Carto-python 使用与技术文档
2024-12-26 14:01:13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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0238- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
electerm开源终端/ssh/telnet/serialport/RDP/VNC/Spice/sftp/ftp客户端(linux, mac, win)JavaScript00
热门内容推荐
最新内容推荐
金融预测AI模型:如何用Kronos突破传统股票预测瓶颈Markdown阅读效率工具:3倍提升技术文档处理体验的开源解决方案ModelContextProtocol Java SDK 0.8.0架构升级全攻略:从会话到交换模式的迁移指南3款颠覆投资管理的开源工具:Portfolio Performance全方位解析Cursor Pro功能解锁:突破AI编程助手限制的完整技术方案5步构建Rust事件驱动架构:基于awesome-rust的高效消息通信系统5个革命性策略:蓝图优化助力星际工厂产能提升突破200行代码壁垒:极简神经网络的原理与实践DSGE模型研究框架与实践指南:开源协作驱动的宏观经济模拟方法论解锁抖音视频批量下载新姿势:告别手动保存烦恼的开源神器
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
632
4.16 K
Ascend Extension for PyTorch
Python
470
566
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++
932
834
🎉 (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
1.51 K
861
昇腾LLM分布式训练框架
Python
138
162
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
131
192
暂无简介
Dart
879
210
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
383
266
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
188