# Fjerne kolonner for næringskode:

df.drop(columns=['naeringskode1', 'naeringskode1_beskrivelse', 'naeringskode2', 'naeringskode2_beskrivelse', 'naeringskode3', 'naeringskode3_beskrivelse'])

Eit grep som gjer det lettare å slå opp dei 250 organisasjonsnummera, er å hente fleire enheter i eitt API-oppslag.
Eksempel: https://data.brreg.no/enhetsregisteret/api/enheter/?organisasjonsnummer=983887457,889640782

Korleis ein gjer dette i Python/Pandas veit eg dessverre ikkje i farta.

Jeg lurer på om noen av dere har tips til bruk av APIet. Er ikke så kjent med curl, men helt ok i python og terminal.

Ønsker å hente navn for et sett med ca 250 organisasjonsnumre. Jeg kan selvfølgelig gjøre det for hver enkelt enhet med:

$ curl 'https://data.brreg.no/enhetsregisteret/api/enheter/112233445' -i -X GET

men får da hele oppføringen i retur.

Noen som har tips til hvordan jeg kan be om bare navn for hele listen med org.nr.?

Kommentarfeltet tenker eg passar betre for kortare kommentarar, til dømes @oivind-langeland sitt innlegg med eit godt tips til andre brukarar på å vere obs på at XLSX-fila har fleire ark. Det er nokre tankar om kva ein kan bruke kommentar-feltet til i lanseringsposten frå tidlegare i år. Kommenter gjerne om du har tankar om kommentarfeltet.

Dersom ein har ein lengre diskusjonstråd som her, så passar det betre som ein vanleg tråd/emne i Datalandsbyen. Når ein legg inn ei lenke til datasettet i posten, dukkar det opp i datasett-oppføringa på data.norge.no, under avsnittet «Datalandsbyen»:

response = requests.get('https://data.brreg.no/enhetsregisteret/api/enheter/920125298')
print(response.text)

Svar:
{"organisasjonsnummer":"920125298","navn":"ASKER KOMMUNE","organisasjonsform":{"kode":"KOMM","beskrivelse":"Kommune","_links": ......

Det er mulig dette er en avsporing av den opprinnelige tråden som handlet om utforskning av ER med Pandas?
Har i tilfelle noen forslag til hvor tips/triks/spørsmål om bruk av ER APIet hører hjemme?
Hvis noen lager en Python tutorial på bruk av ER APIet for nybegynnere kan det kanskje være et nytt innlegg på nivå med "Analyse av Enhetsregisteret med Python og Pandas"?

Jeg har skrevet en liten python-snutt som bruker det APIet. Den ligger her: https://github.com/xivind/learning-code/blob/main/br_enhetsregisteret/er_api_test.py

Med slik bruk av APIet får du json-svaret fra APIet rett inn i arbeidsminnet og kan skrive det ut (print-metoden) eller gjøre andre operasjoner på det, f. eks. sammenstille og skrive til en json-fil. Eller lese inn i en Panda-frame for litt analyse, jf. Steinars instruks. Håper dette er til hjelp, og så har sikkert folkene fra BR eller Digdir @livar-bergheim mer å legge til PS Kodesnutten jeg viser til over er fortsatt under arbeid..

import requests

response = requests.get('https://data.brreg.no/enhetsregisteret/api/enheter/lastned')
print(response)

def lag_utvalg(): 
    Xlsx2csv(ER_FULL_FIL, outputencoding="utf-8").convert("er1.csv", sheetid=1)
    Xlsx2csv(ER_FULL_FIL, outputencoding="utf-8").convert("er2.csv", sheetid=2)

    df_fane1 = pd.read_csv('er1.csv')
    df_fane2 = pd.read_csv('er2.csv')
    df_kombinert = pd.concat([df_fane1, df_fane2], ignore_index=True, sort=False)
    df_kombinert_trimmet = df_kombinert[["Organisasjonsnummer", "Navn", 'Organisasjonsform.kode', "Organisasjonsform.beskrivelse", "Næringskode 1", "Næringskode 1.beskrivelse", "Næringskode 2", "Næringskode 2.beskrivelse", "Næringskode 3", "Næringskode 3.beskrivelse", "Postadresse.adresse", "Postadresse.kommune", "Registreringsdato i Enhetsregisteret", "Antall ansatte"]]
    df_utvalg = df_kombinert_trimmet.astype(str)
 
    sok_etter = list(NACE_UTVALG.split(","))

    nace_utvalg_1 = df_utvalg[df_utvalg['Næringskode 1'].str.contains('|'.join(sok_etter))]
    nace_utvalg_2 = df_utvalg[df_utvalg['Næringskode 2'].str.contains('|'.join(sok_etter))]
    nace_utvalg_3 = df_utvalg[df_utvalg['Næringskode 3'].str.contains('|'.join(sok_etter))]
       
    utvalg = pd.concat([nace_utvalg_1, nace_utvalg_2, nace_utvalg_3], ignore_index=True, sort=False).drop_duplicates(subset=['Organisasjonsnummer'])
    
    skriv_csv(utvalg, ER_UTVALG_FIL)

Enhetsregisteret som CSV via Datahotellet
Når det gjeld Enhetsregisteret i CSV-format så er det tilgjengeleg via Datahotellet (hotell.difi.no).

Merk at det er data.brreg.no som er hovud-distribusjonen for Enhetsregisteret. Når Enhetsregisteret vart gjort tilgjengeleg som opne data for om lag 10 år sidan, vart det først distribuert via Datahotellet. Seinare (2016?) starta Brønnøysundregistrene med distribusjonar frå eigne løysingar på data.brreg.no. Sidan så mange brukar Datahotellet, har ein fortsett å distribuere der også. Skal ein setje opp integrasjonar, bør ein bruke data.brreg.no.

Jeg har Googlet høyt og lavt, men klarer ikke å forstå hvorfor dette avviket oppstår. Det virker ikke sannsynlig at det er et avvik i xlsx-filen Brreg tilgjengeliggjør, så i så fall må feilen oppstå under konverteringen jeg gjør fra xlsx til csv. Men jeg kan ikke forstå det heller. Som deg så bruker jeg Xlsx2csv-modulen. Har også prøvd å gjøre konverteringen med pandas metoder (.read_excel og .to_csv og openpyxl). Det tar vanvittig mye lenger tid enn xlsx2csv-modulen og resultatet blir akkurat det samme. Jeg vurderer å bruke json-filen i stedet, men med sine 1,1 gb er den er veldig mye tyngre å jobbe med, så jeg vil helst unngå det. Har du eller noen av dere andre i datalandsbyen noen ideer her?

PS I fare for å avsløre min manglende kompetanse på denne type ting: hva er grunnen til at Brreg ikke tilgjengeliggjør ER som en csv, bortsett fra at den er 70 mb større enn xlsx-versjonen?

På forhånd tusen takk for svar!