Obtenez des résultats Google Trends avec Python | par Sajid Hasan Sifat | Meilleure programmation | Juil, 2020

Online Coding Courses for Kids

Comment obtenir des requêtes connexes croissantes et des requêtes associées les plus fréquentes de Google Trends by Pytrends (l’API non officielle pour Google Trends)

Sajid Hasan Sifat
photo par Rajeshwar Bachu sur Unsplash

Google Trends peut nous fournir des données très pertinentes. Les requêtes renvoyées par Google Trends peuvent être utilisées pour le marketing numérique, le référencement et bien plus encore. Voici comment nous pouvons obtenir les requêtes de Google Trends à l’aide de Python.

Bibliothèques requises:

import pandas as pd
from pytrends.request import TrendReq

Si vous n’avez pas installé les bibliothèques et si vous êtes sous Windows, vous pouvez utiliser pip pour installer les bibliothèques. Allez simplement dans le terminal et écrivez ces commandes pour les installer:

>pip install pandas
>pip install pytrends

Vous pouvez lire le documentation ici.

Accédez à n’importe quel éditeur ou environnement Python et commencez à coder. Ici, nous avons créé une charge utile pour l’API. Nous voulons rechercher les requêtes associées pour la «science des données».

pytrend = TrendReq(hl=’en-US’, tz=360)

Les arguments hl=’en-US’ est pour la langue que vous souhaitez rechercher. le tz=360 est pour le fuseau horaire. Ici, le CST aux États-Unis est “360” (remarque: pas -360. Google utilise le fuseau horaire comme celui-ci):

# Create payload and capture API tokens. Only needed for interest_over_time(), interest_by_region() & related_queries()trendy_keywords = ‘Data Science’
kw_list = [trendy_keywords]
kw = trendy_keywords
pytrend.build_payload(kw_list)

Nous avons conservé le mot clé dans une liste et dans une chaîne.

pytrend.build_payload(kw_list) construit la charge utile et accepte une liste comme argument. Vous pouvez également créer la charge utile pour les intérêts au fil du temps et les intérêts par région comme suit:

pytrend.interest_over_time()
pytrend.interest_by_region()

Nous voulons connaître les requêtes associées:

# Related Queries, returns a dictionary of dataframesrelated_queries_dict = pytrend.related_queries()
print(related_queries_dict)

pytrend.related_queries() renvoie un dictionnaire, si nous imprimons, nous obtenons une sortie comme celle-ci:

fourni par l’auteur

Ce n’est pas tout à fait organisé. Ainsi, nous pouvons diviser les données pour le haut et le haut dans différents dictionnaires.

# for rising related queries
related_queries_rising = related_queries_dict.get(kw).get(‘rising’)
# for top related queries
related_queries_top = related_queries_dict.get(kw).get(‘top’)
print(“**************** RISING RELATED KEYWORDS **************”)
print(related_queries_rising)
print(“**************** TOP RELATED KEYWORDS *******************”)
print(related_queries_top)

Close Menu