友盟爱恨情仇之自定义事件流量数据获取——python语言版

持续更新中……


上篇写了友盟Open API接口的基本调用
友盟爱恨情仇之Open API接口文档(python版)
本文基于Open API接口,用Python实现自定义事件基本流量数据的获取


加载相关模块

import requests
import pandas as pd
import numpy as np

函数构建:获取事件消息数/独立用户数

在实际app业务场景中,常有一个业务配置多个入口的场景,如下例:

业务 系统 入口事件 group_id
业务A Android 位置1 group_id10001
iphone 位置2 group_id10002
业务B Android 位置1 group_id10001
Android 位置2 group_id10002
iphone 位置3 group_id20003
iphone 位置4 group_id20004

基于此类场景,构造一个函数分别获取各个入口的流量数据,并进行汇总统计

#获取事件消息数/独立用户数
def get_event_data(appkey,group_id,start_date,end_date,auth_token):
    #为PV跟UV定义不同的接口url
    pv_url = 'http://api.umeng.com/events/daily_data?appkey=%s&group_id=%s&type=count&start_date=%s&end_date=%s&auth_token=%s'%(appkey,group_id,start_date,end_date,auth_token)
    uv_url = 'http://api.umeng.com/events/daily_data?appkey=%s&group_id=%s&type=device&start_date=%s&end_date=%s&auth_token=%s'%(appkey,group_id,start_date,end_date,auth_token)
    pv_response = requests.get(pv_url).json()
    uv_response = requests.get(uv_url).json()
    #将PV、UV数据分别存为DataFrame对象,并进行merge操作将数据合并
    pv_data = pd.DataFrame({'dates':pv_response['dates'], 'pv':pv_response['data']['all']})
    uv_data = pd.DataFrame({'dates':uv_response['dates'], 'uv':uv_response['data']['all']})
    aggregated_data = pv_data.merge(uv_data, how='left', on='dates')
    return aggregated_data


#调用get_event_data()函数,分别统计android、iphone两个app的流量数据
def get_data(event,start_date,end_date):
    data = pd.DataFrame(columns=['dates','pv','uv'])
    #统计android端某位置点击数据
    for group_id in events_list[event]['android']:
        data = pd.concat([data, get_event_data(android_key,group_id,start_date,end_date,auth_token)]).reset_index(drop=True)
    #统计iphone端某位置点击数据
    for group_id in events_list[event]['iphone']:
        data = pd.concat([data, get_event_data(iphone_key,group_id,start_date,end_date,auth_token)]).reset_index(drop=True)
    #汇总数据
    result = data.groupby(data['dates']).agg({'pv':np.sum, 'uv':np.sum})
    return result

数据准备

通过上篇文章中的authorize()、apps()函数,可获取到相关的token, appkey列表
本次获取数据如下(实际代码中应替换成自己的数据):

参数
auth_token token1111111
android_key android_key11111
iphone_key iphone_key111111

数据获取

auth_token = 'token1111111'
android_key = 'android_key11111'
iphone_key = 'iphone_key111111'

events_list = {
    '业务A':{'android':['group_id10001'],'iphone':['group_id10002']},
    '业务B':{'android':['group_id10001','group_id10002'],
            'iphone':['group_id20003','group_id20004']}
}

data_a = get_data('业务A', '2018-08-01', '2018-08-25')
data_b = get_data('业务B', '2018-08-01', '2018-08-25')

下篇预告:获取带参数的自定义事件点击流量~

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容