我如何利用NASA的数据构建一个交互式小行星仪表盘

前几天我在浏览 Instagram 时偶然看到了一个短视频。

创建者列出了“你不应该错过的 API”，而第一个就是？NASA。

我停顿了一下。美国宇航局。太空。数据。
这些就足以让我一头扎进这个兔子洞里。

我深入研究了他们的NeoWs API，不知不觉中，我萌生了一个想法：为什么不创建一个仪表盘来跟踪近地小行星，突出显示风险，并对所有这些太空数据进行分析呢？

原本只是随意浏览网页，结果却演变成了一个完整的数据科学和分析项目。

您可以亲自查看该项目：https://astroscope.streamlit.app/
GitHub 代码库：https://github.com/ArjunCodess/astroscope

以下是仪表盘的简要演示：

一些截图：

分解

第一步：规划我想要的东西

在编写任何一行代码之前，我必须先弄清楚这个项目究竟应该做什么：

• 从NASA获取真实的小行星数据。
• 显示每颗小行星的大小、速度以及与地球的距离。
• 重点指出哪些小行星可能存在风险。
• 将所有内容可视化为图表和表格，而不是一堆 JSON 代码。
• 使其足够流畅，能够在台式机和移动设备上同时运行。

这为我提供了工具、功能和项目结构的蓝图。

步骤 2：从 NASA 的 NeoWs API 拉取数据

NeoWs功能强大，但也有局限性。
一次最多只能获取7天的数据。

所以我不得不：

• 将总时长（例如 30 天）分成 7 天的小段。
• 按顺序调用每个数据块的 API。
• 将所有结果保存到本地，这样我就不会一直攻击 NASA 的服务器了。

所有这些都是在data_fetcher.py文件中使用 Python库处理的requests。
我添加了重试机制和错误处理，因为 API 调用总是失败。

步骤三：清理NASA的原始数据

NASA发送的JSON文件非常庞大，其中大部分都是无用信息。
我只需要最基本的信息：

• ID、名称、尺寸
• 接近日期
• 速度
• 错过距离
• 危险旗

我编写了data_processing.py 脚本，用于将所有数据整理成整齐的表格。pandas它承担了大部分繁重的计算工作。
我还转换了单位（例如将速度转换为公里/小时），并将清理后的数据保存为 CSV 文件，以便后续更快地加载。

第四步：理解它

数据清洗完毕后，我想赋予它意义。在analysis.py 文件中，我构建了一个风险评分系统：

• 结合大小、速度和距离的风险评分。
• 高风险小行星的阈值（默认值为 0.6）。
• 用时间序列图展示风险随时间的变化情况。
• “最接近”天数排名。

这让我能够突出显示异常值，比如比平时飞得更近的巨石。
pandas这让一切都变得简单了。

第五步：构建仪表盘

我使用Streamlit是因为它允许你用 Python 构建 Web 应用程序，而无需像传统框架那样麻烦。

以下是我添加的内容：

• 日期选择器和风险滑块用于筛选。
• GitHub 风格的热图，显示每日平均风险评分（越亮 = 风险越高）。
• 十大近距离接近事件详情表。
• 小行星大小、速度和风险分布图。
• 适用于手机和笔记本电脑的响应式布局。

我以前还会plotly制作交互式且美观的图表。

步骤 6：配置和设置

我通过一个文件保持了应用程序的灵活性.env：

NASA_API_KEY=""
DATA_FETCH_DAYS=30
DATA_DIR="data"
API_CHUNK_SIZE=7
RISK_THRESHOLD=0.6

这样可以保护 API 密钥等敏感信息的安全，并允许轻松更改项目参数。

步骤七：整合所有内容

运行应用程序时：

1. 它会检查所选日期的数据是否已保存。
2. 如果找不到，就从NASA获取。
3. 然后它对数据进行处理和分析。
4. 最后，它还用于仪表盘。

我还实现了单独运行各个步骤以进行调试和测试的功能。

以下是该应用程序的大致工作流程：

最后想说的话

难以置信，一个 15 秒的视频片段竟然让我启动了一个完整的数据项目。

这个控制面板是我了解这个空间的窗口。
它并不完美，但它能用，可以扩展，而且探索起来很有趣。

如果你是程序员或者只是个太空迷，不妨尝试自己搭建一个模型。
从小规模开始，用真实数据进行测试，然后逐步深入。
宇宙浩瀚无垠，变幻莫测，充满了惊喜。

感谢阅读！