Garrick Aden-Buie
5655a2961a
out: addresses
před 2 roky
Garrick Aden-Buie
8d9ac72fc5
work snapshot
před 2 roky
Garrick Aden-Buie
e1dcb0667f
update reports
před 2 roky
Garrick Aden-Buie
35f3a9a847
sort report list by report_id
před 2 roky
Garrick Aden-Buie
5478feb4c0
easier method to load prepped data from parquet to duckdb tables
před 2 roky
Garrick Aden-Buie
23690d6c76
progress before pause
před 2 roky
Garrick Aden-Buie
1f8f26ce30
task: table of committees
před 2 roky
Garrick Aden-Buie
7901dc4920
break process into two steps: prepare and process; pick final report
před 2 roky
Garrick Aden-Buie
2ae2575005
fix: save result of table post-processing
před 2 roky
Garrick Aden-Buie
422727b68d
need to know fixed sboe_id when writing out the parquet files
před 2 roky
Garrick Aden-Buie
070e95a120
fix missing sboe_id values that are "No Id" in the database
By filling these in with `NOID-{report_id}`. This creates a unique sboe_id
for the committee for the report, otherwise all "No Id" committees would
end up being impossible to differentiate.
před 2 roky
Garrick Aden-Buie
9a1c6642e3
add validation/exploration script
před 2 roky
Garrick Aden-Buie
31ab569fd8
add `cf_db_create()`
před 2 roky
Garrick Aden-Buie
87bca76b78
`cover` table should have distinct rows, fill in missing covers
před 2 roky
Garrick Aden-Buie
9aa81ea812
faster data collection setup
před 2 roky
Garrick Aden-Buie
120702d2ae
track collect/data-raw/report_list.csv
před 2 roky
Garrick Aden-Buie
7a2cef064a
fix a bug in report processing
transposing the list would silently drop list elements
před 2 roky
Garrick Aden-Buie
8be009d5cf
move reports into subdirs
před 2 roky
Garrick Aden-Buie
fac27f746b
status and collection process update reports
před 2 roky
Garrick Aden-Buie
f6e8c9deda
finish process
před 2 roky
Garrick Aden-Buie
7b988094ca
read in report exports
před 2 roky
Garrick Aden-Buie
8593c43fbe
process raw data in a new project
před 2 roky
Garrick Aden-Buie
70369dd98b
move data collection into subfolder
před 2 roky
Garrick Aden-Buie
c87a804c04
getting receipts and expenditures worked out
před 2 roky
Garrick Aden-Buie
23d145fb5d
trying to parse the badly formatted csvs
před 2 roky
Garrick Aden-Buie
df7d8d347b
prepping to read into parquet format
před 2 roky
Garrick Aden-Buie
3f6def269c
reorganize targets an ensure up to date
před 2 roky
Garrick Aden-Buie
3299e98daf
ignore data-raw folder
před 2 roky
Garrick Aden-Buie
261a6f5837
rework pipeline to locally store complete report as raw text
před 2 roky
Garrick Aden-Buie
83b9d4d169
udpate gitignore
před 2 roky
Garrick Aden-Buie
da3eadc747
getting report sections, fixed getting document list
před 2 roky
Garrick Aden-Buie
f7eb2a291c
track committee list
před 2 roky
Garrick Aden-Buie
1f1bd52d9f
get document list for all committees since 2016
* Finds all relevant reporting docs for all committees
* This data doesn't have the link to the actual report data,
but it does give us SBOE ID, which will lead us to the right place.
před 2 roky