python——使用API

大家好，欢迎来到IT知识分享网。

使用API

1. 使用Web API

API调用 ： Web API是网站的一部分，用于与使用非常具体的URL请求特定信息的程序交互。请求得到的数据将以易于处理的格式（JOSN, CSV）返回。

实战： 使用GitHub的API请求有关该网站中的python信息，使用Pygal生成交互可视化，呈现这些项目的受欢迎程度。

1.1 使用API调用请求数据

打开如下网址

https://api.github.com/search/repositories?q=language:python&sort=starts

search/repositories 搜索所有GitHub上的仓库

q= q表示查询 =指定查询

language:python 使用语言为python的仓库项目信息

&sort=starts 将项目按所获得的星级排序

“incomplete_results”: true, 请求成功。true，GitHub无法全面处理该API；若为false，则代表请求并非完整

item 其中包含GitHub上最受欢迎的Python项目的详细信息

1.2 安装requests

requests包向网站请求信息并检查返回的响应

先查看自己的conda环境

conda env list 

激活要使用的环境

conda activate pythonProject 

安装requests包

pip install --user requests 

1.3 处理API响应

编写一个程序， 执行API调用，并处理结果，找出GitHub上星级最高的Python项目：

import requests # 执行API调用并存储响应 url = 'https://api.github.com/search/repositories?q=language:python&sort=starts' # 将url传递给r，再将响应对象存储在变量r中 r = requests.get(url) # 通过查看响应对象的一个status_code属性，知道了请求是否成功（状态码200表示请求成功） print("Status code:", r.status_code) # 将API响应存储在一个变量中（将返回的json格式信息转化为python字典） response_dict = r.json() # 处理结果，查看有哪些键值 print(response_dict.keys()) 

1.4 处理响应字典

python_repos.py

import requests # 执行API调用并存储响应 url = 'https://api.github.com/search/repositories?q=language:python&sort=starts' # 将url传递给r，再将响应对象存储在变量r中 r = requests.get(url) # 通过查看响应对象的一个status_code属性，知道了请求是否成功（状态码200表示请求成功） print("Status code:", r.status_code) # 将API响应存储在一个变量中（将返回的json格式信息转化为python字典） response_dict = r.json() print("Total repositories:", response_dict['total_count']) # 查看共有多少个仓库 # 探索有关仓库的信息 repo_dicts = response_dict['items'] # 每个与items相关的字典都包含一个有关python仓库的信息 print("Repositories returned:", len(repo_dicts)) # 查看得到了多少个仓库的信息 # 研究第一个仓库 repo_dict = repo_dicts[0] print("\nKeys:", len(repo_dict)) # 查看第一个仓库中有多少信息 for key in sorted(repo_dict.keys()): # 打印所有信息的建 print(key) 

下面提取repo_dict中与一些键相关联的值：

python_repos.py

--snip-- # 研究第一个仓库 repo_dict = repo_dicts[0] print("\nSelected information about first repository:") print('Name:', repo_dict['name']) # 项目名称 print('Owner:', repo_dict['owner']['login']) # ['owner']获取项目所有者的字典 ['login']获取项目所有者的登录名 print('Stars:', repo_dict['stargazers_count']) # 获得的star数 print('Repository:', repo_dict['html_url']) print('Created:', repo_dict['created_at']) # 建库时间 print('UPdate:', repo_dict['updated_at']) # 最近更新时间 print('Description:', repo_dict['description']) 

写文章此刻，最受欢迎的项目是system-design-primer

1.5 概述最受欢迎的仓库

查看每一个仓库的信息

python_repos.py

--snip-- # 研究有关仓库的信息 print("\nSelected information about each repository:") # 打印一条说明性的信息 for repo_dict in repo_dicts: print('\nName:', repo_dict['name']) # 项目名称 print('Owner:', repo_dict['owner']['login']) # ['owner']获取项目所有者的字典 ['login']获取项目所有者的登录名 print('Stars:', repo_dict['stargazers_count']) # 获得的star数 print('Repository:', repo_dict['html_url']) print('Created:', repo_dict['created_at']) # 建库时间 print('UPdate:', repo_dict['updated_at']) # 最近更新时间 print('Description:', repo_dict['description']) 

1.6 监视API的速率限制

https://api.github.com/rate_limit

limit极限为每分钟10个请求

remaining当前这一分钟内还可再执行8个请求

reset配额将重置的时Unix时间或新纪元时间(1970年1月1日午夜后多少秒)

用完配额后，将收到一条简单的响应，由此知道已达到API极限。到达极限后必须等待配额重置。

注意：很多API都要求注册获得API密钥后才能执行API调用，GitHub没有这样的要求，但是获得API密钥后，配额将高得多。

2. 使用Pygal可视化仓库

python_repos.py

import requests import pygal from pygal.style import LightColorizedStyle as LCS, LightStyle as LS # 执行API调用并存储响应 url = 'https://api.github.com/search/repositories?q=language:python&sort=starts' # 将url传递给r，再将响应对象存储在变量r中 r = requests.get(url) # 通过查看响应对象的一个status_code属性，知道了请求是否成功（状态码200表示请求成功） print("Status code:", r.status_code) # 将API响应存储在一个变量中（将返回的json格式信息转化为python字典） response_dict = r.json() print("Total repositories:", response_dict['total_count']) # 查看共有多少个仓库 # 探索有关仓库的信息 repo_dicts = response_dict['items'] # 每个与items相关的字典都包含一个有关python仓库的信息 # print("Repositories returned:", len(repo_dicts)) # 查看得到了多少个仓库的信息 names, stars = [], [] for repo_dict in repo_dicts: names.append(repo_dict['name']) stars.append(repo_dict['stargazers_count']) # 可视化 my_style = LS # 使用LightenStyle类作为Bar的基本格式 chart = pygal.Bar(style=my_style, x_label_rotation=45, show_legend=False) #标签绕x轴转45度，并隐藏了图例 chart.title = 'Most-Starred Python Projects on GitHub' chart.x_labels = names chart.add('', stars) # 添加数据时，将标签设置为空字符串 chart.render_to_file('python_repos.svg') 

用浏览器打开生成的python_repos.svg

2.1 改进Pygal图表

import requests import pygal from pygal.style import LightColorizedStyle as LCS, LightStyle as LS # 执行API调用并存储响应 url = 'https://api.github.com/search/repositories?q=language:python&sort=starts' # 将url传递给r，再将响应对象存储在变量r中 r = requests.get(url) # 通过查看响应对象的一个status_code属性，知道了请求是否成功（状态码200表示请求成功） print("Status code:", r.status_code) # 将API响应存储在一个变量中（将返回的json格式信息转化为python字典） response_dict = r.json() print("Total repositories:", response_dict['total_count']) # 查看共有多少个仓库 # 探索有关仓库的信息 repo_dicts = response_dict['items'] # 每个与items相关的字典都包含一个有关python仓库的信息 # print("Repositories returned:", len(repo_dicts)) # 查看得到了多少个仓库的信息 names, stars = [], [] for repo_dict in repo_dicts: names.append(repo_dict['name']) stars.append(repo_dict['stargazers_count']) # 可视化 my_style = LS # 使用LightenStyle类，并设置基调为蓝色 my_config = pygal.Config() # 创建一个Pygal类Config的实例 my_config.x_label_rotation = 45 my_config.show_legend = True my_config.title_font_size = 24 my_config.label_font_size = 14 my_config.major_label_font_size = 18 my_config.truncate_label = 15 my_config.show_y_guides = False my_config.width = 1000 chart = pygal.Bar(my_config, style=my_style) #标签绕x轴转45度，并隐藏了图例 chart.title = 'Most-Starred Python Projects on GitHub' chart.x_labels = names chart.add('', stars) # 添加数据时，将标签设置为空字符串 chart.render_to_file('python_repos.svg') 

my_config.show_legend = False 

2.2 添加自定义工具提示

工具提示： 在Pygal中将鼠标指向条形，将显示它表示的信息

下面创建一个自定义工具提示，以显示项目的描述

bar_discriptions.py

import pygal from pygal.style import LightColorizedStyle as LCS, LightStyle as LS my_style = LS chart = pygal.Bar(style=my_style, x_label_rotation=45, show_Legend=False) chart.title = 'Python Projects' chart.x_labels = ['httpie', 'django', 'flask'] plot_dicts = [ { 
   'value': 16101, 'label': 'Description of httpie.'}, { 
   'value':15028, 'label': 'Descripiton of django'}, { 
   'value': 14798, 'label': 'Description of flask'}, ] chart.add('', plot_dicts) chart.render_to_file('bar_descriptions.svg') 

2.3 根据数据绘图

自动生成plot_dicts，其中包含API返回的30个项目

python_repos.py

# 探索有关仓库的信息 repo_dicts = response_dict['items'] # 每个与items相关的字典都包含一个有关python仓库的信息 print("Number of items:", len(repo_dicts)) # 查看得到了多少个仓库的信息 names, plot_dicts = [], [] for repo_dict in repo_dicts: names.append(repo_dict['name']) plot_dict = { 
   'value': repo_dict['stargazers_count'], 'label': repo_dict['description']} plot_dicts.append(plot_dict) # 可视化 my_style = LCS # 使用LightenStyle类，并设置基调为蓝色 --snip-- chart = pygal.Bar(my_config, style=my_style) #标签绕x轴转45度，并隐藏了图例 chart.title = 'Most-Starred Python Projects on GitHub' chart.x_labels = names chart.add('', plot_dicts) # 添加数据时，将标签设置为空字符串 chart.render_to_file('python_repos_bar_descriptions.svg') 

2.4 在图表中添加可单击的链接

--snip-- names, plot_dicts = [], [] for repo_dict in repo_dicts: names.append(repo_dict['name']) plot_dict = { 
   'value': repo_dict['stargazers_count'], 'label': repo_dict['description'], 'xlink': repo_dict['html_url'], } plot_dicts.append(plot_dict) --snip-- 

此时打开图表，再单击每一个条形，都会在新的窗口中跳转到对应github项目地址！

3. Hacker News API

为探索如何使用其他网站的API调用，我们来看看Hacker News（http://news.ycombinator.com/）。
在Hacker News网站，用户分享编程技巧方面的文章， 并就此展开积极的讨论。Hacker News的API让你能够访问有关该网站所有文章和评论的信息，且不要求你通过注册获得密钥。

https://hacker-news.firebaseio.com/v0/item/.json

响应是一个字典，包含ID为的文章信息

import requests from operator import itemgetter # 执行API调用并存储响应 url = 'https://hacker-news.firebaseio.com/v0/topstories.json' r = requests.get(url) # 其中包含了Hacker News上当前最热门的500片篇文章的ID print("Status code", r.status_code) # 处理有关每篇文章的信息 submission_ids = r.json() submission_dicts = [] for submission_id in submission_ids[:30]: # 对于每篇文章，都执行一个API调用 url = ('https://hacker-news.firebaseio.com/v0/item/' + str(submission_id) + '.json') submission_r = requests.get(url) print(submission_r.status_code) # 判断请求状态是否成功 response_dict = submission_r.json() submission_dict = { 
    'title': response_dict['title'], 'link': 'http://news.ycombinator.com/item?id=' + str(submission_id), 'comments': response_dict.get('descendants', 0) #当评论数为0时，就没有comments这一项 } submission_dicts.append(submission_dict) submission_dicts = sorted(submission_dicts, key=itemgetter('comments'), reverse=True) for submission_dict in submission_dicts: print("\nTitle:", submission_dict['title']) print("Discussion link:", submission_dict['link']) print("Comments:", submission_dict['comments']) 

使用任何API来访问和分析信息时，流程都与此类似。有了数据后，就可以进行数据可视化了。