Carto-python 使用与技术文档
2024-12-26 03:52:53作者:侯霆垣
1. 安装指南
carto-python 可以通过克隆此仓库或使用 Pip 进行安装:
pip install carto
如果您想使用开发版本,可以直接从 github 安装:
pip install -e git+git://github.com/CartoDB/carto-python.git#egg=carto
使用开发版本时,您可能还需要安装 Carto 的依赖项:
pip install -r requirements.txt
2. 项目的使用说明
在开始使用 carto-python 之前,需要定义 API 调用的认证方式。目前支持两种认证方式:未认证和基于 API 密钥的认证。因此,首先需要创建一个认证客户端,用于实例化处理 API 请求的 Python 类。
- 未认证请求
创建一个 NoAuthClient 对象:
from carto.auth import NoAuthClient
USERNAME = "type here your username"
USR_BASE_URL = "https://{user}.carto.com/".format(user=USERNAME)
auth_client = NoAuthClient(base_url=USR_BASE_URL)
- 基于 API 密钥的认证
创建一个 APIKeyAuthClient 实例:
from carto.auth import APIKeyAuthClient
USERNAME = "type here your username"
USR_BASE_URL = "https://{user}.carto.com/".format(user=USERNAME)
auth_client = APIKeyAuthClient(api_key="myapikey", base_url=USR_BASE_URL)
API 密钥 对于所有 API 请求都是必需的,除了向公共数据集发送 SQL 查询。
base_url 参数必须包含 user 和/或 organization。
3. 项目API使用文档
以下是 carto-python 中几个关键 API 的使用示例:
SQL API
使用 SQL API 进行请求非常直接:
from carto.sql import SQLClient
sql = SQLClient(auth_client)
try:
data = sql.send('select * from mytable')
except CartoException as e:
print("some error occurred", e)
print(data['rows'])
请参考源代码文档以了解构造函数和 send 方法接受的其余参数。特别是,send 方法允许您控制结果的格式。
Import API
您可以将本地或远程数据集导入 CARTO:
from carto.datasets import DatasetManager
# 在此处写入本地文件或远程 URL 的路径
LOCAL_FILE_OR_URL = ""
dataset_manager = DatasetManager(auth_client)
dataset = dataset_manager.create(LOCAL_FILE_OR_URL)
Import API 是异步的,但 DatasetManager 会等待最多 150 秒以便数据集上传完成,一旦完成,数据集就会在 CARTO 中创建。
Maps API
Maps API 允许创建和实例化命名和匿名地图:
from carto.maps import NamedMapManager, NamedMap
import json
# 在此处写入包含 JSON 命名地图模板的本地文件的路径
JSON_TEMPLATE = ""
named_map_manager = NamedMapManager(auth_client)
named_map = NamedMap(named_map_manager.client)
4. 项目安装方式
除了使用 Pip 安装外,还可以通过以下方式安装 carto-python:
# 克隆仓库
git clone https://github.com/CartoDB/carto-python.git
# 进入目录
cd carto-python
# 安装依赖
pip install -r requirements.txt
# 安装 carto-python
pip install .
请确保在安装前已经安装了 Pip 和 Git。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C080
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0133
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
464
3.46 K
Ascend Extension for PyTorch
Python
273
310
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
196
80
暂无简介
Dart
715
172
React Native鸿蒙化仓库
JavaScript
285
331
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
844
424
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
106
120
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.26 K
692