Datum des CBS-Abzugs: 2022-11-01
Dieser Bericht wurde automatisiert mit R Markdown erstellt. Der pica-rs-Code für die Abfrage aller Tc-Sätze und der R-Code für die Berechnung der Ausgabetabelle können durch Aufklappen der Codeblöcke eingesehen werden.
Von allen Datensätzen mit 002@.0 == 'Tc'
werden die Unterfelder $2
und $4
der PICA+-Felder 022P, 028P, 029P, 030P, 041P und 065P ausgelesen und die IDN-Anzahlen für alle Kombinationen der Werte {‘agrovoc’, ‘lcsh’, ‘ram’, ‘mesh’, ‘stw’, ‘thesoz’, ‘embne’, ‘nsbncf’} in $2
und {‘ftaa’, ‘ftae’, ‘ftai’, ‘ftao’, ‘ftau’, ‘ftob’, ‘ftub’, ‘ftvb’, ‘ftnu’} in $4
berechnet.
Eine äquivalente Abfrage in der WinIBW für den ersten Rückgabewert lautete f bbg tc crt (agrovoc and ftaa)
.
#!/bin/bash
set -euo pipefail
# set -x
# https://wiki.dnb.de/display/GND/1.+Mappings+GND+-+Fremdthesauri,
# https://wiki.dnb.de/display/GND/5.+Datenformat+GND+-+Crosskonkordanzen+zu+externen+Thesauri
dnb_dump=/srv/aen-data/pica/T.dat
# Tc-Sätze
pica filter -s "002@.0 == 'Tc'" $dnb_dump -o Tc.dat
# 028P (700) - "p" - Person
# 029P (710) - "b" - Körperschaft
# 030P (711) - "f" - Konferenz
# 022P (730) - "u" - Einheitstitel
# 041P (750) - "s" - Sachbegriff
# 065P (751) - "g" - Geografikum
pica filter -s "028P.4?" Tc.dat |
pica select -H "IDN, Feld, Thesaurus, Relation" \
"003@.0, '028P', 028P{2, 4}" -o Tc.csv
# ohne Header anhängen
pica filter -s "029P.4?" Tc.dat |
pica select "003@.0, '029P', 029P{2, 4}" >> Tc.csv
pica filter -s "030P.4?" Tc.dat |
pica select "003@.0, '030P', 030P{2, 4}" >> Tc.csv
pica filter -s "022P.4?" Tc.dat |
pica select "003@.0, '022P', 022P{2, 4}" >> Tc.csv
pica filter -s "041P.4?" Tc.dat |
pica select "003@.0, '041P', 041P{2, 4}" >> Tc.csv
pica filter -s "065P.4?" Tc.dat |
pica select "003@.0, '065P', 065P{2, 4}" >> Tc.csv
Anzahl der Tc-Sätze gruppiert nach Thesaurus und Relation:
# Crosskonkordanzen einlesen
ck <- read_csv('Tc.csv', col_types = 'cccc')
# Wertebereiche gemäß Wiki-Seiten definieren
thesauri <- read_csv('Thesauri.csv', col_types = 'cc')
relationen <- read_csv('Relationen.csv', col_types = 'cc')
# Crosskonkordanzen filtern und zählen
rslt1 <- ck %>%
filter(Thesaurus %in% thesauri$Code & Relation %in% relationen$Code) %>%
mutate(
Thesaurus = factor(Thesaurus,
levels = thesauri$Code, labels = thesauri$Thesaurus),
Relation = factor(Relation,
levels = relationen$Code, labels = relationen$Relation)
) %>% # auch alle leeren Levels jeweils mit Anzahl 0 anzeigen
group_by(Thesaurus, Relation, .drop = FALSE) %>%
# jede Kombination (Thesaurus, Relation) je IDN nur einmal zählen
summarise(n = n_distinct(IDN)) %>%
pivot_wider(id_cols = Relation, names_from = Thesaurus, values_from = n)
# Summe
rslt2 <- data.frame(Relation = factor('GESAMT'),
rslt1 %>% select(-Relation) %>% summarise_all(.funs = sum))
# Formatierte Ausgabetabelle
rbind(rslt1, rslt2) %>%
mutate_at(.vars = setdiff(colnames(.), 'Relation'), .funs = ~ formatC(
., format = 'd', big.mark = '.', decimal.mark = ',')) %>%
knitr::kable(align = c('l', rep('r', ncol(.)-1)))
Äquivalenz (ftaa) | 43 | 74.564 | 73.260 | 36 | 8.791 | 97 | 11.260 | 8.564 |
exakte Äquivalenz (ftae) | 5.497 | 330 | 298 | 4.628 | 0 | 7.342 | 17 | 22 |
inexakte Äquivalenz (ftai) | 5 | 152 | 169 | 188 | 0 | 205 | 0 | 3 |
ODER-Äquivalenz (ftao) | 51 | 16 | 15 | 65 | 0 | 0 | 0 | 0 |
UND-Äquivalenz (ftau) | 1.293 | 2.844 | 5.107 | 116 | 402 | 1.609 | 1 | 0 |
Oberbegriff-Relation (ftob) | 2.127 | 0 | 0 | 54 | 7.733 | 2.918 | 0 | 0 |
Unterbegriff-Relation (ftub) | 183 | 0 | 0 | 11 | 360 | 387 | 0 | 0 |
Verwandter-Begriff-Relation (ftvb) | 770 | 0 | 0 | 13 | 3.585 | 923 | 0 | 0 |
Null-Relation (ftnu) | 168 | 17.953 | 19.402 | 0 | 818 | 872 | 0 | 1 |
GESAMT | 10.137 | 95.859 | 98.251 | 5.111 | 21.689 | 14.353 | 11.278 | 8.590 |