Strava 项目使用教程

Strava 项目使用教程

strava Create artistic visualisations with your exercise data 项目地址: https://gitcode.com/gh_mirrors/st/strava

1. 项目介绍

Strava 项目是由 Marcus Volz 开发的一个开源项目，旨在通过艺术化的方式可视化你的运动数据。该项目支持从 Strava 平台导出的运动数据，并提供了多种可视化方法，如小倍数图、地图、海拔图、日历图等。通过这些可视化方法，用户可以更好地分析和展示自己的运动数据。

2. 项目快速启动

2.1 安装依赖

首先，确保你已经安装了 R 语言环境。然后，通过以下命令安装所需的 R 包：

install.packages(c("devtools", "mapproj", "tidyverse", "gtools", "lubridate", "wesanderson", "ggmap", "patchwork"))
devtools::install_github("marcusvolz/strava")
devtools::install_github("AtherEnergy/ggTimeSeries")

2.2 加载库

安装完成后，加载所需的库：

library(strava)

2.3 处理数据

从 Strava 导出你的运动数据，并将其解压到一个文件夹中。然后，使用 process_data 函数处理数据：

data <- process_data(<path to folder with gpx files>)

2.4 生成可视化

以下是一些生成可视化的示例代码：

2.4.1 小倍数图

p1 <- plot_facets(data)
ggsave("plots/facets001.png", p1, width = 20, height = 20, units = "cm")

2.4.2 地图

p2 <- plot_map(data, lon_min = 144.9, lon_max = 145.73, lat_min = -38.1, lat_max = -37.475)
ggsave("plots/map001.png", p2, width = 20, height = 15, units = "cm", dpi = 600)

2.4.3 海拔图

p3 <- plot_elevations(data)
ggsave("plots/elevations001.png", p3, width = 20, height = 20, units = "cm")

3. 应用案例和最佳实践

3.1 应用案例

• 运动数据分析：通过可视化运动数据，用户可以更好地了解自己的运动习惯和表现，从而制定更有效的训练计划。
• 艺术创作：Strava 项目提供了多种艺术化的可视化方法，用户可以将自己的运动数据转化为艺术品，展示在社交媒体或个人博客上。

3.2 最佳实践

• 数据预处理：在处理数据之前，确保数据格式正确，特别是 Strava 在 2018 年 5 月之后改变了数据导出格式，需要进行相应的转换。
• 参数调整：在生成可视化时，可以根据需要调整参数，如地图的经纬度范围、图表的尺寸等，以获得最佳的展示效果。

4. 典型生态项目

• ggmap：用于生成地图可视化的 R 包，与 Strava 项目结合使用，可以生成更丰富的地图展示。
• tidyverse：一个强大的数据处理和可视化工具集，包含多个 R 包，如 dplyr、ggplot2 等，与 Strava 项目结合使用，可以更高效地处理和展示数据。
• ggTimeSeries：用于生成时间序列可视化的 R 包，与 Strava 项目结合使用，可以生成更复杂的时间序列图表。

strava Create artistic visualisations with your exercise data 项目地址: https://gitcode.com/gh_mirrors/st/strava