Cum să accesați InfluxDB al HomeAssistant din R

(Acest articol a fost publicat pentru prima dată pe rstats-tips.netși cu amabilitate a contribuit la R-bloggeri). (Puteți raporta problema legată de conținutul acestei pagini aici)

Doriți să vă distribuiți conținutul pe R-bloggeri? dați clic aici dacă aveți un blog, sau aici dacă nu aveți.

Rulez acasă o instanță HomeAssistant. L-am configurat să înregistreze date într-o bază de date InfluxDB, astfel încât să pot recupera datele istorice pentru analiză mai târziu. În modul implicit, HomeAssistant ar agrega datele istorice din motive de stocare.

Deci acum vreau să accesez baza de date InfluxDB din R pentru a efectua analize personalizate. HomeAssistant încă folosește versiunea 1 de InfluxDB. Pentru a vă conecta la InfluxDB din R, m-am gândit că pot folosi influxdbr pachet. Dar am primit câteva erori pentru că acest pachet pare să fie depășit.

Iată ce primesc la preluarea datelor:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14



library(influxdbr)
library(tidyverse)

influx_con <- influx_connection(
  scheme = "http", host = "my_influx_host", port = 8086,
  user = "my_influx_user", pass = "my_influx_pass"
) 
            
query <- 'SELECT entity_id, value FROM "autogen"."°C" WHERE time > now() - 5d'                    

influx_query(influx_con, 
             db = "my_influx_db", 
             query = query,
)

Mesajul de eroare este:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11



Error in `purrr::map()`:
ℹ In index: 1.
Caused by error in `purrr::map()`:
ℹ In index: 1.
ℹ With name: results.
Caused by error in `purrr::map()`:
ℹ In index: 1.
Caused by error:
! The `validate` argument of `as_tibble()` was deprecated in tibble 2.0.0 and is now defunct.
ℹ Please use the `.name_repair` argument instead.
Run `rlang::last_trace()` to see where the error occurred.

Se pare că influxdbr pachetul nu este compatibil cu versiunea actuală a tibble pachet. Cel mai recent comit are 5 ani.

Așa că am decis să folosesc httr pachet pentru a trimite cereri HTTP direct către API-ul InfluxDB. Iată cum să o faci:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21



library(tidyverse)
library(httr)
library(jsonlite)

query <- 'SELECT entity_id, value FROM "autogen"."°C" WHERE time > now() - 5d'


response <- GET(
  url = paste0("my_influx_host", "/query"),
  query = list(
    db = "my_influx_db",
    q = query,
    u = "my_influx_user",
    p = "my_influx_pass"
  ),
  config = config(ssl_verifypeer = TRUE)  
)

if (response$status_code == 200) {
  data_raw <- content(response, as = "text", encoding = "UTF-8") %>%  fromJSON(flatten = TRUE)
}

Structura datelor pare puțin complicată:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10



## List of 1
##  $ results:'data.frame':	1 obs. of  2 variables:
##   ..$ statement_id: int 0
##   ..$ series      :List of 1
##   .. ..$ :'data.frame':	1 obs. of  3 variables:
##   .. .. ..$ name   : chr "°C"
##   .. .. ..$ columns:List of 1
##   .. .. .. ..$ : chr (1:3) "time" "entity_id" "value"
##   .. .. ..$ values :List of 1
##   .. .. .. ..$ : chr (1:44176, 1:3) "2025-11-11T13:20:31.171165Z" "2025-11-11T13:20:43.741052Z" "2025-11-11T13:20:43.741159Z" "2025-11-11T13:20:44.552422Z" ...

Dar aici începe magia tidyverse. Datele interesante sunt stocate în
data_raw$results((1))$series((1))$values((1)). Îl putem folosi pluck()
și convertiți-l într-un data.frame:

1
2
3



data_raw_df <- data_raw %>%
  pluck("results", "series", 1, "values", 1) %>% 
  as.data.frame(stringsAsFactors = FALSE)

1
2

data_raw_df %>%
  head(10)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11



##                             V1      V2      V3
## 1  2025-11-11T13:20:31.171165Z  Temp_5  25.875
## 2  2025-11-11T13:20:43.741052Z Temp_11  30.625
## 3  2025-11-11T13:20:43.741159Z Temp_10   48.75
## 4  2025-11-11T13:20:44.552422Z  Temp_8   28.25
## 5  2025-11-11T13:20:44.552522Z  Temp_9   28.25
## 6  2025-11-11T13:20:50.225514Z  Temp_2    19.8
## 7   2025-11-11T13:21:07.61594Z Temp_15 26.5625
## 8  2025-11-11T13:21:07.616039Z Temp_14 22.9375
## 9  2025-11-11T13:21:10.101543Z Temp_13   26.75
## 10 2025-11-11T13:21:10.911298Z Temp_12    23.5

Acum putem schimba numele coloanelor (sunt stocate în
data_raw %>% pluck("results", "series", 1, "columns", 1)) și convertiți coloana de timp în POSIXct:

1
2
3
4
5
6
7



data_raw_df %>% 
   set_names(data_raw %>% pluck("results", "series", 1, "columns", 1)) %>%
   mutate(
      time = as.POSIXct(time, format = "%Y-%m-%dT%H:%M:%OSZ", tz = "UTC"),
      value = as.numeric(value)
    ) %>% 
  str()

1
2
3
4



## 'data.frame':	44176 obs. of  3 variables:
##  $ time     : POSIXct, format: "2025-11-11 13:20:31" "2025-11-11 13:20:43" ...
##  $ entity_id: chr  "Temp_5" "Temp_11" "Temp_10" "Temp_8" ...
##  $ value    : num  25.9 30.6 48.8 28.2 28.2 ...

Cum să accesați InfluxDB al HomeAssistant din R

LĂSAȚI UN MESAJ Renunțați la răspuns