概要

データの見えざる手によれば、人間の身体活動はある規則に従って分配される

出典データの見えざる手

このグラフは

手首にリストバンド型加速度センサを付けて、身体運動の回数(N回/分)を測定する
一定期間中の、身体運動の回数の、出現頻度累積確率を縦軸に取る(対数目盛)

ことで、描ける
ここから、分かることは

60回/分の活動は一日の半分を占める(占めることになる)
60~120回/分の活動は一日の1/4を占める(占めることになる)

例えば、ある仕事が60~120回/分の運動量だとすれば、
その仕事は一日の間で1/4分の時間しか費やせない(それ以上の時間、その仕事は頑張れない)
という事

なるほど、面白いと思って、これと似たことをOuraRingでやってみた

OuraRingからMetsを取得する

データの見えざる手では、加速度センサによる動きを使っていた
自分の所有しているOuraRingではMetsという値が取れているため、これで代用する
OuraRingのAPIを使って、Metsを取得する

OuraAPIの使い方はこの記事が参考になる

sample.py

import requests
import json
import os
import datetime
import collections
import pprint

BASE_URL = "https://api.ouraring.com/v1/"
TOKEN    = "access_token=" + str(os.environ.get("OURA_TOKEN"))

def create_date_str(weeks_offset=0):
    today = datetime.datetime.today()
    target_date = today - datetime.timedelta(days=1,
                                             weeks=weeks_offset)
    return target_date.strftime("%Y-%m-%d")

def create_url(weeks_offset=0):
    end_date = create_date_str(weeks_offset)
    start_date = create_date_str(weeks_offset+1)
    url = f"{BASE_URL}activity?start={start_date}&end={end_date}&{TOKEN}"
    return url

if __name__ == "__main__":
    headers = {"content-type": "application/json"}
    mets_counter = collections.Counter()

    for week_offset in range(5):
        responce = requests.get(create_url(week_offset), headers=headers)
        data = responce.json()
        for activity in data["activity"]:
            mets_counter.update(activity["met_1min"])

    total_num = sum(mets_counter.values())
    for mets,count in mets_counter.items():
        mets_counter[mets] = count/total_num

    with open("mets.txt","w") as f:
        for mets,probability in mets_counter.items():
            f.write(f"{mets}\t{probability}\n")

https://github.com/box16/OURA_API

metsを取得するためのurlは
https://api.ouraring.com/v1/activity?start=YYYY-MM-DD&end=YYYY-MM-DD&access_token=TOKEN

create_date_str,create_urlで一週間ごとのactivityデータを取得するURLを生成する
一週間分毎に{mets : 出現回数}を更新する
(結構データ量大きそうだからメモリ節約のため、必要な分だけ細かく取得しているつもり)

これを、何かしら出力する

データの可視化

まず、単純にmets - 出現確率を可視化する

2mets以下の出現頻度が高い事が分かる

次にmets - 累積確率を可視化する
(累積確率は、あるmetsと、それ以前すべてのmetsの出現確率の和→総和が1)

2mets以下で一日の80%を占めている
2mets以上は20%

この時点でmetsもU分布に従いそうなことが分かった

これを

出典データの見えざる手

この画像っぽく見せてみる
mets - (1-累積確率)の縦軸を対数目盛にすると出来た

Metsと実際の運動の紐づき

例えば、

立ちながらの読書 : 1.8mets
リクライニングでの読書 : 1mets
座位作業(読書含む) : 1.5mets

とある
データの見えざる手を参考に、読書のカルノー効率を計ると
1 - 1/1.8 = 0.44
最大、1日の44%(活動時間16時間として7時間くらい)までしか読書できない
(metsで言えばの話だから、読書に限らず1~1.8mets程度の活動は1日7時間しか出来ない)
と言えそう

筋トレは

ウェイトリフティング : 6mets
一般的な健康教室での運動 : 5.5mets

で

1 - 5.5/6 = 0.083
1日の8%程度(1時間程度)が限界

まとめ

データの見えざる手マジおもしれぇ
MetsもU分布に従っていた
Mets表とOuraRingのトラッキングがあれば、効果的に一日のスケジューリングが出来る

[Python][データの見えざる手] OuraRingからmetsを取得しU分布に従うのか調べてみた

概要

OuraRingからMetsを取得する

データの可視化

Metsと実際の運動の紐づき

まとめ