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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134