람다 프로그래밍 – 람다에서 트윗하기

⚠️ I like to use Pipenv to manage dependencies and virtual environments for Python applications – you can use any other dependency manager that suits you best.

내가 사용할 라이브러리는 다음과 같습니다.

지오판다스

매트플롯립

마음의 틈

팬더

시본

트와이썬

정보 얻기

가장 먼저 해야 할 일은 런던 자전거 정류장의 정보를 다운로드하는 것입니다. 이를 위해 TFL API를 쿼리하기 위해 제가 직접 만든 라이브러리(나중에 알려드릴 수 있음)를 사용하고 별도의 정보를 모듈화할 수 있는 파일. mind-the-gap로 할 수 있는 방법은 다음과 같습니다.

from tfl.api import bike_point

all_bike_points = bike_point.all()

# Now we can take a single element and verify its content
place = all_bike_points[0]
print(f"{place.commonName} (LAT: {place.lat}, LON: {place.lon})")
# out: Vicarage Gate, Kensington (LAT: 51.504723, LON: -0.192538)

또한 장소와 같은 각 요소에는 사용 가능한 도크 수, 사용 중인 도크 수, 사용 가능한 자전거 수와 같은 정보를 추출할 수 있는 추가 속성 또는 AdditionalProperties 세트가 포함되어 있습니다. 이 추가 정보를 추출하기 위해 이 도우미 함수를 만들었습니다.

def get_number(additional_properties: List[AdditionalProperties], key: str) -> int:
    [nb] = [prop.value for prop in additional_properties if prop.key == key]
    return int(nb)

# Then we can use it as:
bikes = get_number(place.additionalProperties, "NbBikes")
empty_docks = get_number(place.additionalProperties, "NbEmptyDocks")
docks = get_number(place.additionalProperties, "NbDocks")

print(f"{place.commonName} tiene {bikes} bicicletas disponibles y {docks} docks en total")
# out: Vicarage Gate, Kensington tiene 3 bicicletas disponibles y 18 docks en total

그런 다음 for 주기를 사용하여 데이터 프레임을 만들 수 있습니다.

def download_cycles_info() -> pd.DataFrame:
    all_bike_points = bike_point.all()
    query_time = datetime.now()
    data = []

    for place in all_bike_points:
        bikes = get_number(place.additionalProperties,"NbBikes")
        empty_docks = get_number(place.additionalProperties,"NbEmptyDocks")
        docks = get_number(place.additionalProperties,"NbDocks")
        data.append(
            (
                                place.id, place.commonName,
                place.lat, place.lon,
                bikes, empty_docks, docks,
            )
        )

    data_df = pd.DataFrame(
        data, columns=["id","name","lat","lon","bikes","empty_docks","docks"]
    ).set_index("id")
    data_df["query_time"] = pd.to_datetime(query_time).floor("Min")
        data_df["proportion"] = (data_df["docks"] - data_df["empty_docks"]) / data_df["docks"]

    return data_df

bike_info_data_frame = download_cycles_info()
bike_info_data_frame.head()

| id             | name                      |     lat |       lon |   bikes |   empty_docks |   docks | query_time          |   proportion |
|:---------------|:--------------------------|--------:|----------:|--------:|--------------:|--------:|:--------------------|-------------:|
| BikePoints_103 | Vicarage Gate, Kensingt   | 51.5047 | -0.192538 |       1 |            17 |      18 | 2022-01-28 16:18:00 |    0.0555556 |
| BikePoints_105 | Westbourne Grove, Baysw   | 51.5155 | -0.19024  |      14 |            11 |      26 | 2022-01-28 16:18:00 |    0.576923  |
| BikePoints_106 | Woodstock Street, Mayfa   | 51.5141 | -0.147301 |      13 |             8 |      21 | 2022-01-28 16:18:00 |    0.619048  |
| BikePoints_107 | Finsbury Leisure Centre's | 51.526  | -0.096317 |       8 |            12 |      20 | 2022-01-28 16:18:00 |    0.4       |
| BikePoints_108 | Abbey Orchard Street, W   | 51.4981 | -0.132102 |      21 |             8 |      29 | 2022-01-28 16:18:00 |    0.724138  |

이 두 함수를 이름이 지정된 파일에 배치했습니다.
Yo he puesto estas dos funciones en un archivo llamado download.py en la raíz de mi repositorio; más adelante lo usaré.

정보 플로팅

런던에는 약 750개의 자전거 스테이션이 있습니다. 이 정보를 가능한 한 쉽게 이용할 수 있도록 하고 싶기 때문에 각 스테이션의 점유를 보여주는 이미지를 통해 이를 수행하는 가장 좋은 방법이라는 생각이 들었습니다.

지도 받기

시작하기 전에 컴퓨터가 해석할 수 있는 형식의 런던 지도가 필요하고 시 정부 웹사이트에서 프로그래밍 방식으로 다운로드할 수도 있는 지도를 방금 찾았습니다. 내 인생을 더 쉽게 만들기 위해 필요한 파일을 다운로드하고 이동하는 shapefiles라는 작업으로 Makefile을 만들었습니다.

shapefiles:
    wget https://data.london.gov.uk/download/statistical-gis-boundary-files-london/9ba8c833-6370-4b11-abdc-314aa020d5e0/statistical-gis-boundaries-london.zip
    unzip statistical-gis-boundaries-london.zip
    mv statistical-gis-boundaries-london/ESRI shapefiles/
    rm -rf statistical-gis-boundaries-london statistical-gis-boundaries-london.zip

그러면 내용이 다음과 같은 shapefiles라는 폴더가 남게 됩니다.

shapefiles
├── London_Borough_Excluding_MHW.GSS_CODE.atx
├── London_Borough_Excluding_MHW.NAME.atx
├── London_Borough_Excluding_MHW.dbf
├── London_Borough_Excluding_MHW.prj
├── London_Borough_Excluding_MHW.sbn
├── London_Borough_Excluding_MHW.sbx
├── London_Borough_Excluding_MHW.shp
├── London_Borough_Excluding_MHW.shp.xml
└── London_Borough_Excluding_MHW.shx

지도 그리기

이 기능은 다소 간단합니다. 지도를 만든 방법에 대해 자세히 설명하는 후속 게시물이 있습니다. 당분간은 코드를 게시하고 진행 상황에 대해 일반적으로 이야기하겠습니다.

def plot_map(cycles_info: pd.DataFrame) -> str:
    london_map = gpd.read_file("shapefiles/London_Borough_Excluding_MHW.shp").to_crs(epsg=4326)

    fig = plt.figure(figsize=(6, 4), dpi=170)
    ax = fig.gca()

    london_map.plot(ax=ax)
    sns.scatter(y="lat", x="lon", hue="proportion", palette="Blues", data=cycles_info, s=25, ax=ax)

    prepare_axes(ax, cycles_info)

    map_file = save_fig(fig)

    return map_file

먼저 사용할 맵의 .shp 파일을 읽는다. 그런 다음 모양을 만들고 그 위에 축을 그립니다. plot의 GeoDataFrame 방법을 사용하여 지도를 그립니다. 우리는 seaborn을 사용하여 스테이션을 지도에 표시합니다. 각 포인트에 대해 위치( lat , lon )를 지정하고 각 포인트의 색상은 열proportion에 의해 정의되고 마지막으로 각각의 크기는 25입니다. 완료하려면 축을 약간 조정하고 그림을 임시 주소에만 저장하여 생성된 이미지가 저장된 경로를 반환합니다.

이 함수를 plot.py라는 별도의 파일에 저장했습니다.

정보 트윗하기

이미 이미지가 있으므로 Twython을 사용하여 트윗할 시간입니다. 지금은 이전 게시물에서 Twitter에서 얻은 몇 가지 비밀이 필요합니다. 이러한 비밀을 사용하여 Twython 클라이언트를 생성해 보겠습니다.

app_key = os.environ["API_KEY"]
app_secret = os.environ["API_SECRET"]
oauth_token = os.environ["ACCESS_TOKEN"]
oauth_token_secret = os.environ["ACCESS_TOKEN_SECRET"]

twitter = Twython(app_key, app_secret, oauth_token, oauth_token_secret)

Twitter API가 작동하는 방식은 먼저 이미지를 서비스에 업로드한 다음 트윗해야 합니다. 둘 다 새로 생성된 변수twitter를 사용할 것입니다. 영상:

with open(image_path, "rb") as cycles_png:
    image = twitter.upload_media(media=cycles_png)

now = datetime.now().strftime("%m/%d/%Y, %H:%M")
twitter.update_status(
    status=f'London Cycles update at {now}',
    media_ids=[image['media_id']]
)

코드를 모듈화하기 위해 이 코드를 함수 안에 넣고 이 함수를 고유한 tweeter.py 파일에 넣었습니다.

결론

우리는 이미 모든 것을 갖추고 있으므로 이제 정보를 다운로드하고 지도를 생성하고 트윗하는 단일 스크립트로 모든 기능을 결합하여 이를 달성할 수 있습니다.

from download import download_cycles_info
from plot import plot_map
from tweeter import tweet

def execute():
    information = download_cycles_info()
    map_image = plot_map(information)
    tweet(map_image)

이 코드를 app.py라는 파일에 저장했습니다. 그리고 이것은 이 게시물의 끝에서 how it looks like입니다.

뭔가 명확하지 않거나 오타를 발견한 경우 Twitter에서 저를 찾아 이 게시물에 대해 질문할 수 있습니다. 이 시리즈의 최종 코드는 GitHub이고 자전거 네트워크 상태를 트윗하는 계정은 입니다.