點擊上方關注，All in AI 中國
許多研究人員都對直接從網站獲取新的數據很感興趣。但是從網站上收集大量數據可能是不切實際的。當手動收集數據後，很容易出現人為錯誤。當自動收集數據時時，它可能會違反網站的服務條款。
所以，研究人員通常依賴一個被稱為API的工具，該工具代表應用程序編程接口。Web API根據規則提供了網站和用戶之間的通信方式。特別是，它們允許用戶通過從特定網站下的數據庫請求數據，從而快速獲得明確定義的數據類型。（這不是唯一的API。例如，智能手機應用程序經常使用API在你的設備和應用程序的數據庫之間來回傳送數據，但是在這篇文章中，我們關注的是從網站向用戶提供數據的API。）
許多大公司以及政府機構都創建了公共API。這些組織的數據可以很容易的訪問，以鼓勵開發人員使用他們的平臺。在Pew研究中心，作者經常使用API為研究收集信息。常見的有我們在社交媒體中的機器人、關於槍支的Google搜索、Facebook上的科學頁面以及關於政府政策的公開評論中（都使用了API）。
API如何提供數據
API提供各種形式的數據，但JSON是其中最受歡迎的。JSON是用於構造數據的有用文件格式，因為它保存了與製表符或逗號分隔文件（如.tsv和.csv文件）相關的更多層次結構和關於數據集的元信息。根據你用於數據分析時使用的編程語言，有些庫可以使JSON數據操作變得直觀。例如，在R統計語言中，可以使用jsonlite庫將API中的數據轉換為熟悉的R對象和類。
API可以用於不同的編程語言
為了在各種用不同語言編寫的計算機程序（如Java、Python、R等）上有效地與API進行交互，研究人員依賴於API"封裝器"。這些工具（存在於大多數流行的API中）允許研究人員在使用他們自己選擇的編程語言的同時直接從API請求數據。下面，我們以世界銀行的API為例，使用R訪問數據。
示例：如何與世界銀行的API進行交互
世界銀行API為研究人員提供了數百個關於世界各國健康、財富和文化的變量。為了展示如何使用這個API，我們可以編寫一個腳本來獲取一些變量並繪製它們。在這種情況下，我們將使用世界銀行提供的識別碼搜索變量，然後將變量提取到R的內存中。
下面的代碼使用WDI包，這是一個包含世界銀行API封裝的R包。 （如上所述，封裝器是一個函數或一組函數，用於執行對API的調用，並將結果轉換為比API本身更有用的內容。）要執行此代碼，首先必須安裝WDI軟件包以及devtools、ggplot2、gganimate、data.table和dplyr。你可以使用以下命令為R安裝這些函數：
我們還將為動畫安裝gganimate附加軟件包：
現在安裝了這些軟件包，讓我們將它們加載到工作內存中：
WDI包提供了一種便捷的方式來搜索世界銀行API以尋找可能值得研究變量。下面，我們在"string"字段之後指定要搜索的單詞，以及查找它的位置"name"字段。這樣，我們可以看到所有與道路基礎設施、免疫率和任何其他變量有關的變量與人均衡量。
搜索返回變量列表及其相應的代碼。現在我們已經知道了我們感興趣的變量的代碼，我們可以從API調用數據。我們用WDI函數來做到這一點。在這個函數調用中，我們提供了我們想要的國家的參數、變量代碼、第一年的數據、最後一年的數據以及可選的"extra"字段集。"extra"字段集是國家元數據——嘗試關閉此選項，看看會發生什麼。
數據以data.table的形式加載到內存中，這是一種矩形數據框架，可以輕鬆進行交互和分析。 存在的一個問題是變量名稱不容易解釋，所以讓我們將它們轉換為更直觀的東西。我們使用dplyr軟件包來實現這一點，該軟件包提供了一組用於處理數據的工具。它有一個方便可讀的語法。我們將使用"rename"命令來重命名變量。
接下來，讓我們刪除缺少的觀測值，以便我們可以繪製數據。當然，你應該仔細考慮缺失的國家以及原因。
我們可以創建一個特定年份的收入和免疫率之間關係的可視化表示。我們將為每個國家繪製一個點，按照該國人口的對數大小來確定。我們也會繪製一般關係的黃線。
下圖是一個使用ggplot2的靜態圖：
最後，我們將創建一個在一段時間內具有相同關係的動畫。為此，請首先安裝ImageMagick。 然後創建一個包含數據中所有年份的圖表：
閱讀更多 AI中國 的文章
