概述

pytrends 库中的 multirange_interest_over_time() 函数允许您检索特定关键词在多个时间范围内的兴趣。通过分析这些数据，您可以洞察关键词在不同时期内兴趣的演变情况，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. 导入必要的库
  2. 设置 pytrends 请求
  3. 构建时间范围列表
  4. 检索多时间范围的随时间变化兴趣数据
  5. 分析结果

构建时间范围列表

首先，我们需要创建一个时间范围列表，用于分析我们关键词的兴趣。在此示例中，我们将创建一个包含两个时间范围的列表

time_ranges = [
    '2022-09-04 2022-09-10',
		'2022-09-18 2022-09-24',
]

检索多时间范围的随时间变化兴趣数据

接下来，我们需要导入必要的库，设置 pytrends 请求，并检索关键词和时间范围的多时间范围随时间变化兴趣数据。

from pytrends.request import TrendReq

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

# Define the list of keywords
keywords = ['pizza', 'bagel']

# Build the payload
pytrends.build_payload(keywords, timeframe=time_ranges)

# Retrieve multi-range interest over time data
interest_over_time_data = pytrends.multirange_interest_over_time()

这将返回一个字典，其中包含我们关键词在指定时间范围内的随时间变化兴趣数据。

分析结果

现在，我们可以分析多时间范围的随时间变化兴趣数据，以了解关键词在不同时期的表现和受欢迎程度。

# Display the interest over time data
print(interest_over_time_data)

这将显示每个时间范围的随时间变化兴趣数据，为我们关键词在不同时期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 multirange_interest_over_time() 函数分析特定关键词在多个时间范围内的兴趣。通过分析这些数据，您可以获得更全面的趋势视角，并了解关键词在不同时期内兴趣的演变情况。这些信息可以帮助您就内容策略、营销工作甚至产品开发做出明智的决策。通过利用多时间范围的随时间变化兴趣分析，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