Données géographiques dans le JSON de Twitter

Analyser des données de réseaux sociaux en Python

Alex Hanna

Computational Social Scientist

Lieux dans le texte Twitter

Tweet avec lieu dans le texte

Lieu défini par l'utilisateur

print(tweet['user']['location'])

Bay Area

JSON place

Illustration de boîte englobante

print(tweet['place'])

{'attributes': {},
 'bounding_box': {'coordinates': 
  [[[-80.47611, 37.185195],
    [-80.47611, 37.273387],
    [-80.381618, 37.273387],
    [-80.381618, 37.185195]]],
  'type': 'Polygon'},
 'country': 'United States',
 'country_code': 'US',
 'full_name': 'Blacksburg, VA',
 'name': 'Blacksburg',
 'place_type': 'city',
 ...}

Calcul du centroïde

Illustration de boîte englobante

coordinates = [
    [-80.47611, 37.185195],
    [-80.47611, 37.273387],
    [-80.381618, 37.273387],
    [-80.381618, 37.185195]]

longs = np.unique( [x[0] for x 
    in coordinates] )
lats  = np.unique( [x[1] for x 
    in coordinates] )

central_long = np.sum(longs) / 2
central_lat  = np.sum(lats) / 2

JSON coordinates

Lieu avec coordonnée unique

print(tweet['coordinates'])

{'type': 'Point', 
'coordinates': [-72.2833, 
                 21.7833]}

Passons à la pratique !

Analyser des données de réseaux sociaux en Python