120
137

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Python FastAPIで構築する実用的データ統合パイプライン: 天気・交通APIを例にしたジェネレータ活用術

Last updated at Posted at 2024-09-09

はじめに

こんにちは、皆さん。今回は、FastAPIを使用して天気予報APIと交通情報APIを作成し、それらから取得したデータを効率的に統合する方法について、Pythonのジェネレータを使用したアプローチを紹介します。この例を通じて、複数のデータソースを組み合わせることで、日常生活の計画をより効率的に立てる方法を学びましょう。

image.png

目次

  1. はじめに
  2. 環境準備
  3. FastAPIを使用した天気・交通APIの作成
  4. ジェネレータを使用したデータ統合
  5. 動作確認と日常生活への応用
  6. パフォーマンスと拡張性
  7. まとめ

はじめに

日々の生活において、天気予報や交通情報は私たちの行動計画に大きな影響を与えます。本記事では、これらの情報を提供する2つのAPIを作成し、それらからのデータを効率的に統合して活用する方法を紹介します。

環境準備

まず、必要なライブラリをインストールします:

pip install fastapi uvicorn requests

FastAPIを使用した天気・交通APIの作成

image.png

api_server.pyファイルを作成し、以下のコードを記述します:

from fastapi import FastAPI
from pydantic import BaseModel
import uvicorn
from typing import List
import random
from datetime import datetime, timedelta

app = FastAPI()

class WeatherForecast(BaseModel):
    date: str
    temperature: float
    condition: str

class TrafficInfo(BaseModel):
    date: str
    congestion_level: str
    delay_minutes: int

@app.get("/api/weather", response_model=List[WeatherForecast])
async def get_weather_forecast():
    conditions = ["晴れ", "曇り", "", ""]
    forecasts = []
    for i in range(7):  # 1週間分の天気予報
        date = (datetime.now() + timedelta(days=i)).strftime("%Y-%m-%d")
        forecasts.append(WeatherForecast(
            date=date,
            temperature=round(random.uniform(0, 35), 1),
            condition=random.choice(conditions)
        ))
    return forecasts

@app.get("/api/traffic", response_model=List[TrafficInfo])
async def get_traffic_info():
    congestion_levels = ["", "", ""]
    traffic_info = []
    for i in range(7):  # 1週間分の交通情報
        date = (datetime.now() + timedelta(days=i)).strftime("%Y-%m-%d")
        traffic_info.append(TrafficInfo(
            date=date,
            congestion_level=random.choice(congestion_levels),
            delay_minutes=random.randint(0, 60)
        ))
    return traffic_info

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)

このコードは、天気予報(/api/weather)と交通情報(/api/traffic)を提供する2つのエンドポイントを持つFastAPIアプリケーションを作成します。各エンドポイントは1週間分のデータをランダムに生成して返します。

ジェネレータを使用したデータ統合

image.png

次に、これらのAPIからデータを取得し統合するコードを作成します。data_integrator.pyファイルを作成し、以下のコードを記述します:

import requests
from datetime import datetime

def fetch_data_from_api(endpoint):
    response = requests.get(f"http://localhost:8000{endpoint}")
    return response.json()

def data_integrator():
    weather_data = fetch_data_from_api("/api/weather")
    traffic_data = fetch_data_from_api("/api/traffic")
    
    for weather, traffic in zip(weather_data, traffic_data):
        yield {
            "date": weather["date"],
            "weather": weather,
            "traffic": traffic
        }

def plan_week():
    today = datetime.now().date()
    for day_data in data_integrator():
        date = datetime.strptime(day_data["date"], "%Y-%m-%d").date()
        weather = day_data["weather"]
        traffic = day_data["traffic"]
        
        if date == today:
            continue  # 今日のデータはスキップ
        
        plan = f"日付: {date}\n"
        plan += f"天気: {weather['condition']}、気温: {weather['temperature']}\n"
        plan += f"交通: 混雑度 {traffic['congestion_level']}、予想遅延 {traffic['delay_minutes']}\n"
        
        if weather["condition"] == "" and traffic["congestion_level"] == "":
            plan += "行動プラン: 在宅勤務をおすすめします。\n"
        elif weather["condition"] in ["晴れ", "曇り"] and traffic["congestion_level"] == "":
            plan += "行動プラン: オフィス勤務に最適な日です。\n"
        else:
            plan += "行動プラン: 通常通りの予定で問題ありません。\n"
        
        yield plan

if __name__ == "__main__":
    print("来週の行動計画:")
    for daily_plan in plan_week():
        print(daily_plan)
        print("-" * 40)

このdata_integrator関数は、天気予報APIと交通情報APIからのデータを統合し、日付ごとにまとめて生成します。plan_week関数は、統合されたデータを基に、各日の行動計画を生成します。

動作確認と日常生活への応用

  1. まず、APIサーバーを起動します:
python api_server.py
  1. 別のターミナルで、データ統合と行動計画生成スクリプトを実行します:
python data_integrator.py

このスクリプトは、1週間分の天気予報と交通情報を取得し、それらを基に各日の行動計画を生成して表示します。

出力例:

来週の行動計画:
日付: 2024-09-02
天気: 晴れ、気温: 28.5℃
交通: 混雑度 低、予想遅延 15分
行動プラン: オフィス勤務に最適な日です。
----------------------------------------
日付: 2024-09-03
天気: 雨、気温: 22.3℃
交通: 混雑度 高、予想遅延 45分
行動プラン: 在宅勤務をおすすめします。
----------------------------------------
...

この例では、天気と交通状況に基づいて、オフィス勤務か在宅勤務かを提案しています。実際の使用では、より複雑な条件や個人の予定を考慮に入れることで、より適切な行動計画を立てることができます。

パフォーマンスと拡張性

image.png

ジェネレータを使用することで、以下のような利点があります:

  1. メモリ効率:1週間分のデータを一度にメモリに読み込む代わりに、1日ずつ処理できます。これにより、大量のデータを扱う場合でもメモリ使用量を抑えることができます。

  2. リアルタイム処理:新しいデータが利用可能になった時点で即座に処理を開始できます。例えば、天気予報が更新されたら、すぐにその情報を反映した行動計画を生成できます。

  3. 柔軟性:新しいデータソースを簡単に追加できます。これは、システムの拡張性を高める重要な特徴です。

システムの拡張例

例えば、より豊かな行動計画を立てるために、地域のイベント情報を追加したいと考えたとします。この場合、以下のようにシステムを拡張できます:

  1. まず、api_server.py にイベント情報を提供する新しいエンドポイントを追加します:
class EventInfo(BaseModel):
    date: str
    event_name: str
    location: str

@app.get("/api/events", response_model=List[EventInfo])
async def get_event_info():
    events = []
    for i in range(7):  # 1週間分のイベント情報
        date = (datetime.now() + timedelta(days=i)).strftime("%Y-%m-%d")
        events.append(EventInfo(
            date=date,
            event_name=f"イベント{i+1}",
            location=f"場所{i+1}"
        ))
    return events
  1. 次に、data_integrator.pydata_integrator 関数を拡張して、新しいAPIからのデータを統合します:
def data_integrator():
    weather_data = fetch_data_from_api("/api/weather")
    traffic_data = fetch_data_from_api("/api/traffic")
    event_data = fetch_data_from_api("/api/events")
    
    for weather, traffic, event in zip(weather_data, traffic_data, event_data):
        yield {
            "date": weather["date"],
            "weather": weather,
            "traffic": traffic,
            "event": event
        }
  1. 最後に、plan_week 関数を更新して、イベント情報を考慮した行動計画を生成します:
def plan_week():
    today = datetime.now().date()
    for day_data in data_integrator():
        date = datetime.strptime(day_data["date"], "%Y-%m-%d").date()
        weather = day_data["weather"]
        traffic = day_data["traffic"]
        event = day_data["event"]
        
        if date == today:
            continue  # 今日のデータはスキップ
        
        plan = f"日付: {date}\n"
        plan += f"天気: {weather['condition']}、気温: {weather['temperature']}\n"
        plan += f"交通: 混雑度 {traffic['congestion_level']}、予想遅延 {traffic['delay_minutes']}\n"
        plan += f"イベント: {event['event_name']} @ {event['location']}\n"
        
        if weather["condition"] == "" and traffic["congestion_level"] == "":
            plan += "行動プラン: 在宅勤務をおすすめします。\n"
        elif weather["condition"] in ["晴れ", "曇り"] and traffic["congestion_level"] == "":
            if event["event_name"] != "イベントなし":
                plan += f"行動プラン: オフィス勤務に最適な日です。仕事後に{event['event_name']}に参加するのはいかがでしょうか?\n"
            else:
                plan += "行動プラン: オフィス勤務に最適な日です。\n"
        else:
            plan += "行動プラン: 通常通りの予定で問題ありません。\n"
        
        yield plan

この拡張により、天気、交通、そしてイベント情報を総合的に考慮した、より詳細な行動計画を生成できるようになります。ジェネレータを使用しているため、新しいデータソースを追加しても、メモリ効率や処理の柔軟性は維持されます。

このような拡張性は、実際のプロジェクトにおいて非常に重要です。ユーザーのニーズの変化や、新しいデータソースの登場に応じて、システムを柔軟に進化させることができます。

まとめ

image.png

この記事では、FastAPIを使用して天気予報と交通情報のAPIを作成し、それらのデータをPythonのジェネレータを使用して効率的に統合する方法を学びました。この手法を応用することで、日々の生活における意思決定をサポートする実用的なツールを作成できます。

実際のプロジェクトでは、より正確なデータソースの使用や、ユーザーの個人的な予定やプリファレンスの考慮など、さらなる改良が必要になるでしょう。しかし、ここで示した基本的な概念は、効率的なデータ処理と意思決定支援システムの強力な基盤となります。

ぜひ、この例を基に、自分の生活に役立つデータ統合ツールを作ってみてください。API統合とジェネレータの力を活用することで、日常生活をより効率的に、そしてスマートにすることができるはずです。

Happy coding and smart living!

120
137
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
120
137

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?