Mein Datensatz umfasst UFO-Sichtungen aus der ganzen Welt von den Jahren 1906 bis 2014. Der Datensatz stammt von Kaggle.com und beinhaltet verschiedene Positionsdaten wie Breiten- und Längengrade sowie die Namen von Städten und Staaten. Zusätzlich enthält er verschiedene Zeitdaten, darunter die Sichtungsdauer, die Tageszeit und die Jahreszeit. Des Weiteren gibt es weitere Informationen über die Sichtungen. Es war interessant zu untersuchen, ob es Zusammenhänge zwischen all diesen Datenpunkten gibt. Zudem habe ich überlegt, welche Daten ich für unterschiedliche Visualisierungen nutzen könnte und welche Daten keinen zusätzlichen Mehrwert für mein Projekt bieten.

Ich habe meinen Datensatz direkt auf Kaggle mithilfe der Python-Skriptsprache verarbeitet. Dabei habe ich mich auf die Jahre 2009 bis 2014 konzentriert und die Daten auf die USA beschränkt, wobei ich Spalten wie die Beschreibung ausgelassen habe. Dies hat es mir ermöglicht, den Datensatz von über 1,4 Millionen Daten auf nur noch 300.000 zu reduzieren.

Nachdem ich meine Daten vorbereitet hatte, exportierte ich den Datensatz mit einem weiteren Befehl auf Kaggle als CSV-Datei und konvertierte ihn in eine JSON-Datei. Anschließend integrierte ich meine Daten als Array in einer Konstanten namens “ufosightings” in meiner data.js. In meiner main.js gruppierte und rundete ich die Werte für Breiten- und Längengrade, sodass sie keine Dezimalstellen mehr hatten.