谷歌
Google2Pandas的Python项目详细描述
#readme
google2pandas ~~最终可能是一组工具,可以方便地查询各种google数据库产品(分析等),结果返回为
pandas.dataframe对象(http://pandas.pydata.org/)。
只支持通过
核心报告API查询Google Analytics和多通道漏斗报告。
pip:
````
sudo pip安装google2pandas
````
>或通过以下途径安装最新的开发版本:
`````
sudo pip安装git+https://github.com/panalysis/google2pandas
```
按照[步骤1](https://developers.google.com/analytics/devguides/reporting/core/v3/quickstart/installed-py)此处操作。
将"client\u secrets\u v3.json"文件放在"dist packages/google2pandas/"目录中,
就可以开始了!请注意,如果此包已在系统范围内安装
(默认值),则可能需要调整
`client_secrets_v3.json`和创建的`analytics.dat`令牌文件的权限/所有权。在
中,如果您希望创建一个系统范围内的令牌文件(默认情况下,类
在`/path/to/your/dist packages/google2pandas/analytics.dat`)中查找),则可能需要
实例化指定令牌文件的本地位置的"googleanalyticsquery"类,并手动稍后重新定位。
或者,将凭据存储在您喜欢的任何位置,并在实例化类时简单地将指针传递给"client戋secrets戋v3.json"和"analytics.dat"。
:<;有效标识>;,
度量值:'pageviews',
维度:['date','pagepath','browser',
过滤器:['pagepath=~iphone','and','browser=~firefox',
'开始日期:'8daysago',
"最大结果":10}
conn=googleanalyticsquery(
令牌文件名='my_analytics.dat',
机密='my_client_secrets_v3.json')
df,metadata=conn.execute廑query(**query)
```
廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑目前的支持还相当粗糙,主要原因是因为这些天我都没有太多时间使用ga,所以我没有时间完全学习新api中的特性。
由用户来正确构造它们。此外,对于"resp2frame"方法以一般健壮的方式将json对象从ga转换为"pandas.dataframe"对象的能力,也没有提供任何保证。
`as_dict`关键字参数会导致跳过重组步骤;如果您发现
有改进的余地,请毫不犹豫地使用
建议进行公关!
要使用此模块,需要遵循[新设置过程](https://developers.google.com/analytics/devguides/reporting/core/v4/quickstart/service py)来启用访问。不再需要"analytics.dat"文件,只需将
生成的电子邮件地址添加到要访问的GA视图中即可。
我还建议将"client\u secrets"文件命名为表示它是用于v4 API的文件,因为它与v3版本完全不同(默认行为是在dist packages/google2pandas/``中查找'client_secrets_v4.json`)。
ry={
‘报告请求’:[{
‘视图ID’:<;有效的ID>;,
‘日期范围’:[{
‘开始日期’:'8daysago',
‘结束日期’:'today'},
‘维度’:[
{‘名称’:'ga:date'},
{'name':'ga:pagepath'},
{'name':'ga:browser'},
'metrics':[
{'expression':'ga:pageviews'}],
'dimensionfilterclauses':[{
'operator':'和',
'filters':[
{'dimensionname':'ga:browser',
'operator':'regexp',
'expressions':['firefox']},
{'dimensionname':'ga:pagepath',
'operator':'regexp',
'expressions':['iphone']}
}
}
}
```
google2pandas ~~最终可能是一组工具,可以方便地查询各种google数据库产品(分析等),结果返回为
pandas.dataframe对象(http://pandas.pydata.org/)。
只支持通过
核心报告API查询Google Analytics和多通道漏斗报告。
pip:
````
sudo pip安装google2pandas
````
>或通过以下途径安装最新的开发版本:
`````
sudo pip安装git+https://github.com/panalysis/google2pandas
```
按照[步骤1](https://developers.google.com/analytics/devguides/reporting/core/v3/quickstart/installed-py)此处操作。
将"client\u secrets\u v3.json"文件放在"dist packages/google2pandas/"目录中,
就可以开始了!请注意,如果此包已在系统范围内安装
(默认值),则可能需要调整
`client_secrets_v3.json`和创建的`analytics.dat`令牌文件的权限/所有权。在
中,如果您希望创建一个系统范围内的令牌文件(默认情况下,类
在`/path/to/your/dist packages/google2pandas/analytics.dat`)中查找),则可能需要
实例化指定令牌文件的本地位置的"googleanalyticsquery"类,并手动稍后重新定位。
或者,将凭据存储在您喜欢的任何位置,并在实例化类时简单地将指针传递给"client戋secrets戋v3.json"和"analytics.dat"。
:<;有效标识>;,
度量值:'pageviews',
维度:['date','pagepath','browser',
过滤器:['pagepath=~iphone','and','browser=~firefox',
'开始日期:'8daysago',
"最大结果":10}
conn=googleanalyticsquery(
令牌文件名='my_analytics.dat',
机密='my_client_secrets_v3.json')
df,metadata=conn.execute廑query(**query)
```
廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑廑目前的支持还相当粗糙,主要原因是因为这些天我都没有太多时间使用ga,所以我没有时间完全学习新api中的特性。
由用户来正确构造它们。此外,对于"resp2frame"方法以一般健壮的方式将json对象从ga转换为"pandas.dataframe"对象的能力,也没有提供任何保证。
`as_dict`关键字参数会导致跳过重组步骤;如果您发现
有改进的余地,请毫不犹豫地使用
建议进行公关!
要使用此模块,需要遵循[新设置过程](https://developers.google.com/analytics/devguides/reporting/core/v4/quickstart/service py)来启用访问。不再需要"analytics.dat"文件,只需将
生成的电子邮件地址添加到要访问的GA视图中即可。
我还建议将"client\u secrets"文件命名为表示它是用于v4 API的文件,因为它与v3版本完全不同(默认行为是在dist packages/google2pandas/``中查找'client_secrets_v4.json`)。
ry={
‘报告请求’:[{
‘视图ID’:<;有效的ID>;,
‘日期范围’:[{
‘开始日期’:'8daysago',
‘结束日期’:'today'},
‘维度’:[
{‘名称’:'ga:date'},
{'name':'ga:pagepath'},
{'name':'ga:browser'},
'metrics':[
{'expression':'ga:pageviews'}],
'dimensionfilterclauses':[{
'operator':'和',
'filters':[
{'dimensionname':'ga:browser',
'operator':'regexp',
'expressions':['firefox']},
{'dimensionname':'ga:pagepath',
'operator':'regexp',
'expressions':['iphone']}
}
}
}
```