基于python的全局数据库检索框架
gdelt的Python项目详细描述
…-*-模式：rst-*-
…图片：https://travis-ci.org/linwoodc3/gdeltpyr.svg？branch=master
：目标：https://travis ci.org/linwoodc3/gdeltpyr
…图片：：https://ci.appveyor.com/api/projects/status/yc6u8v6uvg212dcm/branch/master？svg=true
：目标：https://ci.appveyor.com/project/linwoodc3/gdeltpyr/history
…图片：：https://badge.fury.io/py/gdelt.svg
：目标：https://pypi.python.org/pypi/gdelt
…图片：：https://coveralls.io/repos/github/linwoodc3/gdeltpyr/badge.svg？branch=master
：目标：https://coveralls.io/github/linwoodc3/gdeltpyr？branch=master
gdelt in python with``gdeltpyr``
========br/>
``gdeltpyr``是一个基于python的框架，用于访问和分析'global database of events，language，and tone（gdelt）1.0和2.0<；http://gdeltproject.org/data.html>；`` python pand中的数据AS或R数据帧。用户可以输入单个日期、日期范围（两个字符串的列表）或单个日期（列表中有两个以上的日期），然后返回一个"准备好进行科学或数据驱动的探索的整洁数据集"lt；http://vita.had.co.nz/papers/tidy data.pdf>；` `.
`gdeltpyr`检索"gdelt，1.0和2.0da"ta，<；http://gdeltproject.org/data.html>；``通过'并行http get请求'lt；http://docs.python requests.org/en/v0.10.6/user/advanced/`异步请求'gt；``还将包括一种方法，可以通过google bigquery访问gdelt数据<；http://gdeltproject.org/data.html>；''因此，CPU或内核越多，提取更多数据所需的时间就越少。而且，内存越多，可以提取的数据就越多。最后，对于ram受限的工作流，创建一个管道来提取数据、写入磁盘和刷新。数据拉取"gdeltpyr"的唯一限制是你的硬件。
gdelt项目宣传它是人类社会有史以来最大、最全面、分辨率最高的开放数据库。它以100多种语言监控世界各国的印刷、广播和网络新闻媒体，不断更新地球上任何地方的最新发展。它的历史档案可以追溯到1979年1月1日，随着GDELT事件和全球知识图表每15分钟更新一次，它可以近乎实时地访问世界上的突发事件和反应。访问"gdelt网站了解有关该项目的更多信息<；（http://gdelt project.org/intro）>；`.
gdelt facts
----
**gdelt 1.0是每日数据集**
*1.0只有"events"和"gkg"表
*1.0在次日早上6点发布前一天的数据（i.E.周一的数据将在东部时间周二早上6点提供）
**GDELT 2.0每15分钟更新一次**
*GDELT 2.0中缺少一些时间间隔；``gdeltpyr``在数据丢失时提供警告消息
*2.0具有'events'、'gkg'和'envisions'表
*2.0具有母语英语和翻译成英语之间的区别
项目概念和发展计划
----------
本项目将分"两个阶段"进行发展<；https://github.com/linwoodc3/gdeltpyr/projects>；`。此外，如果您想为项目做出贡献，本节可以帮助您确定工作的优先顺序。
*第一阶段的重点是提供对GDELT数据的一致、稳定和可靠的访问。
因此，本页中的大多数"问题"都是https://github.com/linwoodc3/gdeltpyr/issues>；`hase将构建主"search"类以返回"gdelt data，version 1.0或version 2.0"<；http://gdeltproject.org/data.html"intro">；`，或者同等重要的是，在没有返回数据时给出相关的错误消息。这也意味着该项目将专注于构建文档、单元测试框架（覆盖率达到90%），并创建一个helper类，该类提供有关列名/表描述的有用信息。
*第2阶段将分析引入到"gdeltpyr"中，以便将库扩展到一个简单的数据检索功能之外
这一阶段将使"gdeltpyr"对更广泛的受众有用。主要的附加课程是"分析"课。对于有数据素养的用户（数据科学家、研究人员、学生、数据记者等），这一阶段的改进将通过提供GDELT数据的汇总统计和提取方法节省时间，从而减少用户编写代码执行日常数据清理的时间。P/分析。对于非技术受众（学生、记者、业务经理等），此阶段的增强将提供总结GDELT数据的输出，这些数据可依次用于报告、文章等。重点领域包括描述性统计（平均值、拆分应用组合统计等），以及ATIAL分析和时间序列。
**截至2017年10月的新功能**
添加了geodataframe输出。这可以很容易地转换为shapefile或"choropleth<；https://en.wikipedia.org/wiki/choropleth-map>；``可视化。
2。增加了针对windows、osx和linux（ubuntu）的持续集成测试
3。规范化列输出；使用SQL就绪列导出数据（无特殊字符，全部小写）
4。从GDELT v2中选择本地英语或翻译成英语数据集。
5.返回给定表的架构；只需在"gdelt.gdelt.schema"方法中键入表的名称，然后返回包含架构信息的pandas数据帧
code-block:: python
#############################
# Import gdeltPyR; instantiate
#############################
import gdelt
gd = gdelt.gdelt()
gd.schema('events')
Coming Soon (version 0.1.11, as of Oct 2017)
----------————
*输出/存储"gdeltpyr"将产生"拼花格式"结果<；http://wesmckinney.com/blog/python parquet update/>；`；高效的列存储以减少内存占用并优化加载
*直接从"gdeltpyr"us查询google的bigquery在"pandas.io.gbq"界面中；需要身份验证和google计算帐户
*添加对"gdelt visual knowledge graph（vgkg）"的查询<；http://blog.gdeltproject.org/gdelt-visual-knowledge-graph-vgkg-v1-0-available/>；`\br/>*添加对"gdelt american television global kno"的查询wledge graph（tv-gkg）<；http://blog.gdeltproject.org/发布美国电视全球知识图tv-gkg/>；`
来自github.com:：
pip安装git+https://github.com/linwoodc3/gdeltpyr
图片：：https://twistedsifter.files.wordpress.com/2015/06/people-tweeting-about-sunrises-over-a-24-hour-period.gif？w=700&h=453
：alt:gdelt可以帮助您可视化世界新闻！！！！用gdeltpyr分析gdelt数据！！
基本用法code-block:: python
#############################
# Import gdeltPyR; instantiate
#############################
import gdelt
gd = gdelt.gdelt(version=2)
results = gd.Search(['2016 10 19','2016 10 22'],table='events',coverage=True,translation=false）
元素（和建议）是确保您为您的增强或添加编写一个单元测试（或者编写一个新的单元测试来帮助我们达到90%的覆盖率e）。此外，在travis ci（osx和linux）和appveyor（windows）中通过现有的单元测试之前，我们无法接受提交。
如果您只是想开始使用"gdeltpyr"代码库，请导航到"issues<；（https://github.com/linwoodc3/gdeltpyr/issues）>；``选项卡并开始查找有趣的问题。列出了许多问题，您可以从中开始。
或者通过使用"gdeltpyr"，您有了自己的想法，或者正在文档中寻找一些东西，并认为"这可以改进"`……您可以对此做些什么！
gdeltpyr dev environment
——
windows用户应该尝试下面的"windows dev environment"部分。
；https://github.com/linwoodc3/gdeltpyr/>；``u
*cd到``gdeltpyr``源目录
代码块：：bash
conda create-n gdelt_dev python=2-c conda forge--file travis/requirements_all.txt
*对于python 3.5
代码块：：bash
conda create-n gdelt_dev python=3-c conda forge--file travis/requirements_all.txt
*对于python 3.6
代码块：：bash
conda create-n gdelt_dev python=3.6-c conda forge--file travis/requirements_all36.txt
windows dev environment
-
对于windows，我们将再次遵循"pandas"文档（如果这对"gdeltpyr"不起作用，请告诉我）。要在windows上构建，需要安装编译器来构建扩展。您将需要安装相应的Visual Studio编译器，Python 2.7的VS 2008，Python 3.4的VS 2010，Python 3.5和3.6的VS 2015。
对于Python 2.7，您可以安装与VS 2008等效的MingW编译器：
。代码块：：bash
conda install-n gdelt_dev libpython
，或者使用Microsoft Visual Studio VC++编译器for Python。请注意，必须选中"x64"框才能安装x64扩展生成功能，因为默认情况下未安装该功能。
对于python 3.4，可以下载并安装Windows 7.1 sdk。请阅读下面的参考资料，因为在安装过程中可能会遇到各种问题。
对于python 3.5和3.6，您可以下载并安装visual studio 2015社区版。
以下是一些参考资料和博客：
*https://blogs.msdn.microsoft.com/pythonenengineering/2016/04/11/无法找到vcvarsall bat/
*https:。//github.com/conda/conda recipes/wiki/building-from-source-on-windows-32-bit-and-64-bit
*https://cowboyprogrammer.org/building python wheels for windows/
*https://blog.ionelmc.ro/2014/12/21/compiling python extensions on windows/
*https://support.enthught.com/hc/en-us/articles/204469260 building python extensions with canopy
这将创建新的环境，而不会触及任何现有的环境**，也不会触及任何现有的python安装**。它将安装"gdeltpyr"的所有基本依赖项，以及开发和测试工具。要进入这个新环境：
*在Windows上
…代码块：bash
代码块：：bash
source激活gdelt_dev
然后您将看到一条确认消息，指示您处于新的开发环境中。
要查看您的环境：
…代码块：：bash
conda info-e
返回windows中的主根环境：
…代码块：：bash
deactivate
返回osx/linux中的主根环境：
……代码块：：bash
building gdeltpyr
---------
请参阅"完整的conda文档此处<；http://conda.pydata.org/docs>；` `.
最后一步是将gdelt开发源安装到此新目录中。首先，确保使用上述说明将cd放入gdeltpyr源目录。您有两个选项来生成代码：
1。开发"gdeltpyr"的最佳方法是通过运行：
代码块：：bash
python setup.py build_ext--inplace
如果在pandas源目录中启动python解释器，您将调用构建的c扩展
2。另一个非常常见的选择是开发安装熊猫：
…代码块：bash
python setup.py develop
这是一个符号链接，告诉python解释器从开发目录导入panda。因此，您始终可以在系统上使用开发版本，而不必在克隆目录中。
连续集成
——
``pandas``有一篇关于连续集成（ci）的精彩报道。因为"gdeltpyr"包含相同的ci概念，所以如果有问题，请阅读pandas ci的介绍和解释<；https://pandas.pydata.org/pandas docs/stable/contribution.html；使用持续集成进行测试>；`。分支或拉取请求的所有生成都应使用"greens"传递，然后才能与主分支合并。
…image：：data/allgreensci.png
：alt:ci greens
html"贡献您对pandas所做的更改"gt；`"如何贡献给‘gdeltpyr’。
提交问题/请求的样式
--------------------------
我们遵循"pandas<；https://pandas.pydata.org/pandas docs/stable/contribution.html"贡献-your-c更改为pandas>；``问题和拉取请求的编码样式。使用以下样式：
*enh:增强，新功能
*bug:bug fix
*doc:添加/更新文档
*tst:添加/更新测试
*bld:更新生成过程/脚本
*perf:性能改进
*cln:代码清理
Issue就是一个例子<；https://github.com/linwoodc3/gdeltpyr/issues/8>；` `.
>完全开放源码项目，贡献者如下：
*linwood creekmore
<2016-09-25
released 0.1
gdeltpyr的初始签入
2016-10-23
Work在0.1版本中，基本功能都在那里
2016-10-25
更改了manifest.in文件；清除了egg.info
2016-10-30
编辑了警告字符串并将一些代码与pep8对齐
2016-10-31
添加了可读的cameo代码列
2016-10-31
错误修复；安装时未加载或下载文件
2016-11-03
增加了提取GKG 1.0数据的功能
2016-11-06
gdelt更改了2.0事件数据库的URL结构。
2016-11-07
base.py第290行的打印错误；删除并修复了错误。
<2017-05-23
upd添加到0.1.10
添加geodataframe输出
开始添加unittests（首先是datefuncs，添加了函数的docstring和pep8依从性。
修复了当前日期的日期检查错误；
<2017-05-27
删除了日期时间解析
添加了2013年之前事件的unittests、4月1日之前的gkg v1等。
2017-07-18
添加了对gkg的gdelt v2中翻译为英语的数据集的支持，事件被提及。
2017-07-24
将方法设为私有；单下划线表示开发人员的私有方法
2017-08-05
将覆盖徽章和测试添加到CI；更新自述文件；添加详细的贡献文档。
2017-08-09
实现了整个代码库80%的单元测试覆盖率。
2017-10-30
将模式方法添加到return表信息数据；将macos的持续集成切换到conda；一直失败。高达84%的覆盖率
2018-08-11
增加了更多的单元测试，包括代理参数、删除了r输出和添加了拼花格式。
2018-10-18
修复了636行的错误；具有挂起代理参数。
…图片：https://travis-ci.org/linwoodc3/gdeltpyr.svg？branch=master
：目标：https://travis ci.org/linwoodc3/gdeltpyr
…图片：：https://ci.appveyor.com/api/projects/status/yc6u8v6uvg212dcm/branch/master？svg=true
：目标：https://ci.appveyor.com/project/linwoodc3/gdeltpyr/history
…图片：：https://badge.fury.io/py/gdelt.svg
：目标：https://pypi.python.org/pypi/gdelt
…图片：：https://coveralls.io/repos/github/linwoodc3/gdeltpyr/badge.svg？branch=master
：目标：https://coveralls.io/github/linwoodc3/gdeltpyr？branch=master
gdelt in python with``gdeltpyr``
========br/>
``gdeltpyr``是一个基于python的框架，用于访问和分析'global database of events，language，and tone（gdelt）1.0和2.0<；http://gdeltproject.org/data.html>；`` python pand中的数据AS或R数据帧。用户可以输入单个日期、日期范围（两个字符串的列表）或单个日期（列表中有两个以上的日期），然后返回一个"准备好进行科学或数据驱动的探索的整洁数据集"lt；http://vita.had.co.nz/papers/tidy data.pdf>；` `.
`gdeltpyr`检索"gdelt，1.0和2.0da"ta，<；http://gdeltproject.org/data.html>；``通过'并行http get请求'lt；http://docs.python requests.org/en/v0.10.6/user/advanced/`异步请求'gt；``还将包括一种方法，可以通过google bigquery访问gdelt数据<；http://gdeltproject.org/data.html>；''因此，CPU或内核越多，提取更多数据所需的时间就越少。而且，内存越多，可以提取的数据就越多。最后，对于ram受限的工作流，创建一个管道来提取数据、写入磁盘和刷新。数据拉取"gdeltpyr"的唯一限制是你的硬件。
gdelt项目宣传它是人类社会有史以来最大、最全面、分辨率最高的开放数据库。它以100多种语言监控世界各国的印刷、广播和网络新闻媒体，不断更新地球上任何地方的最新发展。它的历史档案可以追溯到1979年1月1日，随着GDELT事件和全球知识图表每15分钟更新一次，它可以近乎实时地访问世界上的突发事件和反应。访问"gdelt网站了解有关该项目的更多信息<；（http://gdelt project.org/intro）>；`.
gdelt facts
----
**gdelt 1.0是每日数据集**
*1.0只有"events"和"gkg"表
*1.0在次日早上6点发布前一天的数据（i.E.周一的数据将在东部时间周二早上6点提供）
**GDELT 2.0每15分钟更新一次**
*GDELT 2.0中缺少一些时间间隔；``gdeltpyr``在数据丢失时提供警告消息
*2.0具有'events'、'gkg'和'envisions'表
*2.0具有母语英语和翻译成英语之间的区别
项目概念和发展计划
----------
本项目将分"两个阶段"进行发展<；https://github.com/linwoodc3/gdeltpyr/projects>；`。此外，如果您想为项目做出贡献，本节可以帮助您确定工作的优先顺序。
*第一阶段的重点是提供对GDELT数据的一致、稳定和可靠的访问。
因此，本页中的大多数"问题"都是https://github.com/linwoodc3/gdeltpyr/issues>；`hase将构建主"search"类以返回"gdelt data，version 1.0或version 2.0"<；http://gdeltproject.org/data.html"intro">；`，或者同等重要的是，在没有返回数据时给出相关的错误消息。这也意味着该项目将专注于构建文档、单元测试框架（覆盖率达到90%），并创建一个helper类，该类提供有关列名/表描述的有用信息。
*第2阶段将分析引入到"gdeltpyr"中，以便将库扩展到一个简单的数据检索功能之外
这一阶段将使"gdeltpyr"对更广泛的受众有用。主要的附加课程是"分析"课。对于有数据素养的用户（数据科学家、研究人员、学生、数据记者等），这一阶段的改进将通过提供GDELT数据的汇总统计和提取方法节省时间，从而减少用户编写代码执行日常数据清理的时间。P/分析。对于非技术受众（学生、记者、业务经理等），此阶段的增强将提供总结GDELT数据的输出，这些数据可依次用于报告、文章等。重点领域包括描述性统计（平均值、拆分应用组合统计等），以及ATIAL分析和时间序列。
**截至2017年10月的新功能**
添加了geodataframe输出。这可以很容易地转换为shapefile或"choropleth<；https://en.wikipedia.org/wiki/choropleth-map>；``可视化。
2。增加了针对windows、osx和linux（ubuntu）的持续集成测试
3。规范化列输出；使用SQL就绪列导出数据（无特殊字符，全部小写）
4。从GDELT v2中选择本地英语或翻译成英语数据集。
5.返回给定表的架构；只需在"gdelt.gdelt.schema"方法中键入表的名称，然后返回包含架构信息的pandas数据帧
code-block:: python
#############################
# Import gdeltPyR; instantiate
#############################
import gdelt
gd = gdelt.gdelt()
gd.schema('events')
Coming Soon (version 0.1.11, as of Oct 2017)
----------————
*输出/存储"gdeltpyr"将产生"拼花格式"结果<；http://wesmckinney.com/blog/python parquet update/>；`；高效的列存储以减少内存占用并优化加载
*直接从"gdeltpyr"us查询google的bigquery在"pandas.io.gbq"界面中；需要身份验证和google计算帐户
*添加对"gdelt visual knowledge graph（vgkg）"的查询<；http://blog.gdeltproject.org/gdelt-visual-knowledge-graph-vgkg-v1-0-available/>；`\br/>*添加对"gdelt american television global kno"的查询wledge graph（tv-gkg）<；http://blog.gdeltproject.org/发布美国电视全球知识图tv-gkg/>；`
来自github.com:：
pip安装git+https://github.com/linwoodc3/gdeltpyr
图片：：https://twistedsifter.files.wordpress.com/2015/06/people-tweeting-about-sunrises-over-a-24-hour-period.gif？w=700&h=453
：alt:gdelt可以帮助您可视化世界新闻！！！！用gdeltpyr分析gdelt数据！！
基本用法code-block:: python
#############################
# Import gdeltPyR; instantiate
#############################
import gdelt
gd = gdelt.gdelt(version=2)
results = gd.Search(['2016 10 19','2016 10 22'],table='events',coverage=True,translation=false）
元素（和建议）是确保您为您的增强或添加编写一个单元测试（或者编写一个新的单元测试来帮助我们达到90%的覆盖率e）。此外，在travis ci（osx和linux）和appveyor（windows）中通过现有的单元测试之前，我们无法接受提交。
如果您只是想开始使用"gdeltpyr"代码库，请导航到"issues<；（https://github.com/linwoodc3/gdeltpyr/issues）>；``选项卡并开始查找有趣的问题。列出了许多问题，您可以从中开始。
或者通过使用"gdeltpyr"，您有了自己的想法，或者正在文档中寻找一些东西，并认为"这可以改进"`……您可以对此做些什么！
gdeltpyr dev environment
——
windows用户应该尝试下面的"windows dev environment"部分。
；https://github.com/linwoodc3/gdeltpyr/>；``u
*cd到``gdeltpyr``源目录
代码块：：bash
conda create-n gdelt_dev python=2-c conda forge--file travis/requirements_all.txt
*对于python 3.5
代码块：：bash
conda create-n gdelt_dev python=3-c conda forge--file travis/requirements_all.txt
*对于python 3.6
代码块：：bash
conda create-n gdelt_dev python=3.6-c conda forge--file travis/requirements_all36.txt
windows dev environment
-
对于windows，我们将再次遵循"pandas"文档（如果这对"gdeltpyr"不起作用，请告诉我）。要在windows上构建，需要安装编译器来构建扩展。您将需要安装相应的Visual Studio编译器，Python 2.7的VS 2008，Python 3.4的VS 2010，Python 3.5和3.6的VS 2015。
对于Python 2.7，您可以安装与VS 2008等效的MingW编译器：
。代码块：：bash
conda install-n gdelt_dev libpython
，或者使用Microsoft Visual Studio VC++编译器for Python。请注意，必须选中"x64"框才能安装x64扩展生成功能，因为默认情况下未安装该功能。
对于python 3.4，可以下载并安装Windows 7.1 sdk。请阅读下面的参考资料，因为在安装过程中可能会遇到各种问题。
对于python 3.5和3.6，您可以下载并安装visual studio 2015社区版。
以下是一些参考资料和博客：
*https://blogs.msdn.microsoft.com/pythonenengineering/2016/04/11/无法找到vcvarsall bat/
*https:。//github.com/conda/conda recipes/wiki/building-from-source-on-windows-32-bit-and-64-bit
*https://cowboyprogrammer.org/building python wheels for windows/
*https://blog.ionelmc.ro/2014/12/21/compiling python extensions on windows/
*https://support.enthught.com/hc/en-us/articles/204469260 building python extensions with canopy
这将创建新的环境，而不会触及任何现有的环境**，也不会触及任何现有的python安装**。它将安装"gdeltpyr"的所有基本依赖项，以及开发和测试工具。要进入这个新环境：
*在Windows上
…代码块：bash
代码块：：bash
source激活gdelt_dev
然后您将看到一条确认消息，指示您处于新的开发环境中。
要查看您的环境：
…代码块：：bash
conda info-e
返回windows中的主根环境：
…代码块：：bash
deactivate
返回osx/linux中的主根环境：
……代码块：：bash
building gdeltpyr
---------
请参阅"完整的conda文档此处<；http://conda.pydata.org/docs>；` `.
最后一步是将gdelt开发源安装到此新目录中。首先，确保使用上述说明将cd放入gdeltpyr源目录。您有两个选项来生成代码：
1。开发"gdeltpyr"的最佳方法是通过运行：
代码块：：bash
python setup.py build_ext--inplace
如果在pandas源目录中启动python解释器，您将调用构建的c扩展
2。另一个非常常见的选择是开发安装熊猫：
…代码块：bash
python setup.py develop
这是一个符号链接，告诉python解释器从开发目录导入panda。因此，您始终可以在系统上使用开发版本，而不必在克隆目录中。
连续集成
——
``pandas``有一篇关于连续集成（ci）的精彩报道。因为"gdeltpyr"包含相同的ci概念，所以如果有问题，请阅读pandas ci的介绍和解释<；https://pandas.pydata.org/pandas docs/stable/contribution.html；使用持续集成进行测试>；`。分支或拉取请求的所有生成都应使用"greens"传递，然后才能与主分支合并。
…image：：data/allgreensci.png
：alt:ci greens
html"贡献您对pandas所做的更改"gt；`"如何贡献给‘gdeltpyr’。
提交问题/请求的样式
--------------------------
我们遵循"pandas<；https://pandas.pydata.org/pandas docs/stable/contribution.html"贡献-your-c更改为pandas>；``问题和拉取请求的编码样式。使用以下样式：
*enh:增强，新功能
*bug:bug fix
*doc:添加/更新文档
*tst:添加/更新测试
*bld:更新生成过程/脚本
*perf:性能改进
*cln:代码清理
Issue就是一个例子<；https://github.com/linwoodc3/gdeltpyr/issues/8>；` `.
>完全开放源码项目，贡献者如下：
*linwood creekmore
<2016-09-25
released 0.1
gdeltpyr的初始签入
2016-10-23
Work在0.1版本中，基本功能都在那里
2016-10-25
更改了manifest.in文件；清除了egg.info
2016-10-30
编辑了警告字符串并将一些代码与pep8对齐
2016-10-31
添加了可读的cameo代码列
2016-10-31
错误修复；安装时未加载或下载文件
2016-11-03
增加了提取GKG 1.0数据的功能
2016-11-06
gdelt更改了2.0事件数据库的URL结构。
2016-11-07
base.py第290行的打印错误；删除并修复了错误。
<2017-05-23
upd添加到0.1.10
添加geodataframe输出
开始添加unittests（首先是datefuncs，添加了函数的docstring和pep8依从性。
修复了当前日期的日期检查错误；
<2017-05-27
删除了日期时间解析
添加了2013年之前事件的unittests、4月1日之前的gkg v1等。
2017-07-18
添加了对gkg的gdelt v2中翻译为英语的数据集的支持，事件被提及。
2017-07-24
将方法设为私有；单下划线表示开发人员的私有方法
2017-08-05
将覆盖徽章和测试添加到CI；更新自述文件；添加详细的贡献文档。
2017-08-09
实现了整个代码库80%的单元测试覆盖率。
2017-10-30
将模式方法添加到return表信息数据；将macos的持续集成切换到conda；一直失败。高达84%的覆盖率
2018-08-11
增加了更多的单元测试，包括代理参数、删除了r输出和添加了拼花格式。
2018-10-18
修复了636行的错误；具有挂起代理参数。
欢迎加入QQ群-->： 979659372
