Mixpanel Data API Client 技术文档
2024-12-23 19:48:44作者:宣海椒Queenly
1. 安装指南
1.1 使用 Gem 安装
你可以通过以下命令安装 mixpanel_client gem:
gem install mixpanel_client
1.2 使用 Gemfile 安装
如果你使用 Gemfile,可以在文件中添加以下内容:
gem 'mixpanel_client'
然后运行 bundle install 来安装 gem。
2. 项目的使用说明
2.1 初始化客户端
首先,你需要在 Ruby 脚本中引入 rubygems 和 mixpanel_client,然后初始化 Mixpanel::Client 实例:
require 'rubygems'
require 'mixpanel_client'
client = Mixpanel::Client.new(
api_secret: 'changeme',
timeout: 240, # 默认是 60 秒,增加以减少超时错误
# 可选的 URI 覆盖(例如 https://developer.mixpanel.com/reference/overview)
base_uri: 'api-eu.mixpanel.com',
data_uri: 'example-data.com',
import_uri: 'example-import.com'
)
2.2 请求数据
你可以通过 client.request 方法来请求数据。以下是一个示例,请求特定事件的属性数据:
data = client.request(
'events/properties',
event: 'Product Clicked',
name: 'product-clicked',
values: '["value1", "value2"]',
type: 'unique',
unit: 'day',
limit: 5,
from_date: '2013-12-1', # 日期范围
to_date: '2014-3-1' # 日期范围
)
2.3 使用时间间隔
你也可以使用时间间隔而不是明确的日期范围:
data = client.request(
'events/properties',
event: 'Product Clicked',
name: 'product-clicked',
values: '["value1", "value2"]',
type: 'unique',
unit: 'day',
limit: 5,
interval: 7 # 时间间隔
)
2.4 导入数据
使用导入 API 来指定过去的时间。你需要在数据中包含 API 令牌,并将其编码为 JSON 和 Base64:
data_to_import = {
'event' => 'firstLogin',
'properties' => {
'distinct_id' => guid,
'time' => time_as_integer_seconds_since_epoch,
'token' => api_token
}
}
encoded_data = Base64.encode64(data_to_import.to_json)
data = client.request('import', {:data => encoded_data, :api_key => api_key})
注意:每次只能导入一个事件。
3. 项目API使用文档
3.1 请求方法
client.request 方法用于向 Mixpanel API 发送请求。你可以通过传递不同的参数来获取不同类型的数据。
3.2 参数说明
event: 事件名称。name: 属性名称。values: 属性值数组。type: 数据类型(如unique)。unit: 时间单位(如day)。limit: 返回结果的数量限制。from_date: 开始日期。to_date: 结束日期。interval: 时间间隔(以天为单位)。
3.3 导入数据
导入数据时,需要将数据编码为 JSON 和 Base64,并使用 client.request 方法发送请求。
4. 项目安装方式
4.1 通过 Gem 安装
gem install mixpanel_client
4.2 通过 Gemfile 安装
在 Gemfile 中添加:
gem 'mixpanel_client'
然后运行 bundle install。
4.3 开发环境
如果你是开发者,可以使用以下命令来运行测试和检查代码质量:
rake -T
rake spec
rake spec:externals
rubocop
以上是 Mixpanel Data API Client 项目的技术文档,希望对你有所帮助。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781