import pandas as pd
import folium
from datetime import datetime, timedelta
from pyinaturalist import (
Observation,
get_observations,
#pprint,
)
import ipyplot
from itertools import compressDe Adelaida a Kati Thanda/Lago Eyre
Adelaide to Kati Thanda–Lake Eyre and back!
SA
Python
pyinaturalist
Folium
Español
Esta es un resumen de las observaciones realizadas durante un viaje familiar en Julio de 2025. Fuimos desde Adelaida a William Creek por tierra y desde allí sobrevolamos el Kati Thanda/Lago Eyre. Aquí muestro las observaciones de plantas y animales que he cargado a iNaturalist después del viaje.
Cargar los módulos en Python
Estos son los módulos que usé para todos los pasos de este documento.
Descargar observaciones de iNaturalist
Uso la función get_observations del paquete pyinaturalist. Tengo que incluir mi ID de usuario en iNaturalist, y las fechas de inicio y fin (12 al 19 of Julio, pero añado un día para evitar excluir algunas observaciones. Filtro para incluir solamente las observaciones con fotos.
observations = get_observations(user_id='NeoMapas',
d1="2025-07-11",
d2="2025-07-20",
photos = True,
per_page=1000)len(observations['results'])142
Crear mapa
Para crear un mapa de las observaciones, tengo que extraer la información básica de cada observación usando un bucle:
records=list()
for obs in observations['results']:
record = {'uuid': obs['uuid'],
'quality': obs['quality_grade'],
'description': obs['description'],
'location': obs['place_guess'],
'longitude': obs['location'][1],
'latitude': obs['location'][0],
'species guess': obs['species_guess'],
'Fecha': obs['observed_on'],
}
if len(obs['observation_photos'])>0:
record['url'] = obs['observation_photos'][0]['photo']['url']
record['attribution'] = obs['observation_photos'][0]['photo']['attribution']
else:
record['url'] = 'https://upload.wikimedia.org/wikipedia/commons/d/d9/Icon-round-Question_mark.svg'
record['attribution'] = "no photo"
records.append(record)Selecciono un mapa de fondo para usar con folium:
map = folium.Map(tiles="Esri NatGeoWorldMap")Aquí agrupo todas las observaciones juntas, y las añado al mapa:
fg = folium.FeatureGroup(name="iNaturalist observations", control=True, attribution="observers @ iNaturalist").add_to(map)
popup_text = """<img src='{url}'>
<caption><i>{species}</i> observed on {observed_on} / {attribution}</caption> {desc}
"""
for obs in observations['results']:
if obs['quality_grade'] == 'research':
if obs['description'] is None:
desc = ""
else:
desc = obs['description']
pincolor = 'green'
else:
desc = "Observation is not research quality grade."
pincolor = 'gray'
fg.add_child(
folium.Marker(
location=obs['location'],
popup=popup_text.format(
species=obs['species_guess'],
observed_on=obs['observed_on'],
desc=desc,
url = obs['observation_photos'][0]['photo']['url'],
attribution = obs['observation_photos'][0]['photo']['attribution']),
icon=folium.Icon(color=pincolor),
)
)
folium.LayerControl().add_to(map)<folium.map.LayerControl object at 0x133802a80>
Ajusto el zoom y muestro el mapa:
map.fit_bounds(map.get_bounds())
mapMake this Notebook Trusted to load map: File -> Trust Notebook
Itinerario del viaje
Para resumir los datos de las observaciones del viaje, puedo usar funciones del paquete pandas:
inat_obs=pd.DataFrame(records)inat_obs["dia"]=inat_obs.Fecha.apply(datetime.date)inat_obs.groupby('dia').agg({'uuid': [pd.Series.nunique],
'species guess': ['count',pd.Series.nunique]})| uuid | species guess | ||
|---|---|---|---|
| nunique | count | nunique | |
| dia | |||
| 2025-07-12 | 11 | 10 | 10 |
| 2025-07-13 | 34 | 25 | 16 |
| 2025-07-14 | 23 | 13 | 12 |
| 2025-07-15 | 9 | 6 | 6 |
| 2025-07-16 | 21 | 5 | 5 |
| 2025-07-17 | 18 | 15 | 14 |
| 2025-07-18 | 14 | 13 | 10 |
| 2025-07-19 | 12 | 12 | 9 |
Para hacer un itinerario del viaje, es más práctico transformar las observacioens a un formato diferente usando las pfunciones de pyinaturalist y extrayendo listas de las imágenes y sus etiquetas.
my_observations = Observation.from_json_list(observations)images = [obs.photos[0].small_url for obs in my_observations]
labels = [str(obs) for obs in my_observations]Para cada fecha filtro las observaciones del día y muestro una mini galería.
de Adelaide a Port Augusta / 12 de Julio
Primer día de viaje
ss = [datetime.date(obs.observed_on).strftime('%Y-%m-%d') in ['2025-07-12'] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Pt Augusta to Woomera / 13 de Julio
Segundo día de viaje
ss = [datetime.date(obs.observed_on).strftime('%Y-%m-%d') in ['2025-07-13']
for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Woomera a Coober Pedy / 14 de Julio
Tercer día de viaje
ss = [datetime.date(obs.observed_on).strftime('%Y-%m-%d') in ['2025-07-14']
for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Coober Pedy / 15 de Julio
Cuarto día de viaje
ss = [datetime.date(obs.observed_on).strftime('%d/%m/%Y') in ['15/07/2025',] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Coober Pedy a William Creek / 16 de Julio
Quinto día de viaje
ss = [datetime.date(obs.observed_on).strftime('%d/%m/%Y') in ['16/07/2025',] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Volando sobre el lago Eyre / 17 de Julio
Sexto día de viaje
ss = [datetime.date(obs.observed_on).strftime('%d/%m/%Y') in ['17/07/2025',] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
De regreso a Adelaide / 18 de Julio
Estas son todas las observaciones del viaje de regreso a Adelaide con paradas en
ss = [datetime.date(obs.observed_on).strftime('%d/%m/%Y') in ['18/07/2025',] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
Adelaide / 19 de Julio
Último día de viaje
ss = [datetime.date(obs.observed_on).strftime('%d/%m/%Y') in ['19/07/2025',] for obs in my_observations]
ipyplot.plot_images(list(compress(images, ss)), list(compress(labels, ss)), max_images=60,)
