Обертка над стандартной библиотекой google_api_python_client для легкой работы с API Google Analytics v3
Написано на версии python 3.5
Умеет запрашивать данные маленькими порциями, чтобы обойти семплирование. Также если в один ответ не поместятся все строки (макс 10000 строк), сделает дополнительные запросы.
Установка
# Установите эту штуку, она будет генерировать маленькие интервалы в случае семплирования.
# без нее работать не будет
pip install git+https://github.com/pavelmaksimov/daterangepy#egg=daterangepy-2019.4.9
pip install --upgrade git+https://github.com/pavelmaksimov/galytics3
Как пользоваться
Указание авторизационных данных.
Эта обертка не умеет получать токен, он у вас уже должен быть. Как получить? Гуглите.
Вариант 1
from galytics3 import GoogleAnalytics
api = GoogleAnalytics(refresh_token='{refresh_token}',
client_id='{client_id}',
client_secret='{client_secret}')Вариант 2
Если у вас объект credential создается другим образом. Через файл или еще как-то.
from galytics3 import GoogleAnalytics
credentials = credentials_object # Ваш объект credential
api = GoogleAnalytics(credentials=credentials)Вариант 3
Объявление дополнительных настроек, типа кеширования.
from googleapiclient.discovery import build
from galytics3 import GoogleAnalytics
credentials = credentials_object # Ваш объект credential
# В build можно объявить дополнительные настройки, вроде кеширования и т.д.
service = build('analytics', 'v3', credentials=credentials_object)
api = GoogleAnalytics(service=service)Получаем данные
from datetime import datetime
from galytics3 import GoogleAnalytics
api = GoogleAnalytics(refresh_token='{refresh_token}',
client_id='{client_id}',
client_secret='{client_secret}')
# Получит все аккаунты, ресурсы и представления.
df = api.get_accounts(as_dataframe=True)
# По умолчанию данные возвращаются в формате dataframe
print(df)
# Вернуть в JSON
data = api.get_accounts(as_dataframe=False)
print(data)
# Получит все цели всех представлений.
df = api.get_goals()
print(df)
# Запросить стандартный отчет
df = api.get_report(
id=12345789,
source='GA',
date1=datetime(2019, 1, 1),
date2=datetime(2019, 1, 10),
dimensions=['ga:date'],
metrics=['ga:percentNewSessions'],
sort='ga:date')
print(df)
# Запросить отчет MCF
df = api.get_report(
id=12345789,
source='mcf',
date1=datetime(2019, 1, 1),
date2=datetime(2019, 1, 10),
dimensions=['mcf:sourceMediumPath', 'mcf:conversionDate, mcf:source'],
metrics=['mcf:totalConversions', 'mcf:totalConversionValue'],
sort='mcf:source',
filters='mcf:ConversionType==Transaction')
print(df)Зависимости
- pandas
- daterangepy
Автор
Павел Максимов
Связаться со мной можно в Телеграм и в Facebook
Удачи тебе, друг! Поставь звездочку ;)