Avis important avant de plonger dans le code; nous supposons que le développement de ces quartiers peut être identifié par la taille de la famille. Bien sûr, ce n'est pas vrai à cent pour cent, cependant, pour ce cas, nous faisons cette hypothèse.
S'il vous plait, ne vous enlisez pas dans les significations théoriques, le but de cet article de blog est d'extraire avec succès des données et d'effectuer une analyse de données dessus. Il ne s'agit pas d'essayer quelque chose pour de vrai.
2. Extraire les données
Extrayons les données de la plateforme de données ouvertes de la municipalité d'Istanbul (ibb) avec sur API. Vous pouvez trouver plusieurs ensembles de données ouvertes de la municipalité d'Istanbul.
Allez au lien des données ci-dessous et cliquez sur le bouton ‘API de données’.
Lorsque nous cliquons sur le bouton Data API, cette fenêtre s'ouvre, nous allons copier le lien dans le rectangle rouge ci-dessous et le coller dans notre code.
Après cela, nous supprimerons ‘$ top = 5 &’ pour extraire toutes les données, pas seulement le premier 5. Vous pouvez voir ci-dessous le code pour extraire les données du site Web et les modifier au format de trame de données à l'aide de pandas.
URL = 'https://data.ibb.gov.tr/datastore/odata3.0/25077460-ddfb-45b6-b32c-4615f0ad2d57?$format=json' #URL de la taille de la famille selon les quartiers
def pulldataToDataframe(URL):
requête = urllib.request.urlopen(URL) # Connexion API
données = json.charges(requête.lire().décoder()) # Passer au type json
données = données.get("valeur") # Obtenir uniquement la valeur des données
retourner pd.DataFrame(Les données) # Passer au cadre de données
df = df.drop(colonnes="_id") # Suppression de la colonne id
df = pulldataToDataframe(URL)
imprimer(df.colonnes)
Nous avons extrait les données et les avons déplacées dans le bloc de données. Voyons le 5 Donnée principale.
df.head() #Dataframe 1ère colonne: Les quartiers, 2ème colonne: taille de la famille selon les quartiers
Istanbul a 2 les pièces; Européen et Asiatique. Nous utiliserons Kadikoy pour le centre de la partie asiatique et Besiktas pour la partie européenne. On sépare les quartiers pour la partie asiatique (liste_kadikoy) et la partie européenne (liste_besiktas)
liste_kadikoy = ['Kadikoy', 'Aigle', 'Silé', 'Uskudar', 'Pendik', 'Umraniye', 'Maltepe', « Sultanbeyli », « Tuzla », 'Ataşehir', 'Cekmekoy', 'Sancaktepe', 'Beykoz']
liste_besiktas = [« Besiktas », 'Bakirkoy', 'Beyoglu', 'Catalca', 'Travail', 'Conquérant', 'Gaziosmanpasa', 'Sariyer', 'Silivri', 'Brumeux', 'Zeytinburnu', 'Buyukcekmece', 'Kagithane', 'Küçükçekmece', 'Bayrampasa', 'Chasseurs', 'Baccilar', « Arnuvutköy », 'Basaksehir', 'Beylikduzu', 'Esenyurt', 'Sultangazi', 'Esenler', 'Gungoren', 'Bahcelievler']
kadikoy_dist = [] besiktas_dist = []
3. API de GOOGLE
Bien, Voyons maintenant la partie de l'API Google. De nombreuses API sont disponibles pour une utilisation sur Google Cloud Platform. Vous pouvez les consulter ici: https://cloud.google.com/
Vous devez créer votre compte et demander une clé API. c'est bien expliqué ici; https://developers.google.com/maps/documentation/javascript/get-api-key
J'ai téléchargé les API ci-dessous. Cependant, Comme vous pouvez le voir, J'utilise uniquement l'API de tableau de distance et l'API d'utilisation de service. Je vous recommande également de télécharger les API JavaScript de géocodage, géolocalisation, endroits, itinéraires et cartes. Si vous souhaitez travailler avec des données de GoogleMaps.
Voyons maintenant le code de la façon dont nous utilisons l'API. Dans les commentaires du code ci-dessous, je pense que c'est bien expliqué.
demandes d'importation, json
api_key ='QsatasdjıgwedSDFJW-A1lkjasdbUQ' #Vous devez mettre votre clé api ici # URL variableEn statistique et en mathématiques, ongle "variable" est un symbole qui représente une valeur qui peut changer ou varier. Il existe différents types de variables, et qualitatif, qui décrivent des caractéristiques non numériques, et quantitatif, représentation de grandeurs numériques. Les variables sont fondamentales dans les expériences et les études, puisqu’ils permettent l’analyse des relations et des modèles entre différents éléments, faciliter la compréhension de phénomènes complexes.... store url url = ‘https://maps.googleapis.com/maps/api/distancematrix/json?'
#Pour chaque quartier de la partie asiatique, on trouve sa distance entre
#(kadikoy) et ajoutez notre liste 'kadikoy_dist'.
pour dest dans kadikoy_list:
source = 'kadiköy'
r = requêtes.get(URL + 'origines=' + la source +
'&destinations=’ + destin +
'&clé=’ + clé API)
kadikoy_dist.append(r.json()['Lignes'][0]['éléments'][0]['distance']['valeur'])
#Pour chaque quartier de la partie européenne, on trouve sa distance entre
#(besiktas) et ajoutez notre liste 'besiktas_dist'.
pour dest dans besiktas_list:
source = « besiktas »
r = requêtes.get(URL + 'origines=' + la source +
'&destinations=’ + destin +
'&clé=’ + clé API)
besiktas_dist.append(r.json()['Lignes'][0]['éléments'][0]['distance']['valeur'])
Comme tu peux le voir, nous avons extrait les données des districts, taille moyenne de la famille avec l'API de données ibb, et nous avons généré une nouvelle fonction avec l'API de matrice de distance de l'API Google et l'avons nommée colonne Distances.
