个人生活的量化分析（二）：Apple健康数据分析
点击蓝字关注这个神奇的公众号～
林筱越：华东政法大学 社会学专业 R语言爱好者
往期回顾:
全文目录：
1. 前言
2. 数据准备
3. 数据导入
4. 数据预处理
5. 可视化部分
6. 结语
1. 前言
因为我是一个平时经常锻炼的人，因此基本上每次下载一个有关健康的app（例如Keep、悦跑圈等），我都会允许将数据导入iPhone的自带的健康app。
可能大家平时只对于健康app使用的比较少，但是它除了能提供有关健康数据的视图部分外，其实它还提供了「数据导出」的功能，这毫无疑问也为了解自己的锻炼状况提供了分析的可能。
本次使用的数据是通过iPhone导出后的健康数据，用以看看自己之前的一些锻炼状况。
2. 数据准备
进入健康app后点击右上角的用户图标：
之后进入之后点击最下面的「Export Data」，然后iPhone会将所有健康数据以一个名为「export.zip」的压缩包形式打包，接着通过iCloud或者微信传输到电脑：
得到压缩包后解压可以得到是「xml文件」，仍然不是我们需要的csv表格或xls格式，所以这时就需要进入健康数据转化的网站（http://ericwolter.com/projects/health-export.html），然后直接将解压后的xml文件拖入当中转化后便可以得到所有健康数据了：
由于篇幅有限，在导入数据之前我已经用Excel对所有csv格式的数据做了「分列」的预先处理，并删除一些无用的列，保留了基本的数据；但这并不代表数据就已经可以完全拿来使用了，因此还需要进一步进行清洗。
本次仅选取「体重记录」、「饮水量」、「卡路里消耗」、「每日步数记录」四部分数据来进行分析。
3. 数据导入
此次为大家展示一下通过与数据库交互，来导入数据将4个csv的数据文件导入进R；在此之前已经将4个文件导入MySQL：
library(RMySQL) #读取MySQL
library(tidyverse) #数据处理、可视化
# 1. 数据导入部分
## 调用MySQL
conn <- dbConnect(MySQL(), dbname='rdata',
username='root',
password='934804',
host='127.0.0.1',
port=3306)
## 读取表格
weight <- dbReadTable(conn, 'weight')
water <- dbReadTable(conn, 'water')
steps <- dbReadTable(conn, 'step_count')
calories <- dbReadTable(conn, 'calories')
• 其中conn部分最为重要：
– dbname：为数据库中的数据库名称
– username：一般个人的MySQL都为「root」
– password：是自己设定的密码（也可能为空）
– host：一般填「127.0.0.1」
– port：端口好一般为「3306」
• 建立好与MySQL连接的端口后，就可以使用RMySQL包中的dbReadTable函数来对数据库的表进行读取，第一个参数为端口，第二个参数为表格名称
• 不熟悉MySQL的朋友可以使用read_csv来读取，读取tidyverse包后就可以使用
4. 数据预处理
4.1 保留变量
由于这四部分数据存在着数据内容上的一致性，为了统一操作，这里其存入一个list中：
# 存入list
all_data <- list(weight, water, steps, calories)然后这时，我们用for循环来对这四个数据进行批量操作，即保留仅需要的列：
# 通过for循环保留列
keep_cols <- c('sourceName', 'creationDate', 'value')
for (i in c(1:4)) {
all_data[[i]] <- all_data[[i]][,keep_cols]
}
• 这里系统会提示说选择了没有定义列的警告信息，这里是因为有些数据没有sourceName这一列，但实际上并不影响列的提取，可以忽略
4.2 数据重组
由于没有使用read_csv函数导入，所以这里导入的所有数据都是字符串类型；但通过观察数据可以发现，所有数据基本都是包含时间对象和一个记录值。但时间对象我们仅需要提取「日期」即可，因此这里就需要所有数据时间对象进行日期提取。
在此之前我们先简单定义一个字符串列表分隔的函数：
# 定义提取日期函数
date_split_func <- function(name) {
date_split <- strsplit(name$creationDate, ' ')
date_get <- sapply(date_split, '[[', 1)
return(as.Date(date_get))
}
• 这里需要注意的就是sapply的用法：
– 第一个参数指定的是已经被strsplit函数分割的字符串列表
– 第二个参数是索引列表中的各部分（如果大家对此有疑问的话，可以查阅《R语言实战/第5章：高级数据管理》中学生成绩排名这一案例，当中就使用到了这一函数，很实用。算是一个骚操作:p）
– 第三个参数是提取时间对象的第1列（也就是日期）
接下来就是将四个数据进行筛选和重组：
# 数据筛选与重组
weight <- all_data[[1]]
weight_date <- date_split_func(weight)
weight <- weight %>%
select(value) %>%
cbind(weight_date)
calories <- all_data[[4]]
calories_date <- date_split_func(calories)
calories <- calories %>%
select(value, sourceName) %>%
cbind(calories_date)
• 这里为了方便大家阅读，就删去当中water和steps数据的重组过程，只需要将weight数据过程中的名称和索引进行替换即可。这三个数据的重组过程完全一致
• 然后calories数据与其他三个数据不同的是，多提取了sourceName一列
5. 可视化部分
5.1 体重记录
上个寒假放假的一段期间里，我每天都会早上测量自己的体重，打算看看在开学之前自己能胖多少斤：
weight %>%
ggplot(aes(x=weight_date, y=as.numeric(value))) +
geom_point() +
geom_line() +
# 添加平均线
# 设置颜色和线条：红色虚线，
# alpha：透明度减少50%
geom_hline(yintercept = mean(as.numeric(weight$value)),
color='red', linetype='dotdash', alpha=0.5)+
labs(x='日期（天）', y='重量（kg）', title='体重记录') +
scale_x_date(date_breaks = '3 day') +
# 在图中添加注释
# bolditalic为斜粗体
# parse=T时转化为数学公式样式
annotate(geom='text', x=weight_date[4], y=68,
label = 'paste(bolditalic(Mean), \' = 66.94(kg)\')', parse=T) +
# plot.title用于调整标题
theme_bw() +
theme(text = element_text(family = 'STKaiti'),
axis.text.x = element_text(angle = 45, vjust=1, hjust = 1),
plot.title = element_text(hjust = 0.5))
• 当中一些细节调整我已给出注释，大家对照着看应该很容易理解；后面我也不再一一重复
• 为了使图形简介，我使用scale_x_date函数稍微对x轴的日期进行分割
• 对于annotate函数中的选项，这里给大家稍微详解一下：
– x和y的坐标实际上是我个人指定图形中的空白区域部分，为了label注释部分能很好的展示
– label部分我使用了paste来将字符串进行黏贴，当中要注意一下「\」单斜杆的用法：用于对符号进行转化，以便系统视为「文本」的一部分
– parse=T时，label的内容会以数学公式的样式来呈现
在放假前，我的体重是63kg。从图形可以看出，一个假期我竟然一直在胖！
5.2 饮水量记录
为了贯彻每天8杯水的饮水理念（1杯水大概500ml？），我使用了一款名为「Water Reminder」的app来进行记录，就假定水杯为500ml，所以每次就喝一半就为250ml，因此就对应记录：
# 查看平均饮水量
water %>%
group_by(water_date) %>%
summarize(total_water = sum(as.numeric(value))) %>%
summarize(mean_drink = mean(total_water))
# 绘制
water_plot <- water %>%
group_by(water_date) %>%
summarise(total_water = sum(as.numeric(value))) %>%
ggplot(aes(x=water_date, y=total_water))+
geom_line() +
labs(x='日期（每3天）', y='饮水量（毫升）', title='饮水量') +
# 这里的yintercept=2802根据平均饮水量来输入
geom_hline(yintercept = 2802, color='red',
linetype='dotdash', alpha=0.5)+
annotate(geom='text', x=weight_date[1], y=1000,
label = 'paste(bolditalic(Mean), \' = 2802(ml)\')', parse=T) +
scale_x_date(date_breaks = '3 day') +
theme_bw() +
theme(text = element_text(family = 'STKaiti'),
axis.text.x = element_text(angle = 45, vjust=1,hjust = 1),
plot.title = element_text(hjust = 0.5))
从趋势可以看出，每天饮水量在不断下降（好吧，其实有时候会懒得记或者忘记记了）；没想到的是，1月19号那天我竟然喝了5L的水！
不过平均来说我每天喝水量大概也接近3000ml了（查看了一下中位数与平均数差不多，这里就没有使用中位数），总的来说每天身体的水分还是相对维持在一个平衡的状态吧！（多喝水有益健康）
5.3 卡路里消耗记录
不同app的卡路里记录
成人每日消耗大约1000～1500千卡（百度的）。手机里的卡路里记录主要由日常行走和锻炼两部分组成，虽然可能会有部分重合，但是对于整体的影响并不大，还是能较为直观的反映出平日里的能量消耗。
这里我就首先看一看我在Keep和悦跑圈两个app上锻炼时候的记录：
# 提出分组好的数据集
diff_app <- calories %>%
group_by(sourceName) %>%
summarize(total_calories = sum(as.numeric(value)))
# 创建标签
calories_label <- paste(diff_app$total_calories,'Kcal')
# 绘制
diff_app %>%
ggplot(aes(x=sourceName, y=total_calories, fill=factor(sourceName))) +
geom_bar(stat='identity', show.legend = F, width = 0.3) +
labs(x='健康App',y='总消耗卡路里(Kcal)',title='不同app的卡路里记录') +
# 将标签映射到数据上
geom_text(aes(label=calories_label), vjust = -0.2) +
theme_bw() +
theme(text = element_text(family='STKaiti'),
panel.grid.major.x = element_blank(),
plot.title = element_text(hjust = 0.5))
• 悦跑圈功能相对简单，仅作为跑步使用，消耗了3505千卡
• Keep既提供锻炼健身动作的功能，也提供了跑步的功能，因此自己经常性使用；到目前为止也已经消耗了大约11142千卡！
2018年的卡路里记录
数据里包含了从2017年到至今的数据（期间还原过手机几次，所以更早的记录就丢失了），但这里仅选取2018年的数据：
# 建立上年记录的索引
# 提取本年度的记录
last_year <-seq.Date(from = as.Date('2017-01-01'),
to = as.Date('2017-12-31'),
by = 'day')
drop_index <- calories$calories_date %in% last_year
calories <- calories[which(!drop_index),]
# 查看中位数
median(as.numeric(calories$value))
# 绘制部分
calories %>%
group_by(calories_date) %>%
summarise(total_calories = sum(as.numeric(value))) %>%
ggplot(aes(x=calories_date, y=total_calories)) +
geom_point() +
geom_line(alpha = 0.5) +
geom_hline(yintercept = 83, linetype='dotdash',
color='red', alpha=0.5) +
labs(x='日期（月）',y='总卡路里（Kcal）', title='卡路里消耗图') +
scale_x_date(date_breaks = 'week') +
annotate(geom='text', x=calories$calories_date[15], y=300,
label = 'paste(bolditalic(Median),\' = 83(Kcal)\')', parse = T) +
theme_bw() +
theme(text = element_text(family = 'STKaiti'),
axis.text.x = element_text(angle = 45, vjust = 1, hjust =1),
plot.title = element_text(hjust = 0.5))
• 这里的83千卡其实并不准确，因为这仅是手机记录的运动时消耗的能量；还缺少日常行为所消耗的能量。
• 同时，为了避免受极端值的影响，我使用了中位数来进行衡量。
可以看到的，今年是平时活动时消耗的卡路里大约是83Kcal，主要是因为今年处于备考状态，所以在锻炼上所分配的精力就少了，这也就是为什么导致记录的数据不变偏低的原因。
5.4 每日步数记录
在大一大二喜欢跑步的时候，经常会沉迷于微信运动的排行榜，不过之后就没有再关注并且关闭了微信运动（因为点赞什么的太烦）。不过每日步数的记录，也能侧面反映出一个人每日活动的状况吧：
# 汇总数据
group_steps <- steps%>%
group_by(steps_date) %>%
summarize(total_steps = sum(as.numeric(value)))
# 查看均值
mean_steps <- mean(group_steps$total_steps)
# 绘制部分
steps_plot <- group_steps %>%
ggplot(aes(x=steps_date, y=total_steps)) +
geom_line() +
labs(x='日期（周）', y='每日总步数', title='行走步数') +
scale_x_date(date_breaks='week') +
geom_hline(yintercept = mean_steps, linetype='dotdash',
color='red', alpha=0.5) +
annotate(geom='text', x=group_steps$steps_date[120], y=18000,
label = 'paste(bolditalic(Mean),\' = 7947.88(steps)\')',
parse = T) +
theme_bw() +
theme(text = element_text(family = 'STKaiti'),
axis.text.x = element_text(angle=45, vjust=1, hjust=1),
plot.title = element_text(hjust = 0.5))
• 从图形可以看出，基本上2017年下半年，因为课程安排的还是比较多，所以几乎每天都保持超过8000步的行走记录
• 到了今年，行走的步数也越来越少了……因为基本上每天活动的范围仅限于寝室……
6. 结语
• 分析至此，我觉得我平日里的生活习惯还是蛮健康的，也正因如此也会渐渐养成了某些保持健康的习惯。
• iPhone的健康app记录了多种活动的数据（如果有佩戴Apple Watch可能还会记录心率之类的数据）并提供了数据导出的功能；当然，如果拥有更多健康测量的设备，那么获得的数据也许还会更多。
• 可以看出，几张可视化的分析（除了app对比的那张图外）基本上可以看作是时间序列对象的描述性分析；至于对时间序列进行分解与建模更深层次、更复杂的统计方法方面，暂时没有涉及，不过还是有深挖的可能。如果感兴趣对自己的日常行为有兴趣的朋友可以尝试去探索一番！
公众号后台回复关键字即可学习
回复 R R语言快速入门及数据挖掘
回复 Kaggle案例 Kaggle十大案例精讲（连载中）
回复 文本挖掘 手把手教你做文本挖掘
回复 可视化 R语言可视化在商务场景中的应用
回复 大数据 大数据系列免费视频教程
回复 量化投资 张丹教你如何用R语言量化投资
回复 用户画像 京东大数据，揭秘用户画像
回复 数据挖掘 常用数据挖掘算法原理解释与应用
回复 机器学习 人工智能系列之机器学习与实践
回复 爬虫 R语言爬虫实战案例分享