Données géographiques dans le JSON de Twitter

Analyser des données de médias sociaux avec Python

Alex Hanna

Computational Social Scientist

Lieux dans le texte de Twitter

Tweet avec lieu dans le texte

Lieu défini par l'utilisateur

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

Bay Area

JSON place

Illustration d'une 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 d'une 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 une seule coordonnée

print(tweet['coordinates'])

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

Passons à la pratique !

Analyser des données de médias sociaux avec Python