概述

pytrends 库中的 interest_over_time() 函数允许您检索特定关键词随时间变化的兴趣。通过分析这些数据，您可以洞察关键词兴趣的演变情况，从而为内容策略和营销工作做出明智的决策。

在本教程中，我们将介绍：

  1. 定义关键词列表
  2. 设置时间范围
  3. 检索随时间变化的兴趣数据
  4. 分析结果

定义关键词列表

首先，我们需要定义要分析其随时间变化兴趣的关键词列表。

keywords = ['Python', 'JavaScript']

设置时间范围

接下来，我们需要设置要分析关键词兴趣的时间范围。在此示例中，我们将分析过去一年的兴趣。

time_range = '2022-01-01 2023-01-31'

检索随时间变化的兴趣数据

现在，我们需要使用 interest_over_time() 函数检索关键词和时间范围的随时间变化的兴趣数据。

from pytrends.request import TrendReq

# Set up pytrends request
pytrends = TrendReq(hl='en-US', tz=360)

# Build the payload
pytrends.build_payload(keywords, cat=0, timeframe=time_range, geo='', gprop='')

# Retrieve interest over time data
interest_over_time_data = pytrends.interest_over_time()

这将返回一个包含关键词随时间变化兴趣数据的DataFrame。

分析结果

现在，我们可以分析随时间变化的兴趣数据，以了解关键词的表现和受欢迎程度。

print(interest_over_time_data.head())

这将显示随时间变化的兴趣数据，为我们关键词的表现和受欢迎程度提供宝贵的洞察。

结论

在本文中，我们演示了如何使用 pytrends 库中的 interest_over_time() 函数分析特定关键词随时间变化的兴趣。通过分析这些数据，您可以洞察关键词兴趣的演变情况，帮助您就内容策略、营销工作甚至产品开发做出明智的决策。通过利用随时间变化的兴趣分析，您可以保持竞争优势，并确保您的内容和产品始终与目标受众相关且具有吸引力。

NOTE : pytrends uses an unofficial API. Please use here for issues.

SAMPLE CODE : https://github.com/hobbyworker/google-trend-for-python