自动谷歌趋势下载程序
gtrends的Python项目详细描述
===
gtrends
==
新！
===
理论上，gtrends现在支持python 3.4和3.5以及2.7。您还可以指定所需的地理位置、时区、类别和搜索类型。如果有任何问题，请让我知道在问题跟踪！现在继续阅读……
about
=
使用谷歌帐户的用户可以将这些数据下载到csv文件中，但是有几个注意事项使数据难以处理。数据只有每天的粒度，直到3个月的数据，之后它们变成每周的。更糟糕的是，google规范化了数据，使得时间序列中最大的查询量百分比设置为整数'100'，所有其他值设置为较小的整数值。这使得很难收集几个文件并将它们拼接在一起（例如通过较短时间段的文件来保持每日的粒度）。由于数据具有不同的比例。
gtrends通过允许开发人员以每周或每天的粒度提取数据来解决此问题，并且始终具有相同的比例，而无需担心自身的比例缩放和数据操作。
usage
==
gtrends只包含两个函数，第一个是"collectTrends（）"。它可以由以下对象使用：
import datetime
import gtrends
terms=["foo"、"bar"、"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectTrends（用户名、密码、条款、开始时间、结束时间）
``collectTrends（）``返回数据的二维列表，格式为[datetime、val0、val1、val2等]，并附加一个标题。例如，上面的代码片段返回了一个列表``趋势``````````````````````````````：
66.667,16.667
2015年6月1日，16.667,66.667,16.667,16.667,16.667,83.333,16.667
1/8/2015,16.667,83.333,16.667
1/9/2015,16.667,16.667,16.667,16.667,83.3337,83.333,16.667,16.667,16.667,16.667,16.667,16.667,16.667
1/7/7/2015,16.667,16.667,16.667,16.667
1/8/8/2015,16.667,16.667,16.667,16.667,16.>2015年1月31日，16.667100.00，16.667
日期类型为datetime，数字是四舍五入到小数点后3位的浮点数。
数据在整个时间段内和术语之间进行规范化，使得最大值的浮点数为100.0，并且所有其他值都相应地缩放。
数据从[startdt，enddt]返回到月份的精度。（即，一个月内的特定日期无关紧要）。
`` granularity``接受分别对应于daily或weekly的``d``或``w``字符串。
``sum``是boolean类型的可选参数。这样，多个术语的数据就可以合并成一列。默认值为"false"。"save path"接受一个字符串作为保存结果csv的路径。如果保留为默认的"none"，则不保存任何文件。
r/>
terms=["foo"，"bar"，"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectTrends（用户名、密码、terms、startdt、enddt，
granularity=w，sum=true，savepath="mydir/data.csv"）
其他规范
----
与在趋势网站上一样，您可以指定要收集数据的位置、类别、搜索类型和时区。这些都是对应于相应字段"geo"、"cat"、"gprops"和"tz"的字符串。例如，要获取意大利"pizza"一词的查询数据，在"food&drink"类别中，在"news"搜索塔吉克斯坦时间时，我将键入：
：
：
trends=gtrends.collectTrends（用户名、密码、术语、startdt、enddt、geo='it'，cat='0-71'，gprops='news'，tz='asia/dushanbe'）
注意：当您选择默认以外的搜索类型（gprops）时，只能搜索每周数据。谷歌就是这样。
原始数据
==
第二个函数``collect raw trends（）``允许您以字符串形式从谷歌趋势收集原始csv：：
导入日期时间
导入gtrends
username="mygoogleusername"
密码="MyGooglePassword"
terms=["foo"，"bar"，"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectRawTrends（用户名、密码、terms、startdt、enddt，
savepath="mydir/data.csv"）
在这种情况下，不能设置粒度：它是基于google自然返回的内容的每日或每周。术语数限制为5（这是google本身允许的每个csv文件的最大值），并且不支持sumation（如在collecttrends（）中的可选参数sum）。此外，还包括区域数据和相关术语数据，而不是在"collectTrends（）`"中被丢弃。
问题跟踪程序中的问题。
license
==
mit license
copyright（c）2015 eric salina
>特此免费授予获得本软件副本和相关文档文件（"软件"）的任何人许可，在不受限制的情况下处理软件，包括但不限于使用、复制、修改、合并、发布、分发、再授权和/或出售软件副本的权利，并允许向其提供软件的人员这样做，但须满足以下条件：
上述版权声明和本许可声明应包含在本软件的所有副本或大部分中。
本软件按"原样"提供，无任何形式的明示或默示保证，包括但不限于适销性保证，适合某一特定目的和非侵犯性。在任何情况下，无论是在合同诉讼、侵权诉讼或其他诉讼中，作者或版权所有人都不对任何索赔、损害赔偿或其他责任负责，不属于或与软件或软件的使用或其他交易有关。
数据来源：google trends（http://www.google.com/trends）
gtrends
==
新！
===
理论上，gtrends现在支持python 3.4和3.5以及2.7。您还可以指定所需的地理位置、时区、类别和搜索类型。如果有任何问题，请让我知道在问题跟踪！现在继续阅读……
about
=
使用谷歌帐户的用户可以将这些数据下载到csv文件中，但是有几个注意事项使数据难以处理。数据只有每天的粒度，直到3个月的数据，之后它们变成每周的。更糟糕的是，google规范化了数据，使得时间序列中最大的查询量百分比设置为整数'100'，所有其他值设置为较小的整数值。这使得很难收集几个文件并将它们拼接在一起（例如通过较短时间段的文件来保持每日的粒度）。由于数据具有不同的比例。
gtrends通过允许开发人员以每周或每天的粒度提取数据来解决此问题，并且始终具有相同的比例，而无需担心自身的比例缩放和数据操作。
usage
==
gtrends只包含两个函数，第一个是"collectTrends（）"。它可以由以下对象使用：
import datetime
import gtrends
terms=["foo"、"bar"、"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectTrends（用户名、密码、条款、开始时间、结束时间）
``collectTrends（）``返回数据的二维列表，格式为[datetime、val0、val1、val2等]，并附加一个标题。例如，上面的代码片段返回了一个列表``趋势``````````````````````````````：
66.667,16.667
2015年6月1日，16.667,66.667,16.667,16.667,16.667,83.333,16.667
1/8/2015,16.667,83.333,16.667
1/9/2015,16.667,16.667,16.667,16.667,83.3337,83.333,16.667,16.667,16.667,16.667,16.667,16.667,16.667
1/7/7/2015,16.667,16.667,16.667,16.667
1/8/8/2015,16.667,16.667,16.667,16.667,16.>2015年1月31日，16.667100.00，16.667
日期类型为datetime，数字是四舍五入到小数点后3位的浮点数。
数据在整个时间段内和术语之间进行规范化，使得最大值的浮点数为100.0，并且所有其他值都相应地缩放。
数据从[startdt，enddt]返回到月份的精度。（即，一个月内的特定日期无关紧要）。
`` granularity``接受分别对应于daily或weekly的``d``或``w``字符串。
``sum``是boolean类型的可选参数。这样，多个术语的数据就可以合并成一列。默认值为"false"。"save path"接受一个字符串作为保存结果csv的路径。如果保留为默认的"none"，则不保存任何文件。
r/>
terms=["foo"，"bar"，"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectTrends（用户名、密码、terms、startdt、enddt，
granularity=w，sum=true，savepath="mydir/data.csv"）
其他规范
----
与在趋势网站上一样，您可以指定要收集数据的位置、类别、搜索类型和时区。这些都是对应于相应字段"geo"、"cat"、"gprops"和"tz"的字符串。例如，要获取意大利"pizza"一词的查询数据，在"food&drink"类别中，在"news"搜索塔吉克斯坦时间时，我将键入：
：
：
trends=gtrends.collectTrends（用户名、密码、术语、startdt、enddt、geo='it'，cat='0-71'，gprops='news'，tz='asia/dushanbe'）
注意：当您选择默认以外的搜索类型（gprops）时，只能搜索每周数据。谷歌就是这样。
原始数据
==
第二个函数``collect raw trends（）``允许您以字符串形式从谷歌趋势收集原始csv：：
导入日期时间
导入gtrends
username="mygoogleusername"
密码="MyGooglePassword"
terms=["foo"，"bar"，"baz"]
startdt=datetime.datetime（year=2015，month=1，day=1）
enddt=datetime.datetime（year=2015，month=2，day=1）
trends=gtrends.collectRawTrends（用户名、密码、terms、startdt、enddt，
savepath="mydir/data.csv"）
在这种情况下，不能设置粒度：它是基于google自然返回的内容的每日或每周。术语数限制为5（这是google本身允许的每个csv文件的最大值），并且不支持sumation（如在collecttrends（）中的可选参数sum）。此外，还包括区域数据和相关术语数据，而不是在"collectTrends（）`"中被丢弃。
问题跟踪程序中的问题。
license
==
mit license
copyright（c）2015 eric salina
>特此免费授予获得本软件副本和相关文档文件（"软件"）的任何人许可，在不受限制的情况下处理软件，包括但不限于使用、复制、修改、合并、发布、分发、再授权和/或出售软件副本的权利，并允许向其提供软件的人员这样做，但须满足以下条件：
上述版权声明和本许可声明应包含在本软件的所有副本或大部分中。
本软件按"原样"提供，无任何形式的明示或默示保证，包括但不限于适销性保证，适合某一特定目的和非侵犯性。在任何情况下，无论是在合同诉讼、侵权诉讼或其他诉讼中，作者或版权所有人都不对任何索赔、损害赔偿或其他责任负责，不属于或与软件或软件的使用或其他交易有关。
数据来源：google trends（http://www.google.com/trends）
欢迎加入QQ群-->： 979659372
