Привет!

Уже слышали про миссию NASA и их успешный эксперимент DART?
Цель эксперимента заключалась в том, чтобы изменить траекторию астероида с помощью прицельного столкновения с искусственным спутником. Это позволяет собрать данные об изменении траектории астероидов и возможности защиты Земли от возможных реальных угроз падения астероидов. Подробнее про сам эксперимент можно почитать здесь

➡️ Прочитав эту новость вспомнил, что когда-то пользовался открытым API на портале NASA, которое позволяет получить открытые данные для изучения.

🔎API (Application Programming Interface) - программные способы взаимодействия с системой со средствами HTTP запросов. Таким способом различные программы могут быть удобным образом интегрированы друг с другом для получения, сбора, либо обмена данными.

Аналитики в своей работе часто встречаются с API, поэтому необходимо знать инструменты для работы.
Сегодня разберем пример сбора данных с открытого API на портале NASA.
Что будем применять:
📍Postman (программа для тестирования и проектирования API запросов)
📍Библиотека requests в Python

Как работает API-запрос:
1. отправляем наш запрос по необходимому адресу (URL) с необходимыми параметрами (query parameters)
2. получаем ответ в определенном формате данных

Кстати, наши поисковые запросы в браузере работают по точно такому же принципу: отправляем запрос по нужной ссылке -> получаем ответ

Если хотите повторить прописанные запросы, ниже описаны шаги действий:
1. Заходим на сайт, заполняем данные в форме и генерируем API key (без него запросы проходить не будут). Сохраняем сгенерированный ключ, он нам пригодится в запросах
2. Переходим в описание методов API (Browse APIs)
3. Ищем любой интересный нам метод и смотрим пример запроса
4. Скачиваем Postman
5. Открываем Postman, создаем вкладку нового запроса. Выбираем метод GET, в строчку запроса копируем пример запроса из пункта 3. Вставляем в запрос свой сгенерированный api_key из пункта 1
6. Нажимаем Send и смотрим ответ на запрос ниже в виде json-файла

Если хотим преобразовать json-файл в таблицу, то можно открыть python и написать небольшой скрипт с помощью библиотек requests, json, pandas. Дальше с полученным датафреймом можно проводить необходимы анализ данных 😉