Aula 12 - APIS¶
A sigla API deriva da expressão inglesa Application Programming Interface que, traduzida para o português, pode ser compreendida como uma interface de programação de aplicação. Ou seja, API é um conjunto de normas que possibilita a comunicação entre plataformas através de uma série de padrões e protocolos.
Dessa forma, existem muitas APIs criadas para fornecer dados a outros programas. De forma geral mandamos uma requisição de alguma forma para a API e ela nos retorno algo (podemos também mandar requisições para realizar alterações, etc...porém não é o escopo desta aula.)
Uma requisição pode ser feita simplesmente por meio de um URL. Considere a API do OSRM (opensource routing machine), que fornece informações geográficas por meio de sua API. Por meio da seguinte URL:
http://router.project-osrm.org/route/v1/driving/13.388860,52.517037;13.397634,52.529407;13.428555,52.523219?overview=false
Conseguimos acessar as distâncias entre as 3 localizações (longitude,latitude) contidas na URL. A resposta vem em um formato chamado JSON (isso depende da API e dos parâmetros passados). Com esse formato, conseguimos extrair os dados necessário.
Podemos visualizar os elementos de um arquivo JSON em um visualizador online para simplificação. Considere a resposta da API acima, insira a mesma no seguinte site (http://jsonviewer.stack.hu/), e veja como a informações está estruturada.
12.1 - Fazendo requisições de API em Python¶
Para coeltarmos a mesma informação acima direto do nosso programa em Python, precisamos usar a bibliteca requests, junto a função get. Abaixo segue um exemplo de uso em que são coletados dados da API (https://economia.awesomeapi.com.br/last/USD-BRL,EUR-BRL,BTC-BRL), que retorna cotações atualizadas de moedas.
import requests as rq
# awesome api
respostas = rq.get("https://economia.awesomeapi.com.br/last/USD-BRL,EUR-BRL,BTC-BRL")
# As respostas estão em um json que está dentro de respostas
respostas.json()['USDBRL']
{'code': 'USD',
'codein': 'BRL',
'name': 'Dólar Americano/Real Brasileiro',
'high': '5.1167',
'low': '5.1166',
'varBid': '0.0004',
'pctChange': '0.01',
'bid': '5.1162',
'ask': '5.1171',
'timestamp': '1675119247',
'create_date': '2023-01-30 19:54:07'}
12.2 - Exemplos de APIS em Python¶
API que fornece a hora atualizada (http://worldtimeapi.org):
Horário mundial¶
# World time API
respostas = rq.get("http://worldtimeapi.org/api/timezone/America/Sao_Paulo")
respostas.json()["datetime"]
'2022-09-14T17:39:18.426733-03:00'
Geoprocessamento/ matriz de distancias¶
API que fornece a matriz de distância entre pontos geográficos (http://router.project-osrm.org):
# OSRM
respostas = rq.get('http://router.project-osrm.org/table/v1/driving/-49.26742667248318,-25.43800114521021;-49.28340001503319,-25.444143212549957?annotations=distance,duration')
M = respostas.json()["distances"]
M
[[0, 3146.4], [2059.4, 0]]
Mapas do gogole maps¶
API do google (precisa de uma chave), que busca um mapa estático.
local = "Curitiba,Brazil"
chave = "XXXXXXXXXXXXXXXXXXXXXXX"
respostas = rq.get("https://maps.googleapis.com/maps/api/staticmap?center=" + local + "&zoom=14&size=400x400&key=" + chaveXXXXXXXXXXXXXXXXXXXXXXX)
# Abre um arquivo para salvar o conteúdo
f = open(r'G:\Meu Drive\Arquivos\UFPR\Disciplinas\2 - Intro Mineração de Dados\file.jpeg', 'wb')
f.write(respostas.content)
f.close()
# Abre a imagem
from IPython import display
display.Image(r'G:\Meu Drive\Arquivos\UFPR\Disciplinas\2 - Intro Mineração de Dados\file.jpeg')
Dados do governo federal (propostas da camara dos deputados deferais)¶
API do governo que fornece dados da camara dos deputados (https://dadosabertos.camara.leg.br).
# https://api.siorg.economia.gov.br/
respostas = rq.get("http://estruturaorganizacional.dados.gov.br/doc/estrutura-organizacional/resumida?codigoPoder=1&codigoEsfera=1&codigoUnidade=26&retornarOrgaoEntidadeVinculados=SIM")
respostas.json()["servico"]
{'codigoErro': 0,
'mensagem': 'Processamento sem erros',
'data': '2022-09-17',
'versaoServico': '3.10.0',
'ipRequisitante': '191.245.173.207',
'ticket': None}
# https://dadosabertos.camara.leg.br/#
respostas = rq.get("https://dadosabertos.camara.leg.br/api/v2/eventos?ordem=ASC&ordenarPor=dataHoraInicio", headers={"accept": "application/json"})
respostas.json()["dados"][0]
{'id': 66366,
'uri': 'https://dadosabertos.camara.leg.br/api/v2/eventos/66366',
'dataHoraInicio': '2022-09-14T14:00',
'dataHoraFim': None,
'situacao': 'Convocada',
'descricaoTipo': 'Audiência Pública',
'descricao': 'Vacinação das pessoas com diabetes e com obesidade\r\n REUNIÃO CONJUNTA',
'localExterno': None,
'orgaos': [{'id': 2014,
'uri': 'https://dadosabertos.camara.leg.br/api/v2/orgaos/2014',
'sigla': 'CSSF',
'nome': 'Comissão de Seguridade Social e Família',
'apelido': 'Seguridade Social e Família',
'codTipoOrgao': 2,
'tipoOrgao': 'Comissão Permanente',
'nomePublicacao': 'Comissão de Seguridade Social e Família',
'nomeResumido': 'Seguridade Social'},
{'id': 537871,
'uri': 'https://dadosabertos.camara.leg.br/api/v2/orgaos/537871',
'sigla': 'CIDOSO',
'nome': 'Comissão de Defesa dos Direitos da Pessoa Idosa',
'apelido': 'Defesa dos Direitos da Pessoa Idosa',
'codTipoOrgao': 2,
'tipoOrgao': 'Comissão Permanente',
'nomePublicacao': 'Comissão de Defesa dos Direitos da Pessoa Idosa',
'nomeResumido': 'Idosos'}],
'localCamara': {'nome': 'Anexo II, Plenário 12',
'predio': None,
'sala': None,
'andar': None},
'urlRegistro': 'https://www.youtube.com/watch?v=DqgH2lRw4hE'}
Mercado de ações¶
Para coletar dados de ações podemos usar o próprio pacote do pandas datareader.
import pandas as pd
from pandas_datareader import data as web
# Bovespa
df = web.DataReader(f'^BVSP', data_source='yahoo', start=f'02-20-2020', end='02-20-2021')
print(df)
# Facebook
df2 = web.DataReader("FB", data_source='yahoo', start=f'08-20-2020', end='12-20-2020')
print(df2)
# Alcoa corporation
df3 = web.DataReader("AA", data_source='yahoo', start=f'08-20-2020', end='12-20-2020')
print(df3)
High Low Open Close Volume Adj Close
Date
2020-02-20 116552 114379 116518 114586 6793000 114586
2020-02-21 114585 112661 114585 113681 5896200 113681
2020-02-26 113647 105053 113647 105718 9369800 105718
2020-02-27 106656 102984 105711 102984 11237700 102984
2020-02-28 104172 99951 102984 104172 11228400 104172
... ... ... ... ... ... ...
2021-02-11 120283 118440 118440 119235 7567400 119235
2021-02-12 119763 118163 119300 119116 7655900 119116
2021-02-17 120573 118880 119421 120391 8326100 120391
2021-02-18 120845 118515 120361 119140 10720600 119140
2021-02-19 119250 117867 119199 118748 10402800 118748
[245 rows x 6 columns]
High Low Open Close Volume \
Date
2021-12-07 326.540009 321.000000 321.570007 322.809998 18794000
2021-12-08 332.750000 323.070007 325.000000 330.559998 19937700
2021-12-09 336.130005 328.000000 329.540009 329.820007 16879200
2021-12-10 335.029999 326.369995 332.559998 329.750000 14528000
2021-12-13 341.089996 329.589996 330.950012 334.489990 22948700
... ... ... ... ... ...
2022-12-01 121.199997 118.400002 119.199997 120.440002 36551400
2022-12-02 124.040001 117.610001 117.830002 123.489998 39875100
2022-12-05 124.669998 121.349998 121.750000 122.430000 35474900
2022-12-06 120.550003 113.739998 119.910004 114.120003 43645300
2022-12-07 115.879997 112.879997 113.760002 113.430000 15469568
Adj Close
Date
2021-12-07 322.809998
2021-12-08 330.559998
2021-12-09 329.820007
2021-12-10 329.750000
2021-12-13 334.489990
... ...
2022-12-01 120.440002
2022-12-02 123.489998
2022-12-05 122.430000
2022-12-06 114.120003
2022-12-07 113.430000
[253 rows x 6 columns]
High Low Open Close Volume Adj Close
Date
2020-08-20 15.245000 14.730000 15.040000 15.19 3140900 15.045506
2020-08-21 15.040000 14.515000 14.910000 14.60 4326700 14.461119
2020-08-24 15.130000 14.700000 14.850000 15.12 3171200 14.976171
2020-08-25 15.250000 14.820000 15.120000 15.05 2363300 14.906838
2020-08-26 15.440000 15.020000 15.090000 15.07 3158500 14.926647
... ... ... ... ... ... ...
2020-12-14 23.375000 21.681999 23.250000 21.76 6286200 21.553009
2020-12-15 22.600000 21.757999 22.115000 22.17 4226500 21.959108
2020-12-16 22.129999 21.304001 22.059999 21.58 5423800 21.374723
2020-12-17 23.209999 21.740000 22.280001 22.18 7318400 21.969011
2020-12-18 22.610001 21.860001 22.209999 22.01 5137200 21.800631
[85 rows x 6 columns]
Dados do banco central¶
Podemos acessar series temporais do banco central (https://www3.bcb.gov.br/sgspub/localizarseries/localizarSeries.do?method=prepararTelaLocalizarSeries). Para acessarmos a API referente a esses dados: (https://dadosabertos.bcb.gov.br/dataset/20542-saldo-da-carteira-de-credito-com-recursos-livres---total/resource/6e2b0c97-afab-4790-b8aa-b9542923cf88)
import pandas as pd
# https://api.bcb.gov.br/dados/serie/bcdata.sgs.{codigo_serie}/dados/ultimos/{N}?formato=json
url = "https://api.bcb.gov.br/dados/serie/bcdata.sgs.432/dados/ultimos/500?formato=json" #SELIC META
df = pd.read_json(url)
df["valor"].max()
df["valor"].min()
5.25