Introduktion till IoT-data

Analysera IoT-data i Python

Matthias Voppichler

IT Developer

Kursöversikt

  • Samla in och analysera IoT-data
  • Hämta data
    • API-endpoints
    • Dataströmmar
  • Visualisera data
  • Kombinera datamängder
  • Identifiera mönster
  • Aviseringar baserade på ML-modeller
Analysera IoT-data i Python

Vad är IoT?

IoT == Internet of Things

  • Nätverk av uppkopplade enheter
  • Mäter och samlar in data
  • Interagerar med omgivningen
Analysera IoT-data i Python

IoT-enheter

Uppkopplade enheter

  • Smarta lås
  • Uppkopplade termostater
  • Temperatursensorer

Temperatursensor

Industriella uppkopplade enheter

  • Uppkopplade maskiner
  • Robotar / Cobots
  • Paketspårning

Industrirobotar / Robotarmar

Analysera IoT-data i Python

IoT-dataformat

  • http / json
  • klartext
  • binärdata
  • XML
  • Proprietära protokoll
Analysera IoT-data i Python

Datainsamling

  • Dataströmmar
  • Hämtas från en enhet
  • API-endpoints
Analysera IoT-data i Python

Datainsamling – requests

import requests
url = "https://demo.datacamp.com/api/temp?count=3"
r = requests.get(url)
print(r.json())
[{'timestamp': 1536924000000, 'value': 22.3},
 {'timestamp': 1536924600000, 'value': 22.8},
 {'timestamp': 1536925200000, 'value': 23.3}]
print(pd.DataFrame(r.json()).head())
       timestamp  value
0  1536924000000   22.3
1  1536924600000   22.8
2  1536925200000   23.3
Analysera IoT-data i Python

Datainsamling – pandas

import pandas as pd
df_env = pd.read_json("https://demo.datacamp.com/api/temp?count=3")

print(df_env.head())
            timestamp  value
0 2018-09-14 11:20:00   22.3
1 2018-09-14 11:30:00   22.8
2 2018-09-14 11:40:00   23.3
print(df_env.dtypes)
timestamp    datetime64[ns]
value               float64
dtype: object
Analysera IoT-data i Python

Nu kör vi en övning!

Analysera IoT-data i Python

Preparing Video For Download...