
在许多数据处理场景中,我们需要从多个独立的列表中获取数据,并将这些数据作为参数传递给API进行批量查询。例如,计算一系列起点和终点之间的驾驶距离,其中起点和终点的经纬度分别存储在不同的列表中。
假设我们有四个列表:location_latitudes、location_longitudes、station_latitudes 和 station_longitudes。我们的目标是为每一对(起点经纬度,终点经纬度)调用API,并获取驾驶距离。
首先,定义一个基础的API调用函数。这里以Open Source Routing Machine (OSRM) API为例,它提供免费的路径规划服务。
import requests
import json
import pandas as pd
from contextlib import contextmanager
from time import sleep
import http
# 定义全局变量用于API调用计数,以便后续限流使用
api_calls_counter = 0
def get_driving_distance(lat1, lon1, lat2, lon2):
"""
通过OSRM API获取两点之间的驾驶距离。
参数:
lat1 (float): 起点纬度
lon1 (float): 起点经度
lat2 (float): 终点纬度
lon2 (float): 终点经度
返回:
float: 驾驶距离 (英里)
"""
# OSRM API的经纬度顺序是 经度,纬度
api_url = f"http://router.project-osrm.org/route/v1/car/{lon1},{lat1};{lon2},{lat2}?overview=false"
try:
response = requests.get(api_url)
# 检查HTTP响应状态码,如果不是2xx,则抛出HTTPError
response.raise_for_status()
routes = json.loads(response.content)
# 确保API返回了有效的路线数据
if routes and "routes" in routes and len(routes["routes"]) > 0:
route_info = routes["routes"][0]
driving_distance_meters = route_info.get('distance')
if driving_distance_meters is not None:
# 将米转换为英里 (1英里 = 1609.34米)
return driving_distance_meters / 1609.34
else:
print(f"警告: API响应中未找到距离信息 for {lat1},{lon1};{lat2},{lon2}")
return None
else:
print(f"警告: API响应中未找到有效路线 for {lat1},{lon1};{lat2},{lon2}. 响应: {routes}")
return None
except requests.exceptions.HTTPError as e:
print(f"HTTP错误: {e.response.status_code} - {e.response.text} for {lat1},{lon1};{lat2},{lon2}")
return None
except requests.exceptions.ConnectionError as e:
print(f"连接错误: 无法连接到API服务 for {lat1},{lon1};{lat2},{lon2}. 错误: {e}")
return None
except requests.exceptions.Timeout as e:
print(f"请求超时: API请求超时 for {lat1},{lon1};{lat2},{lon2}. 错误: {e}")
return None
except json.JSONDecodeError as e:
print(f"JSON解析错误: 无法解析API响应 for {lat1},{lon1};{lat2},{lon2}. 错误: {e}")
return None
except Exception as e:
print(f"发生未知错误: {e} for {lat1},{lon1};{lat2},{lon2}")
return None
在进行大量API调用时,为了避免触发API服务端的限流机制或被封禁IP,我们通常需要控制请求的频率。Python的contextlib.contextmanager提供了一种优雅的方式来实现这一点。
立即学习“Python免费学习笔记(深入)”;
以下是一个简单的速率限制上下文管理器,它会在达到指定调用次数后暂停一段时间:
@contextmanager
def rate_limited(limit=500, delay=5):
"""
一个上下文管理器,用于限制API调用速率。
在达到指定调用次数后,暂停一段时间。
参数:
limit (int): 在暂停前允许的最大API调用次数。
delay (int): 暂停的秒数。
"""
global api_calls_counter
# 检查是否即将达到限制,如果是,则暂停并重置计数器
if api_calls_counter + 1 >= limit:
print(f"达到API调用上限 {limit} 次,暂停 {delay} 秒...")
sleep(delay)
api_calls_counter = 0 # 重置计数器,或者可以 api_calls_counter -= limit
# 增加API调用计数
api_calls_counter += 1
yield # 执行被包装的代码块
现在,我们将这个速率限制集成到 get_driving_distance 函数中:
# 更新后的 get_driving_distance 函数,包含速率限制
def get_driving_distance_with_rate_limit(lat1, lon1, lat2, lon2):
"""
通过OSRM API获取两点之间的驾驶距离,并集成速率限制。
"""
with rate_limited(): # 使用速率限制上下文管理器
api_url = f"http://router.project-osrm.org/route/v1/car/{lon1},{lat1};{lon2},{lat2}?overview=false"
try:
response = requests.get(api_url)
response.raise_for_status() # 检查HTTP状态码
routes = json.loads(response.content)
if routes and "routes" in routes and len(routes["routes"]) > 0:
route_info = routes["routes"][0]
driving_distance_meters = route_info.get('distance')
if driving_distance_meters is not None:
return driving_distance_meters / 1609.34
else:
print(f"警告: API响应中未找到距离信息 for {lat1},{lon1};{lat2},{lon2}")
return None
else:
print(f"警告: API响应中未找到有效路线 for {lat1},{lon1};{lat2},{lon2}. 响应: {routes}")
return None
except requests.exceptions.HTTPError as e:
print(f"HTTP错误: {e.response.status_code} - {e.response.text} for {lat1},{lon1};{lat2},{lon2}")
return None
except requests.exceptions.RequestException as e: # 捕获所有requests相关的异常
print(f"请求错误: {e} for {lat1},{lon1};{lat2},{lon2}")
return None
except json.JSONDecodeError as e:
print(f"JSON解析错误: 无法解析API响应 for {lat1},{lon1};{lat2},{lon2}. 错误: {e}")
return None
except Exception as e:
print(f"发生未知错误: {e} for {lat1},{lon1};{lat2},{lon2}")
return None
为了将原始输入数据和计算出的距离整合在一起,Pandas DataFrame是理想的选择。我们可以将四个输入列表和计算出的距离作为列,构建一个清晰的表格。
# 示例数据
location_latitudes = [51.5074, 51.5100, 51.5200]
location_longitudes = [-0.1278, -0.1300, -0.1400]
station_latitudes = [51.5000, 51.5050, 51.5150]
station_longitudes = [-0.1000, -0.1100, -0.1200]
# 确保所有列表长度一致
if not (len(location_latitudes) == len(location_longitudes) ==
len(station_latitudes) == len(station_longitudes)):
raise ValueError("所有输入列表的长度必须一致。")
# 存储计算结果
driving_distances = []
# 遍历所有数据对并调用API
for i in range(len(location_latitudes)):
lat1 = location_latitudes[i]
lon1 = location_longitudes[i]
lat2 = station_latitudes[i]
lon2 = station_longitudes[i]
distance = get_driving_distance_with_rate_limit(lat1, lon1, lat2, lon2)
driving_distances.append(distance)
# 创建DataFrame
data = {
'Location_Latitude': location_latitudes,
'Location_Longitude': location_longitudes,
'Station_Latitude': station_latitudes,
'Station_Longitude': station_longitudes,
'Driving_Distance_Miles': driving_distances
}
df = pd.DataFrame(data)
print("\n最终结果DataFrame:")
print(df)在与外部API交互时,网络问题、API服务不稳定或返回异常数据是常见情况。因此,实现健壮的错误处理至关重要。
在 get_driving_distance_with_rate_limit 函数中,我们已经集成了以下错误处理机制:
在每个 except 块中,我们打印出详细的错误信息,并返回 None,以便在DataFrame中标记出未能成功获取距离的记录,便于后续分析和处理。
通过上述步骤,我们构建了一个完整的Python解决方案,用于批量调用API、处理多列表数据、实施速率限制并确保代码的健壮性。
通过遵循这些最佳实践,您可以构建出高效、稳定且易于维护的批量API调用应用程序。
以上就是Python批量API请求处理:数据整合、限流与错误管理的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号