概述

pytrends 库中的 get_historical_interest() 函数允许您检索特定搜索词在给定时间范围内的小时兴趣数据。这有助于更细致地了解搜索词的受欢迎程度，并识别在查看每日或每周数据时可能不可见的趋势。

在本教程中，我们将介绍：

  1. 导入必要的库
  2. 设置 pytrends 请求
  3. 检索历史小时兴趣数据
  4. 可视化结果

安装

要安装Pytrends，只需使用pip：

pip install matplotlib

检索历史小时兴趣数据

首先，我们需要导入必要的库并设置 pytrends 请求。

from pytrends.request import TrendReq
import pandas as pd
import matplotlib.pyplot as plt

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

接下来，我们将使用 get_historical_interest() 函数指定搜索词、时间范围和其他请求参数。

keywords = ['Python', 'JavaScript']

# Retrieve hourly interest data
hourly_interest = pytrends.get_historical_interest(keywords, year_start=2023, month_start=3, day_start=1, hour_start=0, year_end=2023, month_end=3, day_end=2, hour_end=0, cat=0, geo='', gprop='', sleep=0)

这将返回一个DataFrame，其中包含搜索词’Python’和’JavaScript’从2023年3月1日到3月2日的小时兴趣数据。

可视化结果

现在，我们可以使用简单的折线图来可视化小时兴趣数据。

# Plot the hourly interest data
plt.figure(figsize=(12, 6))
plt.plot(hourly_interest.index, hourly_interest['Python'], label='Python')
plt.plot(hourly_interest.index, hourly_interest['JavaScript'], label='JavaScript')

plt.xlabel('Hour')
plt.ylabel('Interest')
plt.title('Hourly Interest for Python and JavaScript')
plt.legend()
plt.show()

此图显示了’Python’和’JavaScript’在指定时间范围内的小时兴趣，使您可以比较它们的受欢迎程度并识别趋势。

结论

在本文中，我们演示了如何使用 pytrends 库中的 get_historical_interest() 函数从Google Trends检索历史小时兴趣数据。通过深入研究这些数据，您可以获得有关搜索词受欢迎程度的宝贵洞察，并更好地理解消费者行为。本教程涵盖了从设置 pytrends 请求到可视化结果的整个收集和分析小时兴趣数据的过程。

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

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