RでSony Lifelog APIを叩く(2/3) Lifelogの取得

estrellita.hatenablog.com

の続き。

1年半ほど前に携帯電話をXperia Z3に変更してからSmartband SWR10を身に付けている。

SONY　ソニー　スマートバンド　SmartBand SWR10　【並行輸入品】

出版社/メーカー: SONY
メディア: 付属品
この商品を含むブログ (1件) を見る

睡眠時間や歩数、消費カロリーなどが取得できるのでそれぞれ試して見る。

1. 睡眠ログの取得

Lifelog APIのRequest, ResponseはRequests and responses | Sony Developer Worldに記載されている。

睡眠ログを取得するにはhttps://platform.lifelog.sonymobile.com/v1/users/me/activitiesのリクエストパラメータtypeにsleepを指定する。

library(httr)
library(dplyr)
library(jsonlite)

sleep <- GET("https://platform.lifelog.sonymobile.com/v1/users/me/activity", 
             add_headers(Authorization = paste0("Bearer ", access_token)),
             query=list(
               start_time="2016-07-10T00:00:00.000+0900",
               end_time="2016-07-11T00:00:00.000+0900",
               type="sleep")
) %>%
  content("text") %>%
  fromJSON(flatten = TRUE)

str(sleep)
List of 1
 $ result:'data.frame':    1 obs. of  6 variables:
  ..$ id           : chr "467cb49d-20d5-4d6e-9271-c433654a7a93-2016-07-09"
  ..$ type         : chr "sleep"
  ..$ sources      :List of 1
  .. ..$ :'data.frame':    1 obs. of  3 variables:
  .. .. ..$ name: chr "swr10"
  .. .. ..$ id  : chr "2463b7784d015639/68:76:4F:E9:C6:7A"
  .. .. ..$ type: chr "smartband"
  ..$ startTime    : chr "2016-07-10T01:47:00.000+09:00"
  ..$ endTime      : chr "2016-07-10T09:21:00.000+09:00"
  ..$ details.state:List of 1
  .. ..$ : chr [1:454] "awake" "awake" "awake" "awake" ...

睡眠の状態はsleep$result$details.stateに含まれており以下の3種類がある。

awake
light
deep

入眠後3時間以内の深い睡眠の割合を返す関数を以下のように定義し、sleep$result$details.stateに適用してみる。

# x: result$details.stateのlist
# y: 入眠後y分以内の深い睡眠の割合を返すか
getDeepSleepRate <- function(x, y){
  deep_sleep_rate <- x %>% 
    unlist() %>%
    data.frame(state = .) %>%
    mutate(is.deep = ifelse(state == "deep", 1, 0),
           no = row_number()) %>%
    filter(no <= y) %>%
    summarise(deep_sleep_rate=mean(is.deep))
  
  return(deep_sleep_rate)
}

map(sleep$result$details.state, getDeepSleepRate, 180)
[[1]]
  deep_sleep_rate
1       0.4555556

1日の睡眠時間はlubridate::ymd_hmsを使用すると簡単に計算できる。

library(lubridate)
sleeping_time <- ymd_hms(sleep$result$endTime) - ymd_hms(sleep$result$startTime)
sleeping_time
Time difference of 7.566667 hours

2. 歩数データの取得

歩数データを取得するにはhttps://platform.lifelog.sonymobile.com/v1/users/me/activitiesのリクエストパラメータtypeにphysicalを指定する。

physical <- GET("https://platform.lifelog.sonymobile.com/v1/users/me/activity",
                add_headers(Authorization = paste0("Bearer ", access_token)),                
                query=list(
                  start_time="2016-07-10T00:00:00.000+0900",
                  end_time="2016-07-11T00:00:00.000+0900",
                  type="physical")
                ) %>%
  content("text") %>%
  fromJSON(flatten = TRUE)

result$details.stepsにlistで格納されるのでunlist()してsum()で簡単に歩数が取り出せる。

steps <- physical$result$details.steps %>%
  unlist() %>%
  sum()

steps
[1] 8551

3. 消費カロリーの取得

消費カロリーには以下の2つがある。

運動で消費したカロリー
安静時に消費したカロリー

運動で消費したカロリー

運動で消費したカロリーは歩数と同じようにresult$details.aeeで取得できる。

aee <- activities$result %>%
  select(details.aee) %>%
  unlist() %>%
  sum()

aee
[1] 1144.062

安静時に消費したカロリー

安静時に消費したカロリーはHow to calculate calories | Sony Developer Worldを見る限り ${ BMR \times Hours }$ のようだ。

BMRはhttps://platform.lifelog.sonymobile.com/v1/users/meから取得できる。

me  <- GET("https://platform.lifelog.sonymobile.com/v1/users/me/",
           add_headers(Authorization = paste0("Bearer ", access_token))
           ) %>%
  content("text") %>%
  fromJSON(flatten = TRUE)

me$result$bmr * 24
1581.997

一応、上記の計算でlifelogアプリで表示される値とは一致した。(physicalで取得できるaeeはなんだろう。。。)

4. ランニング時間と距離

/me/activityのtype=physicalにはsubtypeもあり、"walk", "run", "bicycle", "other"などがある。

ランニングの時間は以下のように取得できる。

running_time <- physical$result %>%
  filter(subtype == "run") %>%
  mutate(difftime = ymd_hms(endTime)-ymd_hms(startTime)) %>%
  select(difftime) %>%
  unlist() %>%
  sum()
running_time
[1] 48

ランニングの距離はdetails.distanceで取得できるが精度が微妙。

running_distance <- physical$result %>%
  filter(subtype == "run") %>%
  select(details.distance) %>%
  unlist() %>%
  sum()
running_distance
[1] 6974.224