今天要帶大家認識Google Trends API。

Google Trends大家應該蠻熟悉，它可以查詢特定關鍵字在不同國家、不同時間點的搜尋熱度；通常被用來比較像似關鍵字或相同關鍵字在不同國家的表現。

原本Google Trends有官方的API，不過很不幸已經broken了...後來有人自己作unofficial版本，Python和NodeJS都有，今天我們用Jupyter Notebook來練習這個前人已經造好的輪子：）

0. 打開Jupyter Notebook：

user@ubuntu: ~$ jupyter notebook

1. 在jupyter import google trends api套件

from pytrends.request import TrendReq
import json

2. 創一個TrendReq實例：

pytrend = TrendReq(hl='en-US', tz=360)

tz=timezone

3. 設定要搜尋的字詞、時段、區域、類別

pytrend.build_payload(kw_list=['Donald Trump', 'Obama'], cat=0, timeframe='today 12-m', geo='US', gprop='')

kw_list=放入想搜尋的字串，最多5個（但有方法可以hack，之後的文章在講XD）
cat=類別，要google trends網站看一下你要的類別編號是什麼（如下圖）
timeframe=時間區段
geo=地理區域，台灣是TW，遇到比較不熟的區域用前面講過的方式來找即可
gprop=Google property，搜尋結果的類型，有image, news, youtube...

4. 取得數據：

pytrend.interest_over_time()

你會看到日期和"Donald Trump"、"Obama"相對應的搜尋數據分別被列出。假如我們只想看其中一個可以這麼做：

pytrend.interest_over_time().get('Obama')

5. 因為我們希望以後call這個api拿到資料後，可以再將它們繪成圖表，因此我們需要將剛剛的數據(python list)化成json物件方便後續處理：

preload = json.loads(pytrend.interest_over_time().to_json(orient='table'))['data']
print(json.dumps(preload, ensure_ascii=False))

為什麼要先json.loads再json.dumps？
*　→ 因為一開始生成json時使用的方法如果不用table，日期和排列都會不合適。*

最後你會得到一串搜尋數據（如下圖）