Interroger The Graph avec Python et Subgrounds

Reading time: 2 min

Subgrounds est une librairie Python utilisée pour les requêtes Subgraph. Cette librairie a été conçue par Playgrounds. Subgrounds permet de connecter directement les données d'un Subgraph à un environnement de données Python, permettant l'utilisation de librairies comme pandas afin de faire de l'analyse de données!

Subgrounds propose une API Python simplifiée afin de construire des requêtes GraphQL. Subgrounds automatise les workflows fastidieux comme la pagination, et donne aux utilisateurs avancés plus de pouvoir grâce à des transformations de schéma contrôlées.

Subgrounds nécessite Python 3.10 ou une version ultérieure. Subgrounds est disponible depuis pypi.

pip install --upgrade subgrounds
# or
python -m pip install --upgrade subgrounds

Une fois installé, vous pouvez tester Subgrounds avec la requête suivante. La requête ci-dessous récupère un Subgraph pour le protocole Aave v2 et interroge les 5 principaux marchés par TVL (Total Value Locked - Valeur Totale Verouillée), sélectionne leur nom et leur TVL (en USD) et renvoie les données sous forme de DataFrame Panda DataFrame.

from subgrounds import Subgrounds

sg = Subgrounds()

# Load the subgraph
aave_v2 = sg.load_subgraph(
    "https://api.thegraph.com/subgraphs/name/messari/aave-v2-ethereum")

# Construct the query
latest_markets = aave_v2.Query.markets(
    orderBy=aave_v2.Market.totalValueLockedUSD,
    orderDirection='desc',
    first=5,
)
# Return query to a dataframe
sg.query_df([
    latest_markets.name,
    latest_markets.totalValueLockedUSD,
])

Subgrounds est développé et maintenu par l'équipe de Playgrounds et est accessible depuis la documentation de Playgrounds.

Étant donné que Subgrounds propose un large éventail de fonctionnalités, voici quelques points de départ utiles :

• Commencer avec Querying
  • Une première étape excellente pour apprendre à construire des requêtes avec Subgrounds.
• Champs synthétiques
  • Une brève introduction aux champs synthétiques qui transforment vos données à partir du schema.
• Requêtes concurrentes
  • Améliorez vos requêtes en les parallélisant.
• Export de données en CSVs
  • Un bref article sur comment sauvegarder vos données sous forme de fichiers CSV en vue d'une analyse ultérieure.