درخواست API از صفحه گسترده خود

با درجه دوم ، می توانید API ها را به صورت برنامه نویسی به صفحه گسترده وصل کنید تا از هر منبع داده ای که از طریق نقطه پایانی API در معرض آن قرار دارد ، به داده های گسترده دسترسی پیدا کنید. شما می توانید از API ها با درخواست های GET بخوانید و با درخواست های پست ، همه مستقیماً از تجربه بومی پایتون ، به API ها بنویسید.

اتصال صفحه گسترده خود به API های شما آسان است. ما با ساده ترین API ممکن و بدون اعتبار و پارامتری شروع خواهیم کرد و سپس با اعتبار و پارامترها به یکی منتقل می شویم.

مرحله 1: نقطه پایانی API خود را مشخص کنید

در این مثال ما از API نمونه رایگان از JsonPlaceHolder استفاده می کنیم.

نقطه پایانی:

https://jsonplaceholder.typicode.com/users

ما می توانیم مشاهده کنیم که برخی از داده های نمونه در مرورگر ما چگونه است.

مرحله 2: ایجاد پرس و جو و نمای در صفحه گسترده

این ساده ترین پرس و جو ممکن است زیرا هیچ پارامتر وجود ندارد ، فقط URL که داده های ما را برمی گرداند.

import requests
import pandas as pd

# make request
x = requests.get('https://jsonplaceholder.typicode.com/users')

# go from JSON response to DataFrame
df = pd.DataFrame.from_dict(x.json())

# display DataFrame in the sheet
df

این نتایج ما را باز می گرداند ، که در صفحه گسترده جدولی است.

مرحله 3: DataFrame را دستکاری کنید

از اینجا ، ما می توانیم DataFrame را انجام دهیم ، آمار ، تجسم یا انتخاب قطعات جداگانه داده را انجام دهیم. در اینجا فقط چند مثال آورده شده است:

یک ستون را انتخاب کنید

df['username']

این فقط ستون نام کاربری را به برگه برمی گرداند.

داده های ستون را خلاصه کنید

ما می توانیم تجزیه و تحلیل داده های انتخاب شده خود را انجام دهیم. در این مثال ، تعداد دفعاتی را که یک نام کاربری با یک نامه خاص شروع می شود ، شمارش می کنیم. این امر می توانست کمی بفهمد ، بنابراین در عوض ، ما فقط می توانیم از دستیار هوش مصنوعی در کنسول بپرسیم. در اولین تلاش ، هوش مصنوعی پاسخی را انجام داد که عالی بود.

نمودار بسازید

با داده های خلاصه شده ما از آخرین مرحله ، می توانیم یک نمودار ساده ایجاد کنیم که میزان وقوع هر حرف را نشان می دهد ، مانند نامه شروع در نام کاربری.

# import plotly
import plotly.express as px

# create your chart type, for more chart types: https://plotly.com/python/
fig = px.bar(df, x = letter, y = frequency)

# make chart prettier
fig.update_layout(
    plot_bgcolor="White",
    height=700
)

# display chart
fig.show()

درخواست API با پارامترها (به علاوه پست به جای GET)

برای این مثال بعدی ، ما به Exa Ai ، یک جستجوی AI API متصل می شویم. همان مراحل در بالا ، فقط با پارامترهای پرس و جو ، تغییر درخواست API ما را کمی استفاده می کند. این همچنین یک پست به جای درخواست دریافت است ، به این معنی که ما داده ها را ارسال می کنیم ، و سپس آنها با پاسخ به آنچه ما به دنبال آن هستیم پاسخ می دهند. درخواست های پست همچنین یک روش مشترک برای نوشتن داده ها به منابع خارجی است ، جایی که پاسخ تأیید اینکه آیا داده ها با موفقیت دریافت شده است یا خیر. در این حالت ، ما در حال ارسال داده ها و دریافت پاسخ با استفاده از درخواست پست خود هستیم.

در این مثال ، ما درخواست خود را از پارامترهای تنظیم شده در برگه می سازیم تا بتوانیم بر اساس داده های ورق ، به صورت پویا درخواست هایی را به API انجام دهیم.

درخواست API با پارامترها

ما باید مشخصات پارامترها را در مستندات API دنبال کنیم. در مثال EXA ، ما باید پرس و جو ، دسته و تعداد نتایج را به عنوان بار بار ارائه دهیم. به عنوان هدر ، ما باید کلید API و نوع داده ای را که دریافت خواهیم کرد ، حداقل به طور حداقل تأمین کنیم. مثال زیر را برای نحوه عملکرد این کار مشاهده کنید.

import requests
import pandas as pd

# API URL
url = "https://api.exa.ai/search"

# payload
payload = {
    # adjusts our query to an optimized prompt
    "useAutoprompt": True,
    # returns 10 results
    "numResults": 10,
    # category of response we want
    "category": "company",
    # question we want to ask, read from spreadsheet cell (0,3)
    "query": cell(0,3)
}

# headers
headers = {
    # what data format we'll accept
    "accept": "application/json",
    # what data format we're sending
    "content-type": "application/json",
    # API key
    "x-api-key": "your_api_key_here",
}

# send request
response = requests.post(url, json=payload, headers=headers)
# turn response into json format we can shove into DataFrame
response.json()['results']
# put request into DataFrame
df = pd.DataFrame.from_dict(response.json()['results'])
# dislay DataFrame to sheet
df

خلاصه

درخواست های API یک روش قدرتمند برای اتصال به منابع داده زنده از صفحه گسترده شما است – انواع منابع داده را مستقیماً از پایتون در درجه دوم تا سطح تجزیه و تحلیل خود قرار دهید.

با ما تماس بگیرید و با ما تماس بگیرید و به ما اطلاع دهید که چگونه یا چه چیزی می توانیم در درجه دوم پیشرفت کنیم. بازخورد کاربر همان چیزی است که مستقیماً نقشه راه محصول ما را راهنمایی می کند.