Cómo usar la API de Google Trends con Python

El sitio web de Tendencias de Google ofrece un análisis de diferentes resultados de búsqueda de la Búsqueda de Google en función de varios criterios, como regiones, hora e idioma. Como desarrollador, puede usar la API de Google Trends en python para obtener los mismos resultados que se presentan en el sitio web de Google Trends a través de Pytrends.

Tabla de contenido:

1. ¿Qué es Pytrends?
2. Cómo instalar Pytrends
3. Conéctese a Google
4. Construir carga útil
5. Interés a lo largo del tiempo
6. Interés histórico por hora
7. Interés por Región'
8. Consultas relacionadas
9. Sugerencia de palabras clave

¿Qué es Pytrends?

Pytrends es una API no oficial de Google Trends que proporciona diferentes métodos para descargar informes de resultados de tendencias de Google Trends. El paquete python puede ayudarlo a automatizar el proceso de obtención de datos y obtener el resultado en un corto período de tiempo.

En este artículo, veremos cinco métodos de la API de Google Trends proporcionada por Pytrends que pueden ayudarnos a obtener datos de Google Trends de diferentes maneras.

¡Entonces empecemos!

Cómo instalar Pytrends

Ejecute el siguiente comando para instalar Pytrends en su máquina.

 pip install pytrends

Nota: pytrends requiere python 3.3+ y los siguientes paquetes de python Requests, lxml y pandas.

Conéctese a Google

El primer paso después de la instalación es conectar Pytrends a Google Trends para que pueda enviar una solicitud y obtener la información que necesita. Debe importar TrendReq desde pytrends para inicializar la conexión.

 # connect to google from pytrends.request import TrendReq pytrends = TrendReq(hl= 'en-US' , tz= 360 )

TrendReq recibe dos parámetros importantes.

• hl significa lenguaje de alojamiento para acceder a Google Trends; en este ejemplo, configuramos English.
• tz significa zona horaria, en este ejemplo, usamos la zona horaria de EE. UU. (representada en minutos ), que es 360.

Para obtener más detalles sobre la zona horaria, consulte el siguiente enlace .

Construir carga útil

El método build_payload de Pytrends se utiliza para crear una lista de palabras clave que desea buscar en Google Trends. También puede especificar el período de tiempo para recopilar datos y la categoría desde la que consultar los datos.

 # build payload kw_list = [ "machine learning" ] # list of keywords to get data pytrends.build_payload(kw_list, cat= 0 , timeframe= 'today 12-m' )

Para este ejemplo, buscaremos tendencias para la palabra clave " aprendizaje automático ". También puede agregar más palabras clave en kw_list tantas como desee.

Interés a lo largo del tiempo

El primer método API de pytrends es interest_over_time; este método devolverá datos históricos de la palabra clave buscada de Google Trend de acuerdo con el período de tiempo que haya especificado en el método build_payload.

Luego, podemos visualizar los datos recopilados mediante el uso de la biblioteca Plotly para obtener más información de los datos.

 #1 Interest over Time data = pytrends.interest_over_time() data = data.reset_index() import plotly.express as px fig = px.line(data, x= "date" , y=[ 'machine learning' ], title= 'Keyword Web Search Interest Over Time' ) fig.show() 

En el gráfico anterior, puede ver que la palabra clave " aprendizaje automático " se ha buscado principalmente desde marzo de 2021 hasta julio de 2021

Interés histórico por hora

Si está interesado en el interés por hora de la palabra clave, puede usar el método get_historical_intereset() para obtener datos por hora según el tiempo que haya especificado.

 pytrends.get_historical_interest(kw_list, year_start= 2021 , month_start= 9 , day_start= 1 , hour_start= 0 , year_end= 2021 , month_end= 9 , day_end= 30 , hour_end= 0 , cat= 0 , sleep= 0 )

En el código anterior, hemos especificado las palabras clave que queremos buscar, la hora de inicio, la hora de finalización y la categoría de la palabra clave.

Interés por Región

A veces te puede interesar saber el rendimiento de la palabra clave por región. El método interest_by_region de pytrends puede mostrarle qué países buscan la palabra clave que seleccionó en una escala de 0 a 100, donde 100 representa un país con la mayor cantidad de búsquedas y 0 representa un país que no tiene suficientes datos.

 by_region = pytrends.interest_by_region(resolution= 'COUNTRY' , inc_low_vol= True , inc_geo_code= False ) by_region.head( 10 ) 

Los resultados se devuelven en un formato de marco de datos utilizando pandas.

También puede usar pandas para buscar países que tengan una puntuación superior a 10.

 # by region greater than 10 searches by_region[by_region[ "machine learning" ] > 10 ] 

Consultas relacionadas

Pytrends también puede ayudarlo a encontrar palabras clave que están estrechamente vinculadas a una palabra clave principal de su elección y luego devolver una lista de palabras clave relacionadas que se muestran en Google Trends. Busquemos una lista de consultas relacionadas con el "aprendizaje automático" y devolvamos las consultas principales.

 data = pytrends.related_queries() data[ 'machine learning' ][ 'top' ] 

Como puede ver, hay diferentes palabras clave relacionadas con el "aprendizaje automático", como " qué es el aprendizaje automático " y " modelo de aprendizaje automático".

Sugerencia de palabras clave

Google Trends puede brindarle una lista de sugerencias de palabras clave relacionadas con su palabra clave principal. En el siguiente ejemplo, enviará una solicitud para encontrar sugerencias para una palabra clave llamada "Inteligencia comercial".

El método de sugerencias de pytrends obtendrá sugerencias de palabras clave de Google Trends y las devolverá en un formato de marco de datos.

 keywords = pytrends.suggestions(keyword= 'Business Intelligence' ) df = pd.DataFrame(keywords) print(df) 

En el cuadro de datos anterior, puede ver una lista de palabras clave sugeridas para "Inteligencia comercial", como Software de inteligencia comercial, Inteligencia de mercado y otras.

Referencia

Hay más métodos API para cubrir del paquete Pytrends; Le recomiendo que se tome su tiempo para leer otros métodos en la documentación. Compruébalo aquí .

Si aprendiste algo nuevo o disfrutaste leyendo este artículo, compártelo para que otros puedan verlo. Hasta entonces, ¡nos vemos en el próximo post!

También puedes encontrarme en Twitter @Davis_McDavid .

Y puedes leer más artículos como este aquí .

¿Quiere mantenerse al día con lo último en python? Suscríbase a nuestro boletín en el pie de página a continuación.