気象庁XMLのSPARQL APIを利用してデータを俯瞰しよう -SPARQLとRによる可視化-

～AITCクラウドテクノロジー活用部会～
気象庁XMLのSPARQL APIを
利用してデータを俯瞰しよう
- SPARQLとRによる可視化 -
2014/04/22
菅井康之

Copyright © 2014 Advanced IT Consortium to Evaluate, Apply and Drive All Rights Reserved.
• 気象庁XMLのデータをAPIで公開しているけ
ど、ただ公開するだけじゃなくて、もう少し
特色を出して行きたいと思う今日この頃
• せっかくSPARQLのエンドポイントも公開し
ているので、通常のAPIでは簡単に出来な
い、統計情報や俯瞰したデータを可視化
し、公開してはどうだろう？
というわけで、今回はSPARQLの
クエリ発行から可視化までを
行ってみます

3Copyright © 2014 Advanced IT Consortium to Evaluate, Apply and Drive All Rights Reserved.
テーマ１　季節や月によるデータの傾向を見たい
3

-大体の流れ-
•月毎に気象庁XMLの情報を集計する
SPARQLクエリを発行
•SPARQLの結果をRで読み込み、若干の補正
•種類が多いので、可視化部分はrChartsを
利用してインタラクティブに
※rChartsについては下記スライドを参照ください
http://www.slideshare.net/yasuyukisugai/r-charts

• SPARQLクエリはこんな感じにしました
※日付として処理したいので、末尾を1日固定にしています
PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>
PREFIX atom: <http://www.w3.org/2005/Atom#>
PREFIX jma: <http://cloud.projectla.jp/jma/>
PREFIX area: <http://cloud.projectla.jp/jma/area#>
PREFIX link2: <http://cloud.projectla.jp/jma/link2/>
SELECT ?title ?mon (COUNT(?id) as ?c)
WHERE {
?id atom:title ?title .
?id atom:updated ?updated
} GROUP BY ?title
(CONCAT(STR(YEAR(xsd:dateTime(?updated))), '/',
STR(MONTH(xsd:dateTime(?updated))), '/01') AS ?mon)

• SPARQLクエリの発行、結果取得をRで行
うには？→RのSPARQLライブラリを利用しま
す
• Rで以下のコマンドを実行し、ライブラリを
インストール＆ロードします
> install.packages("SPARQL")
> library(SPARQL)

• RでSPARQLクエリを発行し、結果を取得
します
• デフォルトのXML形式だと日本語が文字
化けするので、CSV形式で取得しています
• →Fusekiと相性が悪い？？
• →XMLにUTF-8が付いてないのが原因
> endpoint="http://api.aitc.jp/ds/sparql"
> query="前のスライドのクエリを見てね！"
> result<-SPARQL(url=endpoint, query=query,
extra=list(output="csv"), format="csv")

• 取得結果はこんな感じ
> View(result$result)

• データをソートしたり、不要なデータを除去
したり・・・
※2012/12のデータは、気象庁XMLの公開が
開始された月のため、１ヶ月に満たない
データしか存在しません
　そのため、今回の対象データからは除去
　しています
> result2<-result$result
> result2<-transform(result2, date=as.Date(mon))
> result2<-result2[order(result2$title, result2$date),]
> result2<-result2[as.Date("2013/01/01")<=result2$date,]

• 可視化部分はrChartsを利用します
• Rで以下のコマンドを実行し、ライブラリを
インストール＆ロードします
> install.packages("devtools")
> library(devtools)
> install_github("rCharts", "ramnathv")
> library(rCharts)

• 今回はあまり凝った事をしないので、
HighChartsで単純に可視化します
※rChartsは日付処理がややめんどい
> result2 = transform(result2 ,
date2 = as.numeric(as.POSIXct(date))*1000)
> p2<-hPlot(c date2, data=result2, group="title")
> p2$xAxis(type = 'datetime', labels = list(
format = '{value:%Y-%m}'
))
> p2$set(width=1200, height=800)
> p2

• こんな感じで可視化出来ました
• これをフィルタリングしていくと・・・

• 気象警報・注意報は夏場に多かったり

• 竜巻注意情報も夏場に多い事が分かっ
たりします

15Copyright © 2014 Advanced IT Consortium to Evaluate, Apply and Drive All Rights Reserved.
テーマ2 気象台や情報毎の細かいデータの
傾向を見たい
15

テーマ2 気象台や情報毎の細かいデータの傾
向を見たい
-大体の流れ-
•SPARQLクエリがちょっと違うくらいで、やって
る事は同じ
ちなみに、再現性が大事と教わったので、この
スライドは細かく書くようにしています

• SPARQLクエリはこんな感じで
※authorとname(リテラル)を追加しただけです・・・はい・・・
傾向を見たい
PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>
PREFIX atom: <http://www.w3.org/2005/Atom#>
PREFIX jma: <http://cloud.projectla.jp/jma/>
PREFIX area: <http://cloud.projectla.jp/jma/area#>
PREFIX link2: <http://cloud.projectla.jp/jma/link2/>
SELECT ?title ?name ?mon (COUNT(?id) as ?c) WHERE {
?id atom:title ?title .
?id atom:updated ?updated .
?id atom:author ?author .
?author link2:name ?name
} GROUP BY ?title ?name
(CONCAT(STR(YEAR(xsd:dateTime(?updated))), '/',
STR(MONTH(xsd:dateTime(?updated))), '/01') AS ?mon)

• 前回同様に、RでSPARQLクエリを発行
し、結果を取得します
傾向を見たい
> endpoint="http://api.aitc.jp/ds/sparql"
> query="前のスライドのクエリを見てね！"
> result<-SPARQL(url=endpoint, query=query,
extra=list(output="csv"), format="csv")

• 取得結果はこんな感じ
傾向を見たい
> View(result$result)

• データをソートしたり、不要なデータを除去
したり・・・
傾向を見たい
> result2_2<-result$result
> result2_2<-transform(result2_2, date=as.Date(mon))
> result2_2<-result2_2[order(result2_2$name,
result2_2$title, result2_2$date),]
> result2_2<-result2_2[as.Date("2013/01/01")<=result2_2$date,]
> result2_2 = transform(result2_2 ,
date2 = as.numeric(as.POSIXct(date))*1000)

• 試しに山口県の気象台の気象情報を可
視化してみます
傾向を見たい
> result2_2_yamaguchi<- result2_2[result2_2$name=="下関地方気象台", ]
> p2<-hPlot(c date2, data=result2_2_yamaguchi, group="title")
format = '{value:%Y-%m}'
))
> p2

傾向を見たい
• 高温注意情報が出たり、4月にも気象警
報・注意報が夏並みに出てたりなど。。

• 高温注意情報の頻度を気象台毎に見て
みます
傾向を見たい
> result2_2_kouon<-result2_2[result2_2$title=="府県高温注意情報", ]
> p2<-hPlot(c date2, data=result2_2_kouon,
group="name", type = "scatter")
format = '{value:%Y-%m-%d}'
))
> p2

傾向を見たい
• やはり沖縄が一番多く、また石垣島では
5月から発令されているなど。。

• 記録的短時間大雨情報の頻度を気象
台毎に見てみます
傾向を見たい
> result2_2_kiroku<- result2_2[result2_2$title=="記録的短時間大雨情報", ]
> p2<-hPlot(c date2, data=result2_2_kiroku,
group="name", type = "scatter")
format = '{value:%Y-%m-%d}'
))
> p2

傾向を見たい
• 9月の岐阜が最も多く、福島では4月に
一度発令されているなど。。。

•Let’s have Fun!! :)

気象庁XMLのSPARQL APIを利用してデータを俯瞰しよう -SPARQLとRによる可視化-

More Related Content

What's hot (20)

Similar to 気象庁XMLのSPARQL APIを利用してデータを俯瞰しよう -SPARQLとRによる可視化- (12)

More from Yasuyuki Sugai (16)

気象庁XMLのSPARQL APIを利用してデータを俯瞰しよう -SPARQLとRによる可視化-