https://zhuanlan.zhihu.com/p/570140268
全部代码
import numpy as np
import requests,json
import matplotlib.pyplot as plt
import pyecharts.options as opts
from pyecharts.charts import Pie
class Notion_Data:
def __init__(self):
print("欢迎来到Notion数据可视化分析！")
# 获取用户数据库ID及Token密钥
# 数据处理
def Notion_Data_deal(self, Database_ID: str, Token_KEY: str):
base_url = "https://api.notion.com/v1/databases/"
"""
接口匹配
"""
headers = {
"Authorization": "Bearer " + Token_KEY,
"accept": "application/json",
}
query = {"filter": {"property": "出版社", "checkbox":{"equals":True}}}
# 获取Notion页面下的详细信息 https://developers.notion.com/reference/post-database-query
response = requests.post(base_url + Database_ID + "/query", headers=headers, data=query)
jst = json.loads(response.text)
return jst
def Json_Data_deal(self, Database_ID: str, Token_KEY: str, Type: str): # 类型仅限为：书籍、影片
dict = self.Notion_Data_deal(Database_ID, Token_KEY)
"""获取到数据列"""
data_len = len(dict['results'])
# 统计类型数量，进行后续图形比例
# 书籍以出版社为划分，影片以类别划分
if Type == "影片":
"""获取到数据列"""
dic = {}
dtc = {}
for i in range(data_len):
name = dict['results'][i]['properties']['片名']['title'][0]['plain_text']
select = dict['results'][i]['properties']['类别']['multi_select']
classify = []
for j in range(len(select)):
classify.append(dict['results'][i]['properties']['类别']['multi_select'][j]['name'])
dic[name] = classify # 类别
ls = list(dic.items()) # 获取数据数量
for i in range(len(ls)):
for j in range(len(ls[i][1])):
if ls[i][1][j] in "奇幻":
ls[i][1][j] = "科幻"
if ls[i][1][j] in "惊悚" or ls[i][1][j] in "悬疑":
ls[i][1][j] = "恐怖"
if ls[i][1][j] in "故事" or ls[i][1][j] in "扫黑" or ls[i][1][j] in "生活":
ls[i][1][j] = "剧情"
if ls[i][1][j] in "运动":
ls[i][1][j] = "冒险"
dtc[ls[i][1][j]] = dtc.get(ls[i][1][j], 0) + 1
lt = list(dtc.items())
print("有效数据:" + str(len(dic)))
return lt
if Type == "书籍":
dic = {}
for i in range(data_len):
try:
name = (dict['results'][i]['properties']['出版社']['select']['name'])
dic[name] = dic.get(name, 0) + 1
except Exception:
pass
continue
ls = list(dic.items())
return ls
def Notion_Visualization(self, Database_ID: str, Token_KEY: str, Type: str): # 交互式可视化图表
data = self.Json_Data_deal(Database_ID, Token_KEY, Type)
lenght = len(data)
sum = 0
count_num, name = [], []
for i in range(lenght):
sum += int(data[i][1])
name.append(data[i][0])
for j in range(lenght):
a = round(int(data[j][1]) / sum * 100, 2) # 保留为两位小数
count_num.append(a)
np.set_printoptions(precision=2)
data_pair_temp = [list(data) for data in zip(name, count_num)]
p = (
Pie() # 实例化
.add(
series_name=Type, # 系列名称
data_pair=data_pair_temp, # 馈入数据
radius="65%", # 饼图半径比例
center=["50%", "50%"], # 饼图中心坐标
label_opts=opts.LabelOpts(is_show=False, position="center"), # 标签位置
)
.set_global_opts(legend_opts=opts.LegendOpts(is_show=True)) # 不显示图示
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) # 标签颜色
.render(Type + ".html") # 渲染文件及其名称
# .render_notebook()
)
print("文件已保存在当前程序目录!")
"""
# 静态可视化图表
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 显示中文标签,处理中文乱码问题
plt.rcParams['axes.unicode_minus'] = False # 坐标轴负号的处理
plt.pie(x=count_num, labels=name, autopct='%.2f%%')
plt.legend(loc='center')
plt.savefig("./Image/Vedio.png")
plt.show()
# print(name, count_num)
"""
if __name__ == '__main__':
text = Notion_Data()
Database_ID = str(input("请输入数据库ID:\n"))
Token_KEY = str(input("请输入Token密钥:\n"))
Type = str(input("请输入类型(仅限书籍、影片):\n"))
text.Notion_Visualization(Database_ID, Token_KEY, Type)
# print(text.Json_Data_deal(Database_ID, Token_KEY, Type))
导言
本代码是为创建Notion数据库（Database）可视化图标，若使用Notion页面为页面（page），该教材不符合你所使用。 通俗来讲，Notion数据库是表格。但是Notion在创建之初就会将其定义为是数据库 or 页面，那么如何判断我的Notion是数据库还是包？
实现效果
0
1️⃣准备阶段
Notion API
将你的工作界面加入连接。
1、创建API
创建后会出现： Secrets
点击右方的Show，获取这一串密钥，在Python代码中需要
- 详情
2、API连接数据库
点击右上角三点后，再点击，Add connections，加入你所创建的API
3、获取数据库ID
https://www.notion.so/myworkspace/a8aec43384f447ed84390e8e42c2e089?v=...
|--- 这一段就是你的数据库 ID---|
Python第三方库
- Matplotlib==3.5.3
- numpy==1.21.4
- requests==2.28.1
- 安装方法
- 第一种
- 安装好后会出现一串绿色英文，证明安装成功，只需返回等待即可。
- 第二种
- 进入Ctrl + r快捷键，输入cmd进入
2️⃣ 方法实现
一、Python连接Notion
导入库
import numpy as np
import requests,json
import matplotlib.pyplot as plt
import pyecharts.options as opts
from pyecharts.charts import Pie
class Notion_Data: # 后面的所有代码都在这个类中写
def __init__(self):
print("欢迎来到Notion数据可视化分析！")
# 获取用户数据库ID及Token密钥
# 数据处理
def Notion_Data_deal(self, Database_ID: str, Token_KEY: str):
base_url = "https://api.notion.com/v1/databases/"
"""
接口匹配
"""
headers = {
"Authorization": "Bearer " + Token_KEY,
"accept": "application/json",
"Notion-Version": "2022-06-28" # Notion版本号
}
# property键的值为：数据库属性
query = {"filter": {"property": "出版社", "checkbox":{"equals":True}}}
# 获取Notion页面下的详细信息 https://developers.notion.com/reference/post-database-query
response = requests.post(base_url + Database_ID + "/query", headers=headers, data=query)
jst = json.loads(response.text)
return jst
""" 以下代码为测试用例，可任意修改 """
if __name__ == '__main__':
text = Notion_Data()
Database_ID = str(input("请输入数据库ID:\n"))
Token_KEY = str(input("请输入Token密钥:\n"))
print(text.Notion_Data_deal(Database_ID, Token_KEY))
此时获取到的内容为JSON格式，以下：
- 输出效果
- 每个人的数据不一样，只要没有显示错误代码即可。
- 错误代码
- 降低 Matplotlib库的版本为：3.5.3
二、数据处理
def Json_Data_deal(self, Database_ID: str, Token_KEY: str, Type: str): # Type为获取你要处理的数据库为数据还是影片
dict = self.Notion_Data_deal(Database_ID, Token_KEY) # 调用前一个函数
"""获取到数据列"""
data_len = len(dict['results']) # 统计类型数量，进行后续图形比例
# 书籍以出版社为划分，影片以类别划分。
if Type == "影片":
"""获取到数据列"""
dic = {} # 字典存放数据
for i in range(data_len): # 循环将数据调用出来
select = dict['results'][i]['properties']['类别']['multi_select']
for j in range(len(select)):
try: # 捕捉异常数据并跳过
if select[j]['name'] == None: # 如何该行影片类型为空，则跳过
continue
else:
if select[j]['name'] == "奇幻":
select[j]['name'] = "科幻"
if select[j]['name'] == "惊悚" or select[j]['name'] == "悬疑":
select[j]['name'] = "恐怖"
if select[j]['name'] == "故事" or select[j]['name'] == "扫黑" or select[j]['name'] == "生活":
select[j]['name'] = "剧情"
if select[j]['name'] == "运动":
select[j]['name'] = "冒险"
dic[select[j]['name']] = dic.get(select[j]['name'], 0) + 1
except Exception:
pass # 不处理异常
continue # 跳过
print("有效数据:" + str(len(dic)))
return dic
if Type == "书籍":
dic = {}
for i in range(data_len):
try: # 捕捉异常数据并跳过
name = (dict['results'][i]['properties']['出版社']['select']['name'])
dic[name] = dic.get(name, 0) + 1 # 统计每本数据出版社类型数量，为可视化数据使用
except Exception:
pass # 不处理异常
continue # 跳过
ls = list(dic.items())
return ls
""" 以下代码为测试用例，可任意修改 """
if __name__ == '__main__':
text = Notion_Data()
Database_ID = str(input("请输入数据库ID:\n"))
Token_KEY = str(input("请输入Token密钥:\n"))
Type = str(input("请输入数据库类型(书籍/影片):\n"))
# print(text.Notion_Data_deal(Database_ID, Token_KEY))
print(text.Json_Data_deal(Database_ID, Token_KEY, Type))
- 输出效果
- 每个人的数据不一样，只要没有显示错误代码即可。
三、数据可视化
def Notion_Visualization(self, Database_ID: str, Token_KEY: str, Type: str): # 交互式可视化图表
data = self.Json_Data_deal(Database_ID, Token_KEY, Type)
lenght = len(data)
sum = 0
count_num, name = [], []
for i in range(lenght):
sum += int(data[i][1])
name.append(data[i][0])
for j in range(lenght):
a = round(int(data[j][1]) / sum * 100, 2) # 保留为两位小数
count_num.append(a)
np.set_printoptions(precision=2)
data_pair_temp = [list(data) for data in zip(name, count_num)]
p = (
Pie() # 实例化
.add(
series_name=Type, # 系列名称
data_pair=data_pair_temp, # 馈入数据
radius="65%", # 饼图半径比例
center=["50%", "50%"], # 饼图中心坐标
label_opts=opts.LabelOpts(is_show=False, position="center"), # 标签位置
)
.set_global_opts(legend_opts=opts.LegendOpts(is_show=True)) # 不显示图示
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) # 标签颜色
.render(Type + ".html") # 渲染文件及其名称
# .render_notebook()
)
print("文件已保存在当前程序目录!")
""" 以下代码为测试用例，可任意修改 """
if __name__ == '__main__':
text = Notion_Data()
Database_ID = str(input("请输入数据库ID:\n"))
Token_KEY = str(input("请输入Token密钥:\n"))
Type = str(input("请输入类型(仅限书籍、影片):\n"))
text.Notion_Visualization(Database_ID, Token_KEY, Type) # 可视化图标
# print(text.Json_Data_deal(Database_ID, Token_KEY, Type)) # JSON数据处理
- 输出效果
- 编辑将HTML打开即可看到
0