说实话，不喜欢用博客园的编辑器，是在是太low了。
虽然博客园的文章一旦写出来，还是好看，至少在技术博客方面是这样。
但我还是决定来简书写技术博客，虽然简书上可能阅读量会比较小，但我不是来博阅读量的，我只是写博客，仅此而已。

这一次，我们来讲讲谷歌分析。

谷歌分析（Google Analytics）

谷歌分析全名是Google Analytics，俗称GA。GA是一个网站数据统计分析平台，功能非常强大，只要在网站的页面上加入一段代码，就可以提供丰富详尽的图表式报告。
利用GA，我们可以方便的对网站运营状态，用户数据等进行查看，下面就是一个GA视图的主页。

image.png

使用python快速获取GA数据报告

python是做数据的优秀语言，有许多优秀的数据分析库供选择，如果你还不会python，那赶紧去学一学吧！
python基础学习推荐
所以此处，我便默认你已经有了python的基础。开始吧！

准备工作

准备工作包括：获取秘钥和邮件地址、安装谷歌分析第三方包。

1. 秘钥
   秘钥分为两种：json类型与p12文件类型
   这两种类型对于一般的数据获取工作区别不大，而且一般是由管理员（也就是开发人员）提供，它可以在下面这个链接里面操作生成：秘钥获取
   获取到秘钥以后，我们在创建GA的链接服务时需要用到，如下所示，你只需要其中一个即可。
   

   
   邮件地址则是类似于这样的：admin-××××-com@××××-1141.iam.gserviceaccount.com
   使用此电子邮件地址将用户添加到要通过 API 访问的 Google Analytics数据视图。一般来说只需要用到读取和分析权限。

2. 安装谷歌分析库
   使用pip安装：
   pip install google-api-python-client
   注意这个包在安装时候的名字：google-api-python-client，这个api包含了许多东西，也有不少依赖包，并且在引用该包的时候，名字又不一样。

开始写Python代码

1. 创建GA连接服务

我先用json格式的秘钥来创建一个服务，下面是代码：

import os
from oauth2client.service_account import ServiceAccountCredentials
from googleapiclient.discovery import build
import httplib2

class Conn_GA:
    """
    google analytic 服务
    """

    def __init__(self):
        # 以下是各个视图id
        self.fot_viewID = 122164865
        # path
        self.KEY_FILE_LOCATION_JSON = os.path.abspath("static\\Fotor-6cc1808ee2dc.json")
        self.SCOPE = ['https://www.googleapis.com/auth/analytics.readonly']
        # 服务
        self.service = None

    def get_service_v3_json(self, api_name='analytics', api_version='v3'):
        """Get a service that communicates to a Google API.
        Args:
          api_name: string The name of the api to connect to.
          api_version: string The api version to connect to.
          scope: A list of strings representing the auth scopes to authorize for theconnection.
          client_secrets_path: string A path to a valid client secrets file.
        Returns:
          A service that is connected to the specified API.
        """
        credentials = ServiceAccountCredentials.from_json_keyfile_name(self.KEY_FILE_LOCATION_JSON, self.SCOPE)
        http = credentials.authorize(httplib2.Http(disable_ssl_certificate_validation=True))
        service = build(api_name, api_version, http=http)
        return service

解释一下，GA的api现在更新到了v4版本，但v3版本的服务依然可用，这中间的差别一两句话说不清，但是首先要会用了再说。
我们导入包的时候，出现了两个：oauth2client 和 googleapiclient，果然跟我们安装的时候不一样吧！
我们首先新建一个GA类：Conn_GA
在初始化函数中，给出了一个视图id，然后是资源路径，最后就是一个None类型的服务对象。

• 什么是视图id呢，请看下图

  
  
  视图id

明白了吧！这就是确定了我们要获取哪个地方的数据！不过，在创建服务的时候，我们当然没用到，因为还没开始获取数据呢！

• 资源路径，阐明了我们的json秘钥所在位置，以及SCOPE的路径。
  这个SCOPE是什么我没怎么关注，我看别人这么写了，我也这么写，但看字面意思就是代表只读吧！
  再来说一下秘钥，我放在当前目录下一个static的文件夹内，最后还使用了函数os.path.abspath获取到他的绝对路径。
  为什么要这么做呢？从我的实践经验来看，是为了在跨平台（比如Windows跨到Linux）运行的时候，不需要再修改路径，因为不同平台，它的路径格式是不一样的，如果遇到使用flask框架或者Django框架，则更是体现了这样获取绝对路径的价值，避免了很多因为路径产生的错误！

• 只因GA服务的初始化会花很长一段时间，所以刚刚开始的时候令其为None，只有在用到的时候才为其赋值。

下面我们来讲讲具体的实现过程：

• 因为我们的秘钥是json格式，所以我们使用ServiceAccountCredentials.from_json_keyfile_name函数创建了一个credentials对象，参数便是json秘钥和scope
• 接着，我们调取credentials对象的授权函数authorize，获得一个http连接对象。其中的disable_ssl_certificate_validation参数加入，是因为在实践过程中，出现了ssl请求错误的情况，经过查阅资料，便将它设置为True解决的，意思大概是不通过ssl验证，或者说绕过ssl验证。
• 最后，我们通过build函数，传入我们需要创建的服务类型（analytics）、版本（v3）、http连接等参数，获取到了一个GA的服务对象。
  当然，我们的服务类型还有诸如webmasters等，版本也有v4可以选择，后面我会一并给出各种不同版本的不同类型服务对象。

如果在这里有任何问题，请留言，我定尽心解答！

2. 使用GA连接服务获取数据

现在有了GA的服务对象，我们便可以调用相关的函数，获取我们想要的数据了。
首先，我们需要将上述的服务对象保存在一个单独的config.py文件中，然后新建一个.py文件，在里面导入服务：
from config import Conn_GA
然后，我们就可以使用它了，下面先贴出代码，再解释：

class GAData:
    """国外网站: 除了订阅以外的数据，只统计H5"""

    def __init__(self):
        # 服务
        self.service_v3 = None
        # view id
        self.H5_VIEW_ID_NATURAL = '137949420'
        self.H5_VIEW_ID_PAYMENT = '148343733'
        self.H5_VIEW_ID_COUNT = '148243936'
        # 起止时间
        self.startDays = 2
        self.endDays = 1

    def connect(self):
        # 如果ga服务已启动，就不必重新获取，减少获取数据的时间
        if self.service_v3 is None:
            try:
                self.service_v3 = Conn_GA().get_service_v3_json()
            except Exception, e:
                # 最好打印一下异常信息，方便调试
                print repr(e)
                self.service_v3 = Conn_GA().get_service_v3_json()

    def set_days(self, start=1, end=1):
        # 设置获取数据的起止天数，ga上可以以N days ago 来定义，很方便
        self.startDays = start
        self.endDays = end

    def get_ga_data(self, view_id='141683925', start_date='91daysAgo', end_date='yesterday',
                    metrics="ga:sessions",
                    dimensions='ga:date',
                    filters=None,
                    max_results=None, **kwargs):
        # 不管何时获取ga数据，保证ga service已启动
        self.connect()
        start_date = '{}daysAgo'.format(self.startDays)
        end_date = '{}daysAgo'.format(self.endDays)
        # print start_date, end_date
        # 如果参数不存在，可以设置为None，一样能运行
        ga_data = self.service_v3.data().ga().get(ids='ga:' + view_id, start_date=start_date, end_date=end_date,
                                                  metrics=metrics, dimensions=dimensions,
                                                  filters=filters, max_results=max_results, **kwargs).execute()
        cleaned = pd.DataFrame(ga_data['rows'])
        return cleaned

    def get_user_data(self):
        """
        DAU: 根据session，获取网站每一天的数据，会话数
        """
        df_all = None
        try:
            """所有从ga上获取的数据，都是基于set_days(self, start=61, end=1)里面的起止时间，在更新之前，一般会手动设定，默认情况下，就是最近2个月"""
            # 用户和页面访问信息
            df_usage_page = self.get_ga_data(view_id=self.H5_VIEW_ID_NATURAL,
                                             metrics='ga:sessions,ga:avgSessionDuration,ga:users,ga:newUsers,ga:pageviews,ga:uniquePageviews,ga:timeOnPage,ga:avgTimeOnPage')
            df_usage_page.columns = ['date', 'sessions', 'avgSessionDuration', 'users', 'newUsers', 'pageviews',
                                     'uniquePageviews', 'timeOnpage', 'avgTimeOnpage']
            df_all = df_usage_page
           
            # 图片保存数量
            df_pic_save = self.get_ga_data(view_id=self.H5_VIEW_ID_COUNT,
                                           metrics="ga:pageviews",
                                           filters="ga:pagePath=~export_success")
            df_all['picSave'] = df_pic_save.iloc[:, 1]
            df_all['picSave'] = df_all['picSave'].map(lambda x: int(x) * 4)  # 抽样四分之一
            
            # 订阅时，从哪个模块进入的，弹窗展示出处
            edit = self.get_ga_data(view_id=self.H5_VIEW_ID_PAYMENT,
                                    metrics='ga:pageviews',
                                    filters='ga:pagePath=~/show/;ga:pagePath=~editor')
            df_all['editPay'] = edit.iloc[:, 1]
            collage = self.get_ga_data(view_id=self.H5_VIEW_ID_PAYMENT,
                                       metrics='ga:pageviews',
                                       filters='ga:pagePath=~/show/;ga:pagePath=~collage')
            df_all['collagePay'] = collage.iloc[:, 1]
            design = self.get_ga_data(view_id=self.H5_VIEW_ID_PAYMENT,
                                      metrics='ga:pageviews',
                                      filters='ga:pagePath=~/show/;ga:pagePath=~design')
            df_all['designPay'] = design.iloc[:, 1]
        except Exception, e:
            print repr(e)
        df_all['date'] = df_all['date'].map(lambda a: a[:4] + "-" + a[4:6] + '-' + a[6:])
        #  打印
        print df_all
        

我可以先大概讲一下我这样写代码的思维：

• 首先新建一个类，里面初始化一些view_id，还有起止时间，以及空服务。服务对象只有在使用的时候才创建，避免不必要的内存消耗。
• 单独给出一个连接服务的函数，只有服务为空的时候才创建，而且使用的try，不成功则再次连接。
• 然后便是给出一个通用的获取数据函数，里面可以传入：时间，view_id，度量和维度，以及过滤条件等！！
  其实，get_ga_data这个函数就是我们的关键，它通过调用服务对象的.data().ga().get()函数获得数据。
  源生的ga数据是json格式，里面有一个rows键，其内容就是我们要的真正数据，将其转化为dataframe返回。
• 最后就是对这个函数的应用了。我们可以获取网站的会话数、用户数、网页浏览量等。

这里面的知识点还是不少：

1. 首先你需要知道，我们的服务对象有哪些函数可以调用，请戳：Google Analytics API v3
2. 对于最常用的函数service.data().ga().get()，你需要知道它有哪些参数可以设置，请戳：Core Reporting API
3. 对于最常用到的参数metrics和dimentions，它们都可以取哪些值？分别代表什么意思？请戳：Dimensions & Metrics Explorer
   注意，这个是v4版本的，但你完全不用担心，它们是兼容的。
4. 最后，对于过滤器filter，它可以使用正则表达式，如果你不熟悉，请戳：正则表达式

说句实话，GA包含的东西真不少，我也是摸索了很久才勉强学会，如果你遇到问题了，千万不要心浮气躁，要学会找方法，多问人，当然，你在评论区留言我也很欢迎，我一定会尽心为你解答的！
最后，祝大家早日掌握，共勉！