Creating Good Data: A Guide to Dataset Structure and Data Representation Harry J. Foxwell - Download the ebook today and experience the full content
Creating Good Data: A Guide to Dataset Structure and Data Representation Harry J. Foxwell - Download the ebook today and experience the full content
com
https://textbookfull.com/product/creating-good-data-a-guide-
to-dataset-structure-and-data-representation-harry-j-
foxwell/
OR CLICK HERE
DOWLOAD EBOOK
https://textbookfull.com/product/guide-to-data-analytics-aicpa/
textbookfull.com
https://textbookfull.com/product/data-lake-analytics-on-microsoft-
azure-a-practitioners-guide-to-big-data-engineering-harsh-chawla/
textbookfull.com
https://textbookfull.com/product/data-and-the-built-environment-a-
practical-guide-to-building-a-better-world-using-data-1st-edition-ian-
gordon/
textbookfull.com
https://textbookfull.com/product/a-data-scientist-s-guide-to-
acquiring-cleaning-and-managing-data-in-r-1st-edition-samuel-e-
buttrey/
textbookfull.com
Managing and Sharing Research Data A Guide to Good
Practice 1st Edition Louise Corti Veerle Van Den Eynden
Libby Bishop Matthew Woollard
https://textbookfull.com/product/managing-and-sharing-research-data-a-
guide-to-good-practice-1st-edition-louise-corti-veerle-van-den-eynden-
libby-bishop-matthew-woollard/
textbookfull.com
https://textbookfull.com/product/quick-start-guide-to-azure-data-
factory-azure-data-lake-server-and-azure-data-warehouse-1st-edition-
mark-beckner/
textbookfull.com
https://textbookfull.com/product/learning-representation-for-multi-
view-data-analysis-models-and-applications-zhengming-ding/
textbookfull.com
https://textbookfull.com/product/data-structure-and-algorithms-using-
c-a-practical-implementation-1st-edition-sachi-nandan-mohanty/
textbookfull.com
Harry J. Foxwell
Creating Good Data: A Guide to Dataset Structure and Data Representation
Harry J. Foxwell
Fairfax, VA, USA
Introduction�������������������������������������������������������������������������������������������������������������xv
v
Table of Contents
vi
Table of Contents
vii
Table of Contents
Index��������������������������������������������������������������������������������������������������������������������� 103
viii
About the Author
Dr. Harry J. Foxwell teaches graduate data analytics courses
at George Mason University’s Department of Information
Sciences and Technology. He draws on his decades of
prior experience as a Principal System Engineer for Oracle
and for other major IT companies to help his students
understand the concepts, tools, and practices of big data
projects. He is a coauthor of several books on operating
systems administration and is a designer of the data analytics
curricula for his university courses. He is also a US Army
combat veteran, having served in Vietnam as a Platoon
Sergeant in the 1st Infantry Division. He lives in Fairfax,
Virginia, with his wife Eileen and two bothersome cats. Find out more about him at
https://cs.gmu.edu/~hfoxwell/.
ix
About the Technical Reviewer
Thomas Plunkett has extensive experience with big data and data analytics. He has
taught university courses on related technical topics.
xi
Acknowledgments
I have benefited greatly from valuable encouragement and support for this work from
numerous colleagues at George Mason University. Dr. James Baldo, Director of the Data
Analytics Engineering program, provided helpful early advice and focus suggestions.
And special thanks to Ms. Vidhyasri Ganapathi, Teaching Assistant for several of my data
analytics courses, for identifying students’ challenges in learning and practicing data
science and for confirming their need for this guidance in preparing good datasets.
xiii
Introduction
Extracting actionable knowledge from data is a major ongoing challenge of modern IT in
corporations, governments, and academia. Creating effectively usable datasets requires
an understanding of data quality issues and of data types and the related analytics which
can properly be applied. There are numerous data analytics resources – books, articles,
blogs, and even commercial software – describing how to clean up and transform
data after it has been collected, yet there is little practical guidance on how to avoid or
minimize the typical “data cleaning” tasks beforehand. Such guidance and best practices
are needed to eliminate or reduce lengthy dataset preparation.
Data analysts are often simply presented with datasets for exploration and study
which are poorly designed, leading to difficulties in interpretation and to delays in
producing usable results. In fact, some analysts report spending up to 80% of their
time just getting data ready to be explored so that it can be effectively interpreted.
And much data analytics training and published resources focus on how to clean and
transform datasets before serious analyses can even begin. Inappropriate or confusing
representations, unit of measurement choices, coding errors, missing values, outliers,
and others can be avoided by using good data item selection, good dataset design and
collection, and by understanding how data types determine the kinds of analyses that
can be performed.
Why not create good data from the start, keeping in mind how it will be used,
rather than fixing it after it is collected?
Creating Good Data discusses the principles and best practices of dataset creation
and covers basic data types and their related appropriate statistics and visualizations.
Following these guidelines results in more effective analyses and presentations of
your research data. A key focus of this book is why certain data types and structures
are chosen for representing concepts and measurements, in contrast to the usual
discussions of how to analyze a specific data type once it has been selected.
xv
CHAPTER 1
Learning about data analytics tools and methods typically begins with discussions of
how to prepare a given dataset for analysis. The reason for this is that many datasets
have problems – defects in design, missing or incorrect data items, and non-standard
file formats. This often leads to lengthy and complex tasks required to produce datasets
ready for efficient analysis. Unfortunately, the critical first step – understanding the
nature of data representation – is frequently missing or not sufficiently addressed in
resources about data analytics, especially for practitioners just starting their technical
careers. Thus, in this chapter, we start with the detailed understanding of data – what it
is, how it is expressed, and what we mean by “good” and “bad” data. Only by basing your
analyses on good data will you produce trustworthy interpretations of your research,
leading to good decisions and knowledge-based actions. Let’s get started.
1
© Harry J. Foxwell 2020
H. J. Foxwell, Creating Good Data, https://doi.org/10.1007/978-1-4842-6103-3_1
Chapter 1 The Need for Good Data
• Students who are learning methods and tools for exploring data
Assumptions
We assume you have a basic knowledge of statistical methods and tools for summarizing
and visualizing datasets, including using tools such as R, Python, and SQL, and perhaps
some familiarity with commercial software such as SAS, SPSS, and Tableau. Many of you
likely already have a library of data analytics texts and other resources that cover data
cleaning and presentation, but who would like “early intervention” in dataset design.
All professionals in the rapidly growing data analytics field can benefit from
instruction on creating data themselves or on guiding others who will create datasets
for their analyses. Data analysts who are called upon to explore and explain other
researchers’ data can thus guide and encourage the creation of better datasets.
Readers of Creating Good Data will use it regularly as a reference, for practitioners
as well as for students taking data analytics courses. The book can also serve as a
supplementary textbook for such courses.
By the end of Creating Good Data, you will understand
• Dataset formats and best practices for creating and sharing datasets
• Examples and use cases (good and bad)
2
Chapter 1 The Need for Good Data
Brief code examples from R, Python, and SQL will be included, but this book is not
intended to be a complete tutorial for data analysis coding in those languages – there are
plenty of those [2,3,4]. Our focus will be on dataset format and data representation using
those programming tools.
3
Chapter 1 The Need for Good Data
4
Chapter 1 The Need for Good Data
Figure 1-2. Data generated during a single Internet minute in 2018 [7]
www.visualcapitalist.com/internet-minute-2018/
• Accuracy
5
Chapter 1 The Need for Good Data
• Relevance
• Representative
• Well-defined
• Data items’ meanings must be unambiguously defined in a
schema, metadata, or data dictionary.
• Complete
• Granular
“Data are people” [8]. Getting data “right” can have important, at times life-critical,
consequences – like data from testing the effectiveness of the Ebola vaccine, calculating
consumer financial decisions based on credit scores, or determining sentences for
crimes. Awareness and ethical practices concerning human-relevant data should always
be implemented in data selection and dataset management.
Good data even has the potential for changing fundamental beliefs. The astronomer
Kepler was taught and strongly believed that planetary orbits must be perfect circles;
his Mars data proved otherwise and led to his famous formulation of the laws of motion
for the planets. And today, climate scientists produce and publish data with the hope of
convincing the world about the dangers of climate change. Bad climate study data and
analysis simply encourages dangerous climate change denial; good climate data has the
potential for changing minds.
6
Chapter 1 The Need for Good Data
in, garbage out” succinctly describes this situation. The sources of bad data include pre-
collection design decisions, collection errors, and post-collection interpretation errors.
Understanding these sources and planning to address them is essential to effective and
accurate dataset analysis.
• Collection errors
7
Chapter 1 The Need for Good Data
Preventive Action
Some data analysts report spending the majority of their time on a project cleaning,
transforming, and preparing their assigned datasets [9]. Obviously, this is costly in time,
money, and technical resources. And as Deming also points out, trying to solve this
problem after the data have been created is not an effective solution:
Inspection does not improve the quality, nor guarantee quality. Inspection
is too late. The quality, good or bad, is already in the product. —W. Edwards
Deming [1]
That is, the “product” – data – needs to be created from the start using practices and
components that at least minimize the “bugs” in your datasets. Of course, eliminating
all such problems is probably not possible, but if you can get off to a good start with your
analytical projects’ data, you will produce better and more trusted results.
8
Chapter 1 The Need for Good Data
S
ummary
In this introductory chapter, we learned about the need for good data, what we mean by
“good” and “bad” data, and the origins of potential dataset problems. Minimizing such
problems requires awareness of how data collection can fail and by using procedures
that ensure quality project design and execution.
The next chapter examines the numerous data types and formats which can be used
to represent observations. Thoroughly understanding these data characteristics and
using them appropriately will help you significantly in designing and executing your
research.
C
hapter References
[1] W. Edwards Deming Quotes, https://quotes.deming.org/
[3] Hui, Eric. Learn R for Applied Statistics. New York NY: Apress,
2019.
[4] Nelli, Fabio. Python Data Analytics. New York NY: Apress, 2018.
[8] Ten simple rules for responsible big data research, https://
dash.harvard.edu/bitstream/handle/1/32630692/5373508.pdf
9
CHAPTER 2
Decisions about how to represent data measurements for your research projects
have important consequences – they directly determine what kinds of statistical and
visualization methods can ultimately be used for analysis and presentation of your
results. This means you need to select representation types thoughtfully with your
analytical goals in mind while at the same time trying to avoid any form of bias in what
you decide to measure and what you anticipate your data exploration and analysis tasks
will look like.
When we consider a “type” for a data item, we need to specify its context and
purpose for our discussion. For programming languages, we define computational
data types (storage formats), such as integer (short and long), floating point (single and
double precision), character (single and multicharacter strings), Boolean (0/1, T/F),
and derived types such as pointers, how many bits or bytes they use, and how they are
referenced by the syntax of the language.
For data analytics, however, we focus on how a data item is to be used and
interpreted and so refer to analytical data types. Additionally, we categorize such data
items as qualitative or quantitative, and then we discuss how varieties within these two
categories represent specific measurement requirements.
11
© Harry J. Foxwell 2020
H. J. Foxwell, Creating Good Data, https://doi.org/10.1007/978-1-4842-6103-3_2
Chapter 2 Basic Data Types and When to Use Them
We will now discuss the four generally accepted data types, Nominal, Ordinal,
Interval, and Ratio (often abbreviated NOIR), and include brief Python or R code
examples to illustrate basic statistical and visualization methods for the data types
presented.
12
Chapter 2 Basic Data Types and When to Use Them
Nominal/Categorical Data
Nominal (also called categorical) measures are used to capture qualitative attributes that
have no size or extent characteristics. They are simply labels or names for some observed
attribute such as country of birth, occupation, manufacturing brand, or language
spoken. This also includes binomial (or dichotomous) characteristics such as true/
false, yes/no, or agree/disagree. Such measures explicitly have no implication of order
among the labels. For example, for a person’s primary spoken language (English, French,
Spanish, Farsi, Chinese, etc.), there is no implied order among the languages; you
can’t claim that French is “bigger” than English in any linguistic or mathematical sense
(unless perhaps if you are from France!). Moreover, you can’t do any kind of arithmetical
operations among the category members – there is no concept of a “mean language.”
A nominal data representation must have two important characteristics: its
categories must be exhaustive and mutually exclusive. Exhaustive means that the
categories cover all possible values in some manner, although there might be a generic
“other” category that encompasses multiple cases of low frequency or importance.
Mutually exclusive means there cannot be any cases that belong to more than one
category. Nominal data items might have many categories represented (e.g., country of
birth, where there are nearly 200) or only a few such as gender (male or female).
Tip Many studies have used gender as a qualifying nominal variable, but such
classification is not always well-defined and recent usage might include “other” or
specific “non-binary” values. Be aware of any such relevant ambiguities in the data
items you select for your analysis.
Because there is no implied quantity for a nominal data item, this limits the kinds
of summary statistics, visualizations, and comparisons that are allowable for analysis.
Nominal data item collections don’t have means, maxima or minima, or measures of
variability like standard deviations. All that is possible to characterize such data are
frequencies of occurrence – how many there are in each category, which can be expressed
as absolute counts or as percentages or proportions of the total. Visual summaries of
such data include various forms of bar charts and pie* charts. And when counting the
frequency of items in each possible category, the category with the largest number
of items is the mode (although there might be several categories with relatively high
frequencies, referred to as multimodal).
13
Chapter 2 Basic Data Types and When to Use Them
To illustrate nominal data (and subsequent data types), let’s examine a sample
synthetic dataset (constructed for illustration) of hypothetical college graduates, GD-
Data.csv [3]. Only the first ten records of 500 are shown:
gender;age;degree;field;wrkfld;annsal;payfair;jobsat
Female;40;BS;Engr;Yes;78.0;4;4
Male;39;MS;Engr;Yes;64.0;4;4
Male;36;MS;Comp;No;70.0;3;4
Male;42;MS;Comp;Yes;85.0;5;3
NotSay;39;BS;Comp;Yes;71.0;5;3
Male;38;MS;Biol;Yes;113.0;3;4
Male;38;MS;Comp;Yes;84.0;3;3
Male;37;MS;Chem;Yes;61.0;3;2
Other;28;MS;Chem;Yes;72.5;3;2
Female;31;MS;Comp;Yes;73.5;4;3
...
As we see from Listing 2-1, field is a character string representing a category, so the
permissible analytics for this data item includes counts, relative frequencies, and bar
chart visualizations, as shown in Figure 2-1.
14
Chapter 2 Basic Data Types and When to Use Them
In[37]: data.field.value_counts()
Out[37]:
Biol 160
Comp 144
Chem 120
Engr 46
Phys 28
Name: field, dtype: int64
In[38]: round(data.field.value_counts(normalize=True),2)
Out[38]:
Biol 0.32
Comp 0.29
Chem 0.24
Engr 0.09
Phys 0.06
Name: field, dtype: float64
We can also produce this basic analysis using Python along with the pandas library
(Listing 2-2).
Listing 2-2. Sample Python code for a nominal data item field
import pandas as pd
data = pd.read_csv('.../Good_Data/GD-Data.csv', sep=';')
data
data.field.describe()
data.field.value_counts()
round(data.field.value_counts(normalize=True),2)
data.field.value_counts().plot(kind='bar')
15
Chapter 2 Basic Data Types and When to Use Them
Figure 2-1. Bar chart visualization for nominal data item field
Note that we see the counts for each field and easily see the mode (most common
field). As a general rule, use nominal data item methods when analyzing non-numeric
characteristics (qualities) that have no intrinsic order.
O
rdinal Data
A special case of nominal/categorical data is ordinal, where there is an implied
quantitative difference among the categories but not so specific as to allow for
mathematical comparison. In our example dataset, degree clearly has some quantitative
characteristic – the “amount” of educational training acquired. But there is no
mathematical interpretation of the relative differences in those amounts as specified.
Just like nominal data, summaries of ordinal data types use counts, frequencies,
percentages, and proportions, along with bar charts. You can use the same methods. For
example, Listings 2-3 and 2-4 and Figure 2-2 show statistics and bar chart visualization
for ordinal data item degree.
16
Chapter 2 Basic Data Types and When to Use Them
Listing 2-3. Sample Python code for a nominal data item degree
data.degree.describe()
data.degree.value_counts()
round(data.degree.value_counts(normalize=True),2)
data.degree.value_counts().plot(kind='bar')
In[52]: data.degree.value_counts()
Out[52]:
MS 286
BS 161
PHD 51
Name: degree, dtype: int64
In[53]: round(data.degree.value_counts(normalize=True),2)
Out[53]:
MS 0.57
BS 0.32
PHD 0.10
Name: degree, dtype: float64
Figure 2-2. Bar chart visualization for ordinal data item degree
Interestingly, depending on the domain and context of your study, what appears
to be a nominal data item could be interpreted as an ordinal data item. Take color, for
example. In some cases, only the color quality is interpreted (e.g., hair color: red, blond,
17
Chapter 2 Basic Data Types and When to Use Them
brown, black, etc.), but as a physical quantity/measurement, colors can have an implied
order: red > yellow > blue with respect to their wavelengths. Such distinctions arise from
the intended use of the data item and how it relates to other items in the dataset. As we
will see later in this chapter, calendar years can be interpreted as nominal or ordinal data
(and even interval or ratio under certain circumstances).
Listing 2-5. Sample Python code for computing percentiles for ratio data item
annsal
data.annsal.quantile(.10)
data.annsal.quantile(.25)
data.annsal.quantile(.50) # the median
data.annsal.quantile(.75)
data.annsal.quantile(.90)
18
Another Random Document on
Scribd Without Any Related Topics
The Project Gutenberg eBook of
Utvandrarehistorier
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.
Title: Utvandrarehistorier
Language: Swedish
UTVANDRAREHISTORIER
Af
Konni Zilliacus
Skändligt var det, funderade han, att man inte mera fick komma in
dit såsom i den gamla, goda tiden, då hvem som hälst kunde gå in.
Det kunde numera bara de stora firmornas runnare göra, men för
fattigt folk voro portarna stängda. Ett sånt kontor skulle man ha vid
någon bättre gata, och bjuda skulle man dem, som hade uppsikten
där inne, på både ett och annat och dessutom trycka dem en sedel i
näfven då och då!
Det var en ypperlig affär, enkel och lätt skött och med bara ett
enda fel — att det inte alltid fans tillgång på afmönstradt sjöfolk med
hopsparade hyror. Men då fingo emigranterna tjäna såsom
affärsobjekt i stället. De hade visst inte synnerligt godt om kontanter,
men kläder hade de vanligen i mängd. Och så voro de inte
nogräknade. Dem kunde man föra ihop fast ett dussin i samma rum,
och sedan alt hvad de ägde var förtärdt, kunde man ännu förtjäna
en styfver på dem genom att skaffa dem arbete. En till två daler per
hufvud fick man ju alltid af runnarne, som värfvade folk till trakter
dit ingen arbetare frivilligt ville gå, och det blef pengar också det
under årets lopp. Mängden gjorde det, och det var ingen konst att få
så många man kunde härbärgera till hotellet, så länge man fick
drifva omkring i Castle Garden och taga hand om dem genast de
kommo i land. Men den affären var nu slut för alla andra än de stora
firmorna och deras runnare plockade nog upp hvarenda en de fingo
tag på. Fattigt folk fick alt sitta emellan i Amerika som där hemma,
menade Tuominen, och därvid föll det honom als inte in att det
egentligen var han själf, som ville, men inte mera kunde sätta det
fattiga folket emellan.
Tuominen svor invärtes hvar gång han tänkte på sin dumhet att
inte själf hitta på den briljanta kombinationen. Men nu ämnade han
inte längre sitta med händerna i kors och se på huru hans affär gick
åt fanders. Han hade också kommit på en briljant idé och det var för
att sätta den i värket, som han i dag och flera dagar förut kommit
ned till Castle Garden, ty nu var det just den tid på året, då
emigranterna från det gamla landet strömmade till New-York.
David Tuominen var ingen barnunge mera och hade sett litet
annat än bara bondlandet redan hemma i Finland. Såsom
landthandlande hade han varit med på åtskilliga marknader och
hade sett huru galna i hufvudet bondpojkarna blefvo, då de kommo
in på ställen, där sångsällskap uppträdde. Då var det inte mera fråga
om öl, utan både punsch och portvin bestäldes fram och ända till
markslantar hade Tuominen sett dem slänga på talriken, då
sångflickan bar omkring den och såg riktigt vänligt på dem.
Det var de minnena, som ingifvit honom den nya idén, hvilken
skulle rädda hotellet vid Chenystreet från undergång och slå
konkurrenten ur brädet. Han skulle ha sig en "pufätsik", såsom han
med ett schangtilt namn betecknade den tilltänkta lockfågeln. Men
finska skulle hon vara, ty hans kunder voro i allmänhet inte
synnerligt hemma i världsspråken och det visste Tuominen af egen
erfarenhet att en kurtis, där inte ordet kan användas såsom
känslovehikel, inte är rolig i längden.
Det var en brokig hop, som långsamt välde fram ur Castle Gardens
portar, genom hvilka redan så många högt flygande förhoppningar,
så många gäckade drömmar, så många brutna och sköflade lif tågat
fram mot en obekant framtid, hvilken nog för de flesta af alla de
många tusenden, som trampat den nötta tröskeln, blifvit långt ifrån
så ljus som de förestält sig. Gammalt folk, som först efter långt och
allvarligt öfvervägande beslutit sig för det svåra steget att lämna
hemland och vänner; unga, äfventyrslystna män och kvinnor, hvilka
fulla af hopp och ljusa framtidsutsikter blott längtade att få börja på i
guldlandet, som skulle gifva dem alt det de icke kunnat hoppas att
vinna där hemma; män med ett stormigt föregående tydligt prägladt
i dragen, tvungna att börja på nytt i en annan del af världen än den
som bevitnat deras förra nederlag, och slutligen den stora hopen af
värkliga arbetare, som kommit blott för att förtjäna en större
dagspenning än hemma, för att få äta sig ordentligt mätta hvar dag
och för att möjligen få ihop litet utöfver de dagliga behofven, att
användas i framtiden af dem själfva eller för hustru och barn, som
stannat efter.
Men Tuominen lät inte afspisa sig så lätt, ty nu såg han att han
inte misstagit sig. Där kom värkligen en duktig, rödblommig flicka i
sällskap med ett par karlar och hennes utseende slog an på
Tuominen i högsta grad. Inte såg hon ju alldeles så ut som han i
tankarna utmålat den blifvande pufätsiken, därtill liknade hon altför
litet sångflickorna sådana han kom ihåg dem, men där fans ett visst
något hos henne i stället, som gjorde att Tuominen sväljde ett par
tag och som kom hans vattiga ögon att blänka. Hon skulle nog
kunna locka sjömanskunderna tillbaka till hotellet!
— Joo, det kunde han svära på. Och ville de inte tro honom, så
kunde de ju höra åt på Jeansons kontor. Herrarna där kände honom
nog och han hade visst ingenting emot att följa med dit.
Gruppen satte sig i rörelse igen med Tuominen och Lena i spetsen.
Han agerade ciceron och kavaljer, berättade och beskref om
Batteryparken, visade pelarjärnvägen, under hvilken de gingo, och
lugnade i öfverlägsen ton Lenas förskräckelse, då ett tåg i ursinnig
fart brusade fram genom luften högt öfver deras hufvuden.
Hon lyssnade nog till hans ord och fick genom dem ett dunkelt
intryck af hans öfverlägsenhet och kunskap om alt möjligt, men hela
tiden hörde hon bakom dem likasom en tung klang af silfverslantar
och orden: fyra daler i veckan — tjugu mark! surrade rundt i hennes
hufvud. Det var ju rent af att bli rik med ens — mången
hemmansbonde i Finland hade inte så stora inkomster.
— Var god och säg den här flickan, sade han tvärsäkert, om jag är
karl att betala henne fyra dalers lön, ifall hon tar tjänst hos mig.
— Jo, nog tänkte jag så, om han bara är den han ger sig ut för.
— Nog har han råd att betala så mycket och mera till om det
gäller, men inte är det något godt ställe ni kommer till.
— Nej, nej, sade han lugnande. Det är det inte, men karlar
komma dit i mängd af alla möjliga slag och de dricka och — — —
— Det är jag inte rädd för, afbröt Lena med en säker knyck på
nacken. Karlar hade hon nog sett förut, både fulla och nyktra. Var
det inte något värre, sade hon, så skulle hon nog taga tjänsten.
Därvid blef det. Kontoristen hade annat göra än att hålla tal om
världens falskhet för obstinata bondjäntor, som ändå till slut gjorde
ackurat såsom de själfva ville. Han höjde på axlarna och vände sig
till en annan kund, som frågat besked om något, medan Lena anhöll
om upplysning af sin blifvande husbonde om, när hon skulle komma
i tjänst, huru hon skulle få upp sin kista från Castle Garden o.s.v.
Det åtog han sig alt att uträtta. Hon skulle bara följa med och
vänta, medan han bestyrde om en expressman, så kunde de sedan
genast begifva sig till hotellet. — Men hade hon inte någon i följe
med sig, som hon ville taga afsked af?
Hon tog afsked af några reskamrater, som också kommit upp till
kontoret, och tågade därefter i väg med sin nya husbonde, tillbaka
ned till Castle Garden. Där blef alt klart i en handvändning, och
därifrån gingo de till pelarbanans närmaste station.
Han sökte lugna henne med att det als inte var någon fara på
färde, men inom sig smålog han öfver sin goda tur. Just en sådan
dum stackare, som ingenting begrep, var det han behöfde. Henne
blefve det nog inte svårt att få till hvad som hälst.
Lena såg sig omkring med en viss förvåning i sitt trinda, fryntliga
ansikte. Inte hade hon ju sett många hotell, men nog hade hon, att
döma af hvad hon hört, förestält sig att de sågo litet finare ut.
Tuominen var inte sen att märka det mindre behagliga intrycket.
Kocken! Det lät ståtligt i Lenas öron. Hon kunde ju inte veta att
kocken var en gammal, försupen matros, som gick på träben sedan
ett storartadt fylleri med slagsmål för ett antal år sedan nere på ett
varf, och som därför var glad att få sköta grytorna på Tuominens
hotell för bara tak öfver hufvudet, maten och några utslitna
klädesplagg då och då.
Jo, det kunde Tuominen visa. Han hade själf klistrat upp nya
tapeter i ett litet kyffe i öfra våningen, sedan Wehkalainen
hvitlimmat taket, och trodde därför att Lena skulle bli förtjust öfver
ståten. Men han hade glömt att låta skura golfvet och tvätta
fönstret, hvilket häller inte varit öppnadt under de år han bott i
huset, så att den blandade doften af gammal tobaksrök, dålig sprit,
surt tapetklister och inbitet snusk var ohygglig, medan golfvets
naturliga färg var omöjlig att upptäcka under de otaliga hvita
fläckarna, hvilkas kalkfärg så bjärt stack af mot den svartbruna
bottenkulören af tobakssaft och smuts.
Lena log så hon sken. Gungstol och matta! Det var nog inte något
fattigt ställe hon kommit till, fastän det syntes att ingen höll ordning
i huset. Men det skulle snart bli annorlunda, om hon bara fick göra
som hon ville.
— Hett vatten och kallt vatten med fins alltid i huset, sade
Tuominen. Här utanför, strax vid trappan fins två kranar — se här —
och dem behöfver man bara vrida på, så får man så mycket vatten
man vill, både varmt och kallt.
— Jag skall låta Wehkalainen hemta upp alt som behöfs, sade han
för att få litet uppskof, ty sådana artiklar hade inte ofta begagnats i
huset i hans tid. Och härmed gick han ned för att sätta husvakten i
värksamhet.
Men Wehkalainen befans inte synnerlig böjd för att skaffa ihop en
skurttiralj.
— Hvad är det för nya konster du nu hittat på? frågade han argt
så snart han fått klart för sig hvarom det var fråga. Här blir förb—dt
roligt, om kvinfolk ska' börja föra kommando — kan hon inte själf
söka rätt på hvad hon behöfver så — — —
— Jo, det kan hon och det ämnar hon också göra, afbröt Lenas
röst. Hon stod i dörren till trappuppgången, barfotad och i
lintygsärmarna, alldeles som hemma. Väntan hade redan blifvit
henne för lång.
Wehkalainen fick med ens lif och rörelseförmåga och Lena följde
med honom åt köket till, medan Tuominen slog i åt sig och tömde en
stor sup. Det var som om en aning sagt honom att den pufätsiken
kanske ändå inte, när alt gick omkring, skulle bli så alldeles lätt att
regera som han förestält sig.
Till en början lät han henne dock hållas, och följden däraf var att
hela hotellet inom några få dagar undergick en otrolig förvandling.
Fönstren voro så klara att man rent af kunde urskilja anletsdragen
hos folk som passerade förbi, den gamla krogdisken sken af
snygghet och petroleum och till och med glasen miste alla spår af att
ha varit i bruk mångfaldiga gånger sedan de sist tvättades. Ja,
själfva golfvet i krogsalen blef skuradt och beströdt med sand, sedan
Lena till sin bedröfvelse fått veta att enris inte stod att få i New-York.
Inte ens Tuominen kunde dölja för sig att hans hotell började se
helt prydligt ut och därför tystade han ned alla invändningar af
Wehkalainen, som kände sig husvill och borttappad i det stora
städningsstöket, med att han ingenting begrep och kunde gå sin väg
ifall han inte var nöjd. Ända ned i köksregionerna sträckte sig
rengöringsifvern och kocken förständigades en gång för alla att
framdeles hålla allting i snygt skick. Det såg nästan ut som om
regeringstyglarna helt och hållet öfvergått i Lenas händer.
Men det var något, som hennes husbonde als inte ämnade
tolerera i längden. Han var klok nog att inse huru förmånlig
förändringen var för affären, men för sin personliga del ansåg han
snygghetsbegäret vara en af dessa mänskliga dygder, hvilka mycket
lätt urarta till farlig öfverdrift. Och dessutom var han fullt upptagen
med skötandet af krogrörelsen de första dagarna, då alt hvad där
fans af ledigt sjöfolk i granskapet samlades för att få se en skymt af
Tuominens "pufätsik", hvarom ryktet spridt sig med otrolig snabbhet.
Det var inte mycket de nyfikna fingo se af henne så länge hon var
i de hetaste arbetstagen och hade inte Tuominen varit slug nog att
endast småningom och helt långsamt uppfostra henne till en
bufettmamsells värf, så är det ganska sannolikt att hans planer åt
det hållet als inte låtit sig förvärkligas. Hon skulle troligen inte gått in
på att dagarna igenom och vanligen långt in på nätterna passa upp
en hop mera eller mindre — oftast mindre — nyktra sjömän, hvilka
naturligtvis alla uppvaktade henne med en kurtis, hvars
huvudbeståndsdel utgjordes af handgripliga artighetsbetygelser. Men
till en början behöfde hon blott tre eller fyra gånger om dagen
komma in och diska glasen, en nyhet den Tuominen infört enkom för
att småningom vänja henne vid elden, och då föll det sig ju så
naturligt att bedja henne hjälpa litet här och där med serveringen,
en hjälp som påkallades alt oftare tills Lena om några veckor fann
sig upptagen med servering af öl och whisky från morgon till kväll.
Ty för deras skull var det hon begifvit sig ut i världen på egen
hand, då fadren dött och lämnat dem att själfva slå sig fram. Det
gick platt inte att få ihop så mycket från den lilla jordbiten, som
hörde till stugan, att det skulle räckt till för alla, och då hade hon
beslutit göra som andra flickor från hennes socken gjort förut. Några
af dem hade ju inom helt få år sparat ihop flera hundra dollars i
Amerika, och det blef rysligt stora pengar i finska mark. Om hon
också inte fick ihop mera än tvåhundra så kunde de redan därmed
köpa en hemmanslott. Och sedan ginge det nog att lefva.
Det tyckte hon för öfrigt häller inte riktigt om. Han klappade
henne alltid då han gaf henne något, och då såg han så otäck ut, att
hon nästan mådde illa då hon tänkte på det. Men hon behöfde inte
låta märka att hon förstod något, så skulle han väl lämna henne i
fred. Med den trösten och en sista kalkyl öfver huru mycket hon
antagligen skulle ha hopsparadt vid årets slut somnade hon vanligen
från sina funderingar, dem hon aldrig hade tid att syssla med under
dagens lopp.
Det var noga taget den enda förargelse han egentligen hade, den
att Lena alls inte vänligt upptog hans försök att närma sig. Han
kunde ibland sitta långa stunder och betrakta henne, där hon rörde
sig bakom disken, flink och rund och treflig som alltid, och ju längre
han såg på henne desto mera blänkte hans sura ögon. Och råkade
Lena vid sådana tillfällen gå ut, så följde han genast efter, men rörde
han bara vid henne, så fräste hon till som en katt och sade att han
borde skämmas. Tuominen kände sig altmera förbittrad hvar gång
han tänkte på det och hade småningom arbetat sig upp till en
drucket envis begärelse, den han hvarken kunde eller ville bemästra,
utan tvärtom var fullt besluten att tillfredsställa så snart det föll sig
lägligt.
Alldeles lika kry till humöret som förut var Lena häller inte, ty
oaktadt trösten af de stora besparingarna kunde hon icke mera dölja
för sig att hon hade en mycket otreflig befattning. Husbonden hade
flera gånger visat hvad han förde i skölden, och några af de
afspisade kurtisörerna hade i hastigt mod låtit undfalla sig yttranden,
hvilka med all möjlig tydlighet ådagalade hvad de tänkte om henne.
Nu skulle det bara fattas att någon från hennes socken — och ett
par sådana funnos bland de stadiga kunderna — företog sig att
skrifva hem och berätta hvad de trodde om henne, så vore det förbi
med hennes goda namn och rykte. Och därmed naturligtvis också
med alla de vackra förhoppningar hon i allra största tysthet närde
om sin framtida ställning, då hon komme tillbaka och köpte sig eget
hemman. Många gånger hade hon redan allvarsamt tänkt på att
lämna altsamman och söka sig en annan plats, men alltid hade
tanken på de tvåhundra dollars hon åtminstone ville arbeta ihop
hållit henne tillbaka. Nu skulle det inte räcka länge mera, innan hon
igen hade femtio hopsparade, och då ämnade hon själf begifva sig
ned till kontoret vid Statestreet med dem i stället för att låta
Tuominen föra dem såsom förra gången. Hon ämnade tala med
herrarna där och fråga sig för om ett och hvarje, så att hon kunde
reda sig ifall hon lämnade hotellet, ty det hade hon klart för sig, att
om Tuominen inte lämnade henne i fred, så skulle hon gå, om hon
ock måste tjäna för hälften mindre lön.
Lenas affär blef snart uträttad till hennes fulla belåtenhet, och då
föreslog Tuominen en promenad uppåt Broadway, som mylrade af
folk i det granna höstvädret. Lena kunde icke nog förvåna sig öfver
de präktiga butikerna och gapade på den bländande grannlåten i
deras fönster, tills hon kände sig yr i hufvudet och tröttare än om
hon en hel lång sommardag gått på höängen med räfsan i hand.
Också blef hon förtjust då Tuominen förde henne in på ett konditori,
som föreföll henne alldeles öfverdådigt fint, och bjöd henne på glace
och ett glas likör. Hon visste icke rätt hvad hon skulle beundra mest,
den granna lokalen, trakteringen eller sin husbonde, som rörde sig
så ogeneradt och med sådan oförskämd ledighet bland alt det fina
folket, att Lena kände sig helt öfverväldigad af hans
världsmannalater.
— Synd är det i alla fall, tänkte hon, att ingen tar hand om en
sådan karl. Om någon bara kunde hålla honom från brännvinet, så
skulle han snart bli rik och annars är han ju alldeles som en
herreman redan nu.
Hon var ovanligt undfallande, ja, nästan vänlig mot sin husbonde
under hemvägen och likaså när de voro hemma i hotellet igen, och
det gjorde att Tuominens ögon blänkte ännu mera än vanligt, då alla
de småsupar han efter hemkomsten inmundigat, senare på
eftermiddagen begynte göra sin värkan.
Krogen blef tidigt tom den dagen. Det hade inte kommit så många
kunder dit som vanligt under loppet af eftermiddagen, dels troligen
emedan lokalen varit stängd till långt in på dagen, dels emedan det
ovanligt varma och tryckande vädret, hvilket kommit som en
öfverraskning nu i Oktober, gjorde att de flesta hällre drefvo omkring
utomhus än sutto inne i ett kvaft och hett rum.
Lena satt vid det öppna fönstret och stafvade, väl för tionde
gången, igenom det bref, hvari modern berättade att hon fått den
första sändningen af femtio dollars — tvåhundrafemtio mark.
Tvåhundra voro insatta på sparbanken och de femtio skulle nog
räcka ända till våren, skref gumman, för henne och barnen, ty både
potäterna och rågen hade gifvit bra i år och grisen lofvade bli stor
och vacker till jultiden. Lena log ett belåtet löje, då hon förestälde
sig förvåningen och glädjen där hemma när den andra sändningen,
som i dag afgått, kom fram. Om hon nu bara kunde hålla ut ett halft
år till med samma lön som hittills, så kunde hon räkna på goda
tvåhundra daler i besparingar och då kunde hon gärna söka sig en
trefligare plats, fast med hälften så stor lön, ifall hon då ännu inte
hade lust att fara hem. Hon kände sig så nöjd med hela världen och
så tillfreds med sig själf, att hon till och med upptog Tuominens
försök att inleda samtal helt vänligt.
Men det räckte inte länge innan han blef obehaglig. Han gaf
allehanda vinkar och gjorde alt oförskämdare antydningar, så att
Lena fann det mycket svårt att bibehålla sin vänliga uppsyn, ehuru
hon nästan ansåg det vara sin skyldighet att visa sig tacksam för
hans tjänstaktighet tidigare på dagen. Slutligen sade hon att hon var
trött och gick upp på sitt rum, men kunde inte hindra att husbonden
i förbifarten tog henne om lifvet och klämde om henne en smula.
Hon gjorde sig lös och sade som vanligt fy, skäms! men inte med det
vanliga eftertrycket — det var som om hennes anständighetskänsla i
någon mån förslappats af den tyngande tacksamhetsskulden.
Då hon kom upp i sitt rum och sökte stänga dörren var låset i
olag, utan att hon kunde begripa huru det gått till. Men då för
tillfället inga andra gäster än ett par gamla matroser, som aldrig
betraktat henne med större vänlighet än de andra bohagstingen i
huset, funnos i huset och de dessutom längesedan gått till sängs
med ett grundligt aftonrus hvar, så kände hon sig på intet sätt orolig
öfver det defekta låset utan begynte lugnt kläda af sig.
Hon hade hunnit bra nog till slut därmed och sträckte behagligt på
sig, då hon tyckte sig höra steg i korridoren utanför. Och ögonblicket
därpå tog någon varligt i låset.
— Hvem är där? kom inte in! Hon svepte skyndsamt en kjol kring
axlarna.
— Blif inte skrämd, det är bara jag, sade Tuominens röst i
detsamma han stack in sitt rödmosiga ansikte. Han hade synbarligen
skrufvat upp kuraget med mera whisky.
— Sch! inte vill jag dig något ondt. Han kom med något osäkra
steg öfver golfvet.
— Seså, skrik inte, sade Tuominen, i det han sökte draga den
skyddande kjolen från flickans axlar, medan hon å sin sida höll i den
med en styrka som om alt berott på att hålla den kvar.
— Jo, jag skriker, om ni inte låter mig vara i fred. Och i morgon
dag går jag härifrån. Ut med er på eviga minuten eller skall ni få se
på annat!
— Ska' du slåss din f—n! ljöd hans röst ilsket, men slog öfver i en
gråtmild ton då han fortsatte: hvarför vill du inte vara litet hyglig mot
mig? Nog lär du ha haft vänner förut som alla andra, och jag är väl
inte sämre karl än de.
— Jag går, jag går, sade han. F—n som visste att du var så
argsint. Nog skall du få vara i fred för mig härefter, du lefver ju till så
hela nabolaget hör det.
Men den som inte litade stort på hans löfte att lämna henne i ro
var Lena. Hon stängde dörren så godt sig göra lät, drog sin kista
framför den och satte sig sedan, alt ännu andfådd och röd af
vreden, på sängkanten för att tänka öfver det skedda.
Jaså! det var således hvad de tänkte om henne! Trodde att hvem
som bara hade lust utan vidare kunde tränga in till henne — och
väntade kanske att hon skulle niga och tacka ännu på köpet. Låset
hade den lufvern först förstört, det hade nog ingen annan gjort, och
så kom han som en tjuf och en röfvare. Det här skall bli slut och det
i morgon dag.
Hon var så ond att hon nästan kände sig frästad att gråta, och för
att få någon afledare begynte hon genast tömma sina byrålådor och
packa deras innehåll i kistan, där den stod mot dörren.
Så kom hon ihåg att hon inte hade mera än ett par dollars i behåll
sedan hon på förmiddagen skickat den stora summan hem till
modern. Det gjorde ställningen ändå svårare, men lika fullt vacklade
hon inte i sitt beslut. Följande dag skulle hon flytta och det utan
prut. Här i landet behöfdes ju inga orlofsedlar, det hade Tuominen
själf sagt, och då kunde ingen häller tvinga en att stanna till årets
slut.
— Inte är du väl ond numera? sade han i den vänligaste ton som
stod honom till buds, då hon inte svarade något på hans "god
morgon".
— Ond eller inte, så stannar jag inte en dag till här i huset, ljöd
Lenas svar, hvilket nästan kom Tuominen att tappa kvasten, ty
sådana följder af sitt skämt, såsom han kvalificerade uppträdet, hade
han inte väntat. Nu först såg han också att hon var iförd sina bästa
kläder, som om hon ämnade sig ut.
— Du är väl inte tokig häller, sade han efter ett ögonblicks
betänkande, med ett försök att visa sig morsk. Hvad skulle du flytta
för? Om du inte vill, så vill du inte, det är altihop. Men inte kan jag
förstå hvarför du är så styf mot mig. Sämre vänner kunde du få.
— Kanhända, men jag är inte af den sorten ni tror och i dag flyttar
jag.
Hvem som drog kunder till hotellet visste han bättre än någon
annan. Inte var det han själf och inte var det varorna häller, det
hade han bäst reda på, som visste hvad de kostade i inköp. Och nu
skulle den, som hållit huset i ordning och fullt med folk dag in och
dag ut, lämna honom i stöpet bara för det han nojsat litet med
henne! Nej hällre skulle han då låta bli att ens se åt henne mera, om
så måste vara. Nog måste hon väl låta tala med sig.
Han hade tänkt snabbare än troligen någonsin förut i sitt lif, och
då han kommit till slut, slog han in på en helt annan tonart än förut.
— Kära barn, sade han i faderlig ton, nog måste du förstå att jag
bara skämtade. Vi ska' glömma hela saken och du skall få en riktigt
fin kappa till vintern bara du inte bråkar vidare. Nog skall jag hålla
mina händer från dig hädanefter, efter du är så granntyckt.
— Jag bryr mig inte om edra presenter och inte tror jag på edra
löften häller. Bort vill jag.
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade
Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.
textbookfull.com