こんにちは！今回は、Fitbitから期間を指定してデータを取得し、取得したデータを可視化する方法について解説します。Fitbitは、ウェアラブルデバイスやアプリを通じて健康関連のデータを収集・管理するプラットフォームです。この記事では、PythonとFitbit APIを使用して、指定した期間の心拍数データを取得し、そのデータをSeabornとMatplotlibを使ってグラフで可視化します。
こちらの記事もおすすめ
Fitbit APIの登録方法
Fitbit APIを使用すると、自分のアプリケーションからFitbitのユーザーデータにアクセスできるようになります。この記事では、初心者向けにFitbit APIの登録方法を詳しく解説します。こちらの記事もおすすめFitbit開発者アカ...
hamaruki.com
2024.03.19
Fitbitで心拍数データを時系列で取得・可視化する方法
Fitbitは、ウェアラブルデバイスやアプリを通じて健康管理をサポートするプラットフォームです。本記事では、Fitbit APIを使用して心拍数データを取得し、時系列グラフで可視化する方法を初心者向けに解説します。こちらの記事もおすすめ前提...
hamaruki.com
2024.03.20
前提条件
- Fitbitアカウントを持っていること
- Fitbit APIのアクセストークンを取得していること
- PythonとGoogle Colabの基本的な知識があること
手順
1. 必要なライブラリのインポート
最初に、必要なライブラリをインポートします。requestsはHTTPリクエストを送るため、jsonはJSONデータを扱うため、datetimeは日付と時間を扱うために使用します。
import requests
import json
from datetime import datetime, timedelta2. 設定ファイルの読み込みと保存
アクセストークンなどの設定情報をtoken.jsonファイルから読み込むための関数load_config()と、設定情報を保存するための関数save_config()を定義します。
CONFIG_FILE = "token.json"
def load_config():
"""設定ファイルを読み込む"""
try:
with open(CONFIG_FILE, "r", encoding="utf-8") as f:
return json.load(f)
except FileNotFoundError:
print(f"設定ファイル {CONFIG_FILE} が見つかりません。")
exit(1)
def save_config(config):
"""設定ファイルを保存する"""
with open(CONFIG_FILE, "w", encoding="utf-8") as f:
json.dump(config, f, indent=2)3. 認証用のヘッダを作成
APIリクエストを送る際に必要な認証用のヘッダを作成する関数create_auth_header()を定義します。
def create_auth_header(access_token):
"""認証用のヘッダを作成する"""
return {"Authorization": "Bearer " + access_token}4. アクセストークンの更新
アクセストークンの有効期限が切れた場合に、リフレッシュトークンを使って新しいアクセストークンを取得する関数refresh_access_token()を定義します。
def refresh_access_token(config):
"""アクセストークンを更新する"""
url = "https://api.fitbit.com/oauth2/token"
params = {
"grant_type": "refresh_token",
"refresh_token": config["refresh_token"],
"client_id": config["client_id"],
}
response = requests.post(url, data=params)
data = response.json()
if "errors" in data:
print(f"アクセストークンの更新に失敗しました: {data['errors'][0]['message']}")
return False
config["access_token"] = data["access_token"]
config["refresh_token"] = data["refresh_token"]
save_config(config)
return True5. アクセストークンの有効期限のチェック
APIレスポンスからアクセストークンの有効期限が切れているかどうかをチェックする関数is_token_expired()を定義します。
def is_token_expired(response_data):
"""アクセストークンの有効期限が切れているかチェックする"""
if "errors" in response_data:
for error in response_data["errors"]:
if error.get("errorType") == "expired_token":
print("アクセストークンの有効期限が切れています。")
return True
return False6. APIリクエストの実行
APIリクエストを実行する関数make_api_request()を定義します。アクセストークンの有効期限が切れている場合は、refresh_access_token()関数を呼び出して新しいアクセストークンを取得します。
def make_api_request(url, headers):
"""APIリクエストを実行する"""
response = requests.get(url, headers=headers)
data = response.json()
if is_token_expired(data):
config = load_config()
if refresh_access_token(config):
headers = create_auth_header(config["access_token"])
response = requests.get(url, headers=headers)
else:
print("アクセストークンの更新に失敗したため、リクエストを中止します。")
exit(1)
return response7. 心拍数データの取得
指定した期間の心拍数データを取得する関数get_heart_rate()を定義します。開始日と終了日の妥当性をチェックし、最大期間が1年以内であることを確認します。
def get_heart_rate(start_date="today", end_date="today"):
"""心拍数データを取得する"""
config = load_config()
headers = create_auth_header(config["access_token"])
# 日付の妥当性をチェック
if start_date == "today":
start_date = datetime.now().strftime("%Y-%m-%d")
if end_date == "today":
end_date = datetime.now().strftime("%Y-%m-%d")
start_date_obj = datetime.strptime(start_date, "%Y-%m-%d")
end_date_obj = datetime.strptime(end_date, "%Y-%m-%d")
if start_date_obj > end_date_obj:
raise ValueError("start_date must be earlier than or equal to end_date")
if (end_date_obj - start_date_obj).days > 365:
raise ValueError("Maximum range is 1 year")
url = f"https://api.fitbit.com/1/user/-/activities/heart/date/{start_date}/{end_date}.json"
return make_api_request(url, headers)
[
{
"dateTime": "2024-03-01",
"value": {
"customHeartRateZones": [],
"heartRateZones": [
{
"caloriesOut": 2561.7088,
"max": 115,
"min": 30,
"minutes": 1423,
"name": "Out of Range"
},
{
"caloriesOut": 112.19400000000002,
"max": 140,
"min": 115,
"minutes": 16,
"name": "Fat Burn"
},
{
"caloriesOut": 8.0216,
"max": 172,
"min": 140,
"minutes": 1,
"name": "Cardio"
},
{
"caloriesOut": 0,
"max": 220,
"min": 172,
"minutes": 0,
"name": "Peak"
}
],
"restingHeartRate": 64
}
},8. データの取得と可視化
get_heart_rate()関数を呼び出して指定した期間の心拍数データを取得し、取得したデータをDataFrameに変換します。その後、Seabornを使ってデータを可視化します。
if __name__ == "__main__":
response = get_heart_rate(start_date="2024-03-01", end_date="today")
_data = response.json()
data = _data["activities-heart"]
# データをDataFrameに変換
df = pd.DataFrame([
{
'dateTime': d['dateTime'],
'name': z['name'],
'caloriesOut': z['caloriesOut'],
'max': z['max'],
'min': z['min'],
'minutes': z['minutes']
}
for d in data
for z in d['value']['heartRateZones']
])
# DateTimeをパースし、indexに設定
df['dateTime'] = pd.to_datetime(df['dateTime'])
df.set_index('dateTime', inplace=True)
# カラーマップの定義
color_map = {
'Out of Range': 'gray',
'Fat Burn': 'green',
'Cardio': 'orange',
'Peak': 'red'
}
# Out of Rangeの折れ線グラフ
plt.figure(figsize=(10, 6))
out_of_range_df = df[df['name'] == 'Out of Range']
sns.lineplot(data=out_of_range_df, x=out_of_range_df.index, y='caloriesOut', label='Out of Range', color=color_map['Out of Range'])
plt.title('Out of Range Calories Out Line Graph')
plt.xlabel('Date')
plt.ylabel('Calories Out')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()
# Fat Burn, Cardio, PeakのcaloriesOutの折れ線グラフ
plt.figure(figsize=(10, 6))
for name, group in df[df['name'] != 'Out of Range'].groupby('name'):
sns.lineplot(data=group, x=group.index, y='caloriesOut', label=name, color=color_map[name])
plt.title('Fat Burn, Cardio, Peak Calories Out Line Graph')
plt.xlabel('Date')
plt.ylabel('Calories Out')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()
# Out of Rangeのmin とMaxのキャンドルチャート
plt.figure(figsize=(10, 6))
sns.boxplot(data=out_of_range_df, x=out_of_range_df.index, y='max', color=color_map['Out of Range'])
plt.title('Out of Range Heart Rate Zones Candlestick Chart')
plt.xlabel('Date')
plt.ylabel('Heart Rate')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# Fat Burn, Cardio, Peakのmin とMaxのキャンドルチャート
plt.figure(figsize=(10, 6))
for name, group in df[df['name'] != 'Out of Range'].groupby('name'):
sns.boxplot(data=group, x=group.index, y='max', color=color_map[name])
plt.title('Fat Burn, Cardio, Peak Heart Rate Zones Candlestick Chart')
plt.xlabel('Date')
plt.ylabel('Heart Rate')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# Out of Rangeのminutesの折れ線グラフ
plt.figure(figsize=(10, 6))
sns.lineplot(data=out_of_range_df, x=out_of_range_df.index, y='minutes', label='Out of Range', color=color_map['Out of Range'])
plt.title('Out of Range Minutes Line Graph')
plt.xlabel('Date')
plt.ylabel('Minutes')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()
# Fat Burn, Cardio, Peakのminutesの折れ線グラフ
plt.figure(figsize=(10, 6))
for name, group in df[df['name'] != 'Out of Range'].groupby('name'):
sns.lineplot(data=group, x=group.index, y='minutes', label=name, color=color_map[name])
plt.title('Fat Burn, Cardio, Peak Minutes Line Graph')
plt.xlabel('Date')
plt.ylabel('Minutes')
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()
plt.show()このコードでは、以下のグラフを生成します。
- Out of Rangeのカロリー消費量の折れ線グラフ
- Fat Burn、Cardio、Peakのカロリー消費量の折れ線グラフ
- Out of Rangeの心拍数のキャンドルチャート
- Fat Burn、Cardio、Peakの心拍数のキャンドルチャート
- Out of Rangeの時間の折れ線グラフ
- Fat Burn、Cardio、Peakの時間の折れ線グラフ
まとめ
この記事では、Fitbit APIを使用してPythonで指定した期間の心拍数データを取得し、取得したデータをSeabornとMatplotlibを使ってグラフで可視化する方法を解説しました。アクセストークンの管理、APIリクエストの実行、データの取得と可視化の手順を順を追って説明しました。
これらの手順を応用することで、他のFitbitデータも取得し、可視化することができます。健康管理や運動管理に役立てていただければ幸いです。
Googleコラボのノートブックはこちらからアクセスできます。
健康的な生活を送るためにFitbitデータを活用し、楽しくデータ分析を行ってください！
ノートブック
Google Colaboratory
colab.research.google.com
リポジトリ
GitHub - Sunwood-ai-labs/fitbit-python-analyzer
Contribute to Sunwood-ai-labs/fitbit-python-analyzer development by creating an account on GitHub.
github.com
コメント