Эй, Фитбит, мои данные принадлежат мне!

Этот код может нуждаться в некотором объяснении (не стесняйтесь пропустить этот текст, если вы понимаете это просто отлично). Сначала вы заметите функцию входа в систему, где вам нужно будет ввести адрес электронной почты и пароль, которые вы зарегистрировали для своей учетной записи Fitbit. Затем вы заметите, что я указал переменную ‘startdate’ и поместил ‘2015-08-07’ в качестве значения внутри функции as.Date. Это был только первый полный день, который я провел с Fitbit, и вы можете поменять его на тот, который был вашим первым Fitbit днем. Затем функция seq удобно создает вектор, содержащий серию отметок даты, начиная с указанной «начальной даты» и заканчивая «конечной датой», которую вы можете видеть, какой бы ни была сегодняшняя дата.

Наконец, у нас есть цикл for, который циклически просматривает индексы, представляющие каждый элемент в последовательности дат ‘s’, так что 5-минутные данные каждого дня могут быть сохранены во временном фрейме данных и добавлены к объекту ‘hr_data’, который преобразует из списка в фрейм данных. После всего, что сказано и сделано, теперь у вас есть первый залп ваших собственных данных Fitbit.

Но подождите, это еще не все! Как насчет того, когда вы хотите загрузить больше данных, через несколько дней? Вам нужно снова запустить этот же код, перезаписывая данные за дни, которые уже были обработаны? Вы можете сделать это, или вы можете использовать более сложный код ниже, который только очищает веб-сайт Fitbit от данных за неполные дни или там вообще!

Код, когда вы хотите больше и больше и больше данных Fitbit!

library(lubridate)
library(plyr)
library(dplyr)
library(fitbitScraper)

cookie = login("my@email.com", "mypassword", rememberMe = TRUE)
startdate = as.Date('2015-08-07', format = "%Y-%m-%d")
enddate = today()
s = seq(startdate, enddate, by="days")

completeness = hr_data %>% group_by(dte = as.Date(time)) %>% summarise(comp = mean(hrate > 0))
incomp.days = which(completeness$comp < .9)
missing.days = which(s %in% completeness$dte == FALSE)
days.to.process = c(incomp.days, missing.days)

for (i in days.to.process) {
  df = get_intraday_data(cookie, "heart-rate", date=sprintf("%s",s[i]))
  names(df) = c("time","hrate")

  # If the newly downloaded data are for a day already in
  # the pre-existing dataframe, then the following applies:

  if (mean(df$time %in% hr_data$time) == 1) {

    # Get pct of nonzero hrate values in the pre-existing dataframe
    # where the timestamp is the same
    # as the current timestamp being processed in the for loop.

    pct.complete.of.local.day = mean(hr_data$hrate[yday(hr_data$time) == yday(s[i])] > 0)

    # Get pct of nonzero hrate values in the temporary dataframe
    # where the timestamp is the same
    # as the current timestamp being processed in the for loop.

    pct.complete.of.server.day = mean(df$hrate[yday(df$time) == yday(s[i])] > 0)

    # If the newly downloaded data are more complete for this day
    # than what is pre-existing, overwrite the heart rate data
    # for that day.

    if (pct.complete.of.local.day < pct.complete.of.server.day) {
      rows = which(hr_data$time %in% df$time)
      hr_data$hrate[rows] = df$hrate}
  }
  else {

    # If the newly downloaded data are for a day not already in
    # the pre-existing dataframe, then use rbind to just add them!

    hr_data = rbind(hr_data, df)
  }
  rm(df)
}