API
Sentometrics BV est une entreprise B2B de type data-as-a-service. Tous nos produits de données et fonctionnalités sont disponibles via une REST API, conforme à la spécification OpenAPI 3.0. L'infrastructure repose sur une plateforme de calcul serverless utilisant un modèle événementiel permettant une montée en charge à la demande. Contactez-nous pour plus d'informations sur l'intégration de notre API dans vos pipelines d'analyse.
À titre d'exemple, nous fournissons une API publique qui alimente ce site web. Explorez nos API et leur documentation :
Nous encourageons l'utilisation de nos indices par les chercheurs. Intégrer les indices Sentometrics dans votre application n'a jamais été aussi simple. Ci-dessous, deux exemples de scripts pour récupérer un indice avec R et Python.
Script d'exemple pour l'API TIMO
Étape 1 : Récupérer les indices disponibles depuis l'API
La liste des indices disponibles publiquement est accessible via le point d'accès
/index. Chaque indice thématique possède plusieurs variations.R
# Load required libraries library(httr) library(data.table) # Retrieve list of indices from the API list_indices <- httr::GET( "https://api.sentometrics.com/public/timo/index" ) list_indices <- httr::content(list_indices) list_indices <- data.table::rbindlist(list_indices, fill=TRUE) head(list_indices, 3) #> id name friendly_name #> <int> <char> <char> #> 1: 2909 Unemployment_D_BE_NL Unemployment Attention Indicator #> 2: 2907 R_M_BE Recession Attention Indicator #> 3: 2908 Unemployment_D_BE_FR Unemployment Attention Indicator #> friendly_frequency source #> <char> <char> #> 1: Daily Belgium - Dutch #> 2: Monthly Belgium #> 3: Daily Belgium - FrenchPython
# Load required libraries import requests import pandas as pd # Retrieve list of indices from the API list_indices = requests.get( "https://api.sentometrics.com/public/timo/index" ) list_indices = pd.DataFrame(list_indices.json()) print(list_indices.head()) #> id name friendly_name \ #> 0 9290 Inflation_M_BE_FR Inflation Attention Indicator #> 1 9331 R_D_BE_NL Recession Attention Indicator #> 2 293628 Aging_M_BE_NL Aging Attention Indicator #> 3 303512 Climate_M_BE_FR Climate Attention Indicator #> 4 303513 Climate_M_BE_NL Climate Attention Indicator #> #> friendly_frequency source #> 0 Monthly Belgium - French #> 1 Daily Belgium - Dutch #> 2 Monthly Belgium - Dutch #> 3 Monthly Belgium - French #> 4 Monthly Belgium - DutchÉtape 2 : Sélectionner un indice dans la liste
Les indices sont caractérisés par trois variables : nom (thème), fréquence et source. Une combinaison de ces variables identifie un indice unique.
R
## Select the economic sentiment index idx <- list_indices[ list_indices$friendly_name == "Economic Sentiment Indicator" & list_indices$friendly_frequency == "Daily" & list_indices$source == "Belgium" ] idx #> id name friendly_name friendly_frequency #> <int> <char> <char> <char> #> 1: 2894 ECOS_D_BE Economic Sentiment Indicator Daily #> source #> <char> #> 1: BelgiumPython
## Select the economic sentiment index idx = list_indices[ (list_indices["friendly_name"] == "Economic Sentiment Indicator") & (list_indices["friendly_frequency"] == "Daily") & (list_indices["source"] == "Belgium") ] print(idx) #> id name friendly_name friendly_frequency source #> 5 9320 ECOS_D_BE Economic Sentiment Indicator Daily BelgiumÉtape 3 : Récupérer les données historiques
Un indice est également identifié par un id unique. Utilisez l<bold>id</bold> dans dautres points d'accès de l'API pour récupérer les détails de l'indice. Le point d'accès
/index/{id}/valuespermet de récupérer les données historiques.R
## Retrieve historical values idx_values <- httr::GET( sprintf( "https://api.sentometrics.com/public/timo/index/%i/values?from_date=%s", idx$id, # index's ID "2000-01-01" # starting date of the series ) ) idx_values <- httr::content(idx_values) idx_values <- data.table::rbindlist(idx_values) idx_values$timestamp <- as.POSIXct(idx_values$timestamp) idx_values #> timestamp value #> <POSc> <num> #> 1: 2000-01-01 0.4092101 #> 2: 2000-01-02 0.3981897 #> 3: 2000-01-03 0.4078824 #> 4: 2000-01-04 0.3746895 #> 5: 2000-01-05 0.3250847 #> --- #> 9254: 2025-05-02 -0.2618843 #> 9255: 2025-05-03 -0.2747073 #> 9256: 2025-05-04 -0.2727378 #> 9257: 2025-05-05 -0.3317673 #> 9258: 2025-05-06 -0.2838641Python
## Retrieve historical values idx_values = requests.get( "https://api.sentometrics.com/public/timo/index/{id}/values?from_date={from_date}".format( id=idx["id"].item(), # index's ID from_date="2000-01-01" # starting date of the series ) ) idx_values = pd.DataFrame(idx_values.json()) idx_values["timestamp"] = pd.to_datetime(idx_values["timestamp"]) print(idx_values) #> timestamp value #> 0 2000-01-01 00:00:00+00:00 0.409210 #> 1 2000-01-02 00:00:00+00:00 0.398190 #> 2 2000-01-03 00:00:00+00:00 0.407882 #> 3 2000-01-04 00:00:00+00:00 0.374689 #> 4 2000-01-05 00:00:00+00:00 0.325085 #> ... ... ... #> 9253 2025-05-02 00:00:00+00:00 -0.261884 #> 9254 2025-05-03 00:00:00+00:00 -0.274707 #> 9255 2025-05-04 00:00:00+00:00 -0.272738 #> 9256 2025-05-05 00:00:00+00:00 -0.331767 #> 9257 2025-05-06 00:00:00+00:00 -0.283864 #> #> [9258 rows x 2 columns]Étape 4 : Utiliser nos données dans votre application
Nos données sont standardisées et prêtes à l'emploi. N'hésitez pas à les utiliser dans vos recherches ! Voici un exemple rapide de visualisation de l'indice.
R
# Visualizing the index plot(idx_values[order(timestamp)], type = "l")
Python
# Visualizing the index import matplotlib.pyplot as plt idx_values.set_index("timestamp").plot() #> <AxesSubplot:xlabel='timestamp'> plt.show()