Dados geográficos no JSON do Twitter

Analisando dados de mídias sociais em Python

Alex Hanna

Computational Social Scientist

Localizações no texto do Twitter

Tweet com localização no texto

Localização definida pelo usuário

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

Bay Area

JSON de place

Ilustração de caixa delimitadora

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',
 ...}

Calculando o centróide

Ilustração de caixa delimitadora

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 de coordinates

Lugar com coordenada única

print(tweet['coordinates'])

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

Vamos praticar!

Analisando dados de mídias sociais em Python