012Q1 2017Q3 TRUE <chr [3]>Tabellen “Commuters and other income recipients from Sweden to Denmark” med id “OEPEN1S” verkar innehålla den information vi är ute efter. Vi kollar vilken metainformation som det finns om tabellen genom att anropa “http://api.statbank.dk/v1/s24/tableinfo” med tabell-id som argument:
bodytxt <- '{
"lang": "en",
"table": "OEPEN1S"
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("http://api.statbank.dk/v1/s24/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: 5 x 6
# id text elimination time map values
# <chr> <chr> <lgl> <lgl> <chr> <list>
# 1 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 <data.frame [34 x 2]>
# 2 ARBKOMSV working place municipality TRUE FALSE oeresund_municipality2007 <data.frame [47 x 2]>
# 3 TYPESV type TRUE FALSE NA <data.frame [2 x 2]>
# 4 KONSV sex TRUE FALSE NA <data.frame [2 x 2]>
# 5 Tid time FALSE TRUE NA <data.frame [19 x 2]>
# 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: 104 x 7
# id text elimination time map id1 text1
# <chr> <chr> <lgl> <lgl> <chr> <chr> <chr>
# 1 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1198 1198 Rest of Sweden
# 2 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1214 1214 Svalöv
# 3 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1230 1230 Staffanstorp
# 4 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1231 1231 Burlöv
# 5 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1233 1233 Vellinge
# 6 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1256 1256 Östra Göinge
# 7 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1257 1257 Örkelljunga
# 8 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1260 1260 Bjuv
# 9 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1261 1261 Kävlinge
# 10 BOPKOMSV municipality of residence TRUE FALSE oeresund_municipality2007 1262 1262 Lomma
# # ... with 94 more rowsDataframen vi får i retur visar att det är tabellen vid namn “OEPEN1S” som innehåller pendling från Skånska kommuner till danska kommuner i Öresundsregionen. Det enklaste är nu att bygga JSON-frågan i konsolen. Det går att klicka på variablerna i textrutan “Variable- and value codes” för att lägga till dem i JSON-frågan. Vill man ha med alla värden skriver man en asterix:
Kopiera JSON-frågan i “3) Call the API with the chosen settings:” och klistra in i som fråga till POST-anropet till Örestatdatabanken enligt nedan:
bodytxt <- '{
"lang": "en",
"table": "OEPEN1S",
"format": "CSV",
"valuePresentation": "Value",
"delimiter": "Tab",
"variables": [
{
"code": "BOPKOMSV",
"values": [
"1280"
]
},
{
"code": "ARBKOMSV",
"values": [
"*"
]
},
{
"code": "TYPESV",
"values": [
"1"
]
},
{
"code": "Tid",
"values": [
"2015"
]
}
]
}'
bodytxt_list <- jsonlite::fromJSON(bodytxt,
simplifyVector = FALSE,
simplifyDataFrame = FALSE)
req <- POST("http://api.statbank.dk/v1/s24/data",
body = bodytxt_list, encode = "json", verbose())
stop_for_status(req)
dfanswer <- as_data_frame(content(req))
dfanswer <- separate(dfanswer, col = 1, sep = "\t", into = unlist(strsplit(names(dfanswer), split = "\t")))
# Värdevariabeln (INHOLD) är av typ character och inte av typ integer. Det fixar vi med:
dfanswer$INDHOLD <- as.integer(dfanswer$INDHOLD)
dfanswer
# # A tibble: 47 x 5
# BOPKOMSV ARBKOMSV TYPESV TID INDHOLD
# <chr> <chr> <chr> <chr> <int>
# 1 1280 Malmö 96 Rest of Denmark Commuters 2015 0
# 2 1280 Malmö 101 Copenhagen Commuters 2015 3951
# 3 1280 Malmö 147 Frederiksberg Commuters 2015 330
# 4 1280 Malmö 151 Ballerup Commuters 2015 261
# 5 1280 Malmö 153 Brøndby Commuters 2015 194
# 6 1280 Malmö 155 Dragør Commuters 2015 30
# 7 1280 Malmö 157 Gentofte Commuters 2015 199
# 8 1280 Malmö 159 Gladsaxe Commuters 2015 359
# 9 1280 Malmö 161 Glostrup Commuters 2015 135
# 10 1280 Malmö 163 Herlev Commuters 2015 114
# # ... with 37 more rows