2

Quiero importar artículos de la mayor cantidad de fuentes del mundo entero a partir de una fecha determinada.

import requests
url = ('https://newsapi.org/v2/top-headlines?'
       'country=us&'
       'apiKey=de9e19b7547e44c4983ad761c104278f')
response = requests.get(url)

response_dataframe = pd.DataFrame(response.json())

articles = {article for article in response_dataframe['articles'] if article['publishedAt'] == '2019-01-04T11:30:00Z'}
print(articles)

Pero obtengo :

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-84-0f21f2f50907> in <module>
      2 response_dataframe['articles'][1]['publishedAt']
      3 
----> 4 articles = {article for article in response_dataframe['articles'] if article['publishedAt'] >= '2018-01-04T11:30:00Z'}
      5 print(articles)

<ipython-input-84-0f21f2f50907> in <setcomp>(.0)
      2 response_dataframe['articles'][1]['publishedAt']
      3 
----> 4 articles = {article for article in response_dataframe['articles'] if article['publishedAt'] >= '2018-01-04T11:30:00Z'}
      5 print(articles)

TypeError: unhashable type: 'dict'
0

1 respuesta 1

1

La causa del error

La expresión:

articles = { article for article in ... }

genera un conjunto (set()) debido a las llaves entre las cuales está encerrado. Los elementos de un conjunto no pueden ser cualquier dato, sino solo los que sean hasheables (que son aquellos de los que sea posible calcular un hash y siempre salga el mismo, lo que implica también que el objeto sea inmutable).

En tu caso, cada article es un diccionario. Ya que los diccionarios pueden cambiar de valor, no son hasheables y por tanto no pueden ser elementos de un conjunto.

Posibles soluciones

  1. No uses un conjunto, sino una lista. Supongo que la API que utilizas no te está retornando artículos duplicados, por lo que no veo sentido a usar un conjunto para recopilarlos. Por tanto te basta cambiar esa línea para que sea:

    articles = [ article for article in ... ]
    
  2. Procesa cada article para que en lugar de ser un diccionario sea otro tipo inmutable y hasheable, como por ejemplo una cadena (puedes convertir cada diccionario a JSON, por ejemplo) o una namedtuple...

Un enfoque mejor

Si en lugar de crear un dataframe con el resultado de la consulta, utilizas sólo el campo ["articles"] de ese resultado, el dataframe tendrá como columnas los diferentes atributos del artículo, lo que hace más sencillo usar Pandas para su filtrado. Es decir:

import requests
import  pandas as pd

url = ('https://newsapi.org/v2/top-headlines?'
       'country=us&'
       'apiKey=de9e19b7547e44c4983ad761c104278f')
response = requests.get(url)

df = pd.DataFrame(response.json()["articles"])
df.publishedAt = pd.to_datetime(df.publishedAt)

Este df tiene el siguiente aspecto:

Dataframe

De este modo resulta más sencillo quedarse, por ejemplo, con los artículos publicados a las 16h:

df[df.publishedAt.dt.hour==16]

o cualquier otra cosa que se te ocurra y que la potencia de pandas te permita.

1
  • ¿por qué el voto negativo? ¿Hay algún error de forma o fondo en la respuesta?
    – abulafia
    Commented el 5 ene. 2019 a las 19:01

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.