Nano Hash - криптовалюты, майнинг, программирование

Найдите клиента из shopify с определенным диапазоном дат, используя API Shopify Python

Как импортировать клиентов из shopify с определенным диапазоном дат, то есть импортировать клиентов с фильтром даты?

Пожалуйста, обратитесь к приведенному ниже коду для импорта клиентов без фильтра:

shop_url = "https://%s:%s@%s.myshopify.com/admin/" % (self.api_key_shopify, 
                                                    self.password_shopify, self.name)

shopify.ShopifyResource.set_site(shop_url)
customer_list = shopify.Customer.find()

Ответы:


1

Как видно из документации, параметры, которые необходимо передать с запросом для получения клиентов, созданных в определенном диапазоне, являются created_at_min и created_at_max. Если вы не хотите вводить метки времени вручную, нам понадобится datetime из модуля datetime.

from datetime import datetime
time_format = "%Y-%m-%dT%H:%M:%S+00:00"
min_date = datetime(year=2016, month=5, day=1).strftime(time_format)
max_date = datetime(year=2016, month=6, day=1).strftime(time_format)

Строка форматирования, которую мы используем с методом strftime, даст нам наше время в формате, требуемом документацией Shopify, с жестко закодированным часовым поясом UTC. Если вы хотите использовать другой часовой пояс, вы можете либо жестко закодировать в другое смещение времени или используйте модуль pytz.

Теперь о фактическом вызове API. При использовании методов find ресурсов Shopify вы передаете пары имя/значение свойства в качестве аргументов ключевого слова, например:

customer_list = shopify.Customer.find(
    created_at_min = date1,
    created_at_max = date2
)

И вуаля, это должно вернуть вам список Customer ресурсов или пустой список, если совпадений нет.

13.08.2016
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..