개요

데이터가 보이지 않는 손에 따르면 인간의 신체 활동은 특정 규칙에 따라 분배됩니다.


출처 데이터가 보이지 않는 손

이 그래프는

손목에 손목 밴드 가속도 센서를 부착하여 신체 운동 횟수 (N 회/분)를 측정합니다

일정 기간 동안 신체 운동 횟수의 출현 빈도 누적 확률을 세로 축으로 취합니다 (대수 눈금)

그래서 그릴 수 있습니다.
여기에서 알 수있는 것은

60회/분의 활동은 하루의 절반을 차지한다(차지하게 된다)

60~120회/분의 활동은 하루의 1/4을 차지한다(차지하게 된다)

예를 들어, 어느 일이 60~120회/분의 운동량이라고 하면,
그 일은 하루 동안 1/4 분의 시간 만 소비 할 수 있습니다 (더 많은 시간, 그 일은 열심히 할 수 없습니다)
라는 것

글쎄, 재미 있다고 생각하고 OuraRing 이것과 비슷한 것을 시도했습니다.

OuraRing에서 Mets 얻기

데이터가 보이지 않는 손에서는 가속도 센서로 움직임을 사용했습니다.
자신이 소유하고 있는 OuraRing에서는 Mets라는 값을 취할 수 있으므로, 이것으로 대용한다
OuraRing API를 사용하여 Mets 가져 오기

OuraAPI를 사용하는 방법은 이 기사입니다.

sample.py

import requests
import json
import os
import datetime
import collections
import pprint

BASE_URL = "https://api.ouraring.com/v1/"
TOKEN    = "access_token=" + str(os.environ.get("OURA_TOKEN"))

def create_date_str(weeks_offset=0):
    today = datetime.datetime.today()
    target_date = today - datetime.timedelta(days=1,
                                             weeks=weeks_offset)
    return target_date.strftime("%Y-%m-%d")

def create_url(weeks_offset=0):
    end_date = create_date_str(weeks_offset)
    start_date = create_date_str(weeks_offset+1)
    url = f"{BASE_URL}activity?start={start_date}&end={end_date}&{TOKEN}"
    return url

if __name__ == "__main__":
    headers = {"content-type": "application/json"}
    mets_counter = collections.Counter()

    for week_offset in range(5):
        responce = requests.get(create_url(week_offset), headers=headers)
        data = responce.json()
        for activity in data["activity"]:
            mets_counter.update(activity["met_1min"])

    total_num = sum(mets_counter.values())
    for mets,count in mets_counter.items():
        mets_counter[mets] = count/total_num

    with open("mets.txt","w") as f:
        for mets,probability in mets_counter.items():
            f.write(f"{mets}\t{probability}\n")

htps : // 기주 b. 코 m/보 x16/오우라_아피

mets를 얻는 url은https://api.ouraring.com/v1/activity?start=YYYY-MM-DD&end=YYYY-MM-DD&access_token=TOKENcreate_date_str, create_url에서 일주일마다 활동 데이터를 검색하는 URL 생성
매주 분마다 {mets : 출현 횟수} 업데이트
(상당히 데이터량이 커서 메모리 절약을 위해 필요한 만큼 세세하게 취득하고 있을 생각)

이것을 뭔가 출력합니다.

데이터 시각화

먼저 단순히 mets - 出現確率 시각화



2mets 이하의 출현 빈도가 높은 것을 알 수 있다

그런 다음 mets - 累積確率 시각화
(누적 확률은 어느 mets와 그 이전에 모든 mets의 출현 확률의 합→총합이 1)


2mets 이하로 하루의 80%를 차지함
2mets 이상은 20%

이 시점에서 mets도 U 분포를 따르는 것으로 나타났습니다.

이것을


출처 데이터가 보이지 않는 손

이 이미지처럼 보입니다.mets - (1-累積確率)의 세로축을 로그 스케일로 만들면

Mets와 실제 운동의 끈

예를 들어,

서있는 독서 : 1.8mets

리클라이닝 독서 : 1mets

좌위 작업 (독서 포함) : 1.5mets

어떤
데이터가 보이지 않는 손을 참고로 독서의 카르노 효율을 측정하면
1 - 1/1.8 = 0.44
최대 1일의 44%(활동 시간 16시간으로 7시간 정도)까지만 읽을 수 있다
(mets로 말하면 이야기이기 때문에, 독서에 한하지 않고 1~1.8mets 정도의 활동은 하루 7시간밖에 할 수 없다)
그렇게 말할 것 같습니다.

근육 트레이닝은

웨이트 리프팅 : 6mets

일반적인 건강 교실에서의 운동 : 5.5mets

에서

1 - 5.5/6 = 0.083
하루의 8% 정도(1시간 정도)가 한계

요약

데이터가 보이지 않는 손 진짜 장난 꾸러기

Mets도 U 분포를 따랐다

Mets 테이블과 OuraRing 추적이 있으면 효과적으로 하루의 스케줄링을 할 수있다