AKShare 另类数据

奥运奖牌

接口: sport_olympic_hist

目标地址: https://www.kaggle.com/marcogdepinto/let-s-discover-more-about-the-olympic-games

描述: 奥运会-奖牌数据

限量: 单次返回 1896-2016 年度的奥运奖牌数据

输入参数

名称 类型 描述
- - -

输出参数-品牌

名称 类型 描述
id int64 每个运动员的唯一ID
name object 运动员名字
sex object 性别
age float64 年龄
height float64 身高
weight float64 体重
team object 所代表的国家队
noc object 国家奥委会3个字母的代码
games object 年份与季节
year int64 比赛年份
season object 比赛季节
city object 举办城市
sport object 运动类别
event object 比赛项目
medal object 奖牌

接口示例

import akshare as ak

sport_olympic_hist_df = ak.sport_olympic_hist()
print(sport_olympic_hist_df)

数据示例

            id                      name sex   age  height  ...  season  \
0            1                 A Dijiang   M  24.0   180.0  ...  Summer
1            2                  A Lamusi   M  23.0   170.0  ...  Summer
2            3       Gunnar Nielsen Aaby   M  24.0     NaN  ...  Summer
3            4      Edgar Lindenau Aabye   M  34.0     NaN  ...  Summer
4            5  Christine Jacoba Aaftink   F  21.0   185.0  ...  Winter
        ...                       ...  ..   ...     ...  ...     ...
271111  135569                Andrzej ya   M  29.0   179.0  ...  Winter
271112  135570                  Piotr ya   M  27.0   176.0  ...  Winter
271113  135570                  Piotr ya   M  27.0   176.0  ...  Winter
271114  135571        Tomasz Ireneusz ya   M  30.0   185.0  ...  Winter
271115  135571        Tomasz Ireneusz ya   M  34.0   185.0  ...  Winter
                  city          sport  \
0            Barcelona     Basketball
1               London           Judo
2            Antwerpen       Football
3                Paris     Tug-Of-War
4              Calgary  Speed Skating
                ...            ...
271111       Innsbruck           Luge
271112           Sochi    Ski Jumping
271113           Sochi    Ski Jumping
271114          Nagano      Bobsleigh
271115  Salt Lake City      Bobsleigh
                                           event  medal
0                    Basketball Men's Basketball    NaN
1                   Judo Men's Extra-Lightweight    NaN
2                        Football Men's Football    NaN
3                    Tug-Of-War Men's Tug-Of-War   Gold
4               Speed Skating Women's 500 metres    NaN
                                          ...    ...
271111                Luge Mixed (Men)'s Doubles    NaN
271112  Ski Jumping Men's Large Hill, Individual    NaN
271113        Ski Jumping Men's Large Hill, Team    NaN
271114                      Bobsleigh Men's Four    NaN
271115                      Bobsleigh Men's Four    NaN

汽车销量排行

乘联会-统计数据-总体市场

接口: car_market_total_cpca

目标地址: http://data.cpcadata.com/TotalMarket

描述: 乘联会-统计数据-总体市场

限量: 单次返回指定 symbol 和 indicator 的数据

输入参数

名称 类型 描述
symbol str symbol="狭义乘用车"; choice of {"狭义乘用车", "广义乘用车"}
indicator str indicator="产量"; choice of {"产量", "批发", "零售", "出口"}

输出参数

名称 类型 描述
月份 object -
{前一个年份}年 float64 注意单位: 万辆
{当前年份}年 float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_total_cpca_df = ak.car_market_total_cpca(symbol="狭义乘用车", indicator="产量")
print(car_market_total_cpca_df)

数据示例

     月份   2023     2024
0    1  134.6266  202.0941
1    2  166.4180  123.4852
2    3  208.7694       NaN
3    4  172.8825       NaN
4    5  198.9448       NaN
5    6  219.4569       NaN
6    7  208.9492       NaN
7    8  223.7048       NaN
8    9  243.6938       NaN
9   10  244.8691       NaN
10  11  264.3703       NaN
11  12  267.8423       NaN

乘联会-统计数据-厂商排名

接口: car_market_man_rank_cpca

目标地址: http://data.cpcadata.com/ManRank

描述: 乘联会-统计数据-厂商排名

限量: 单次返回指定 symbol 和 indicator 的数据

输入参数

名称 类型 描述
symbol str symbol="狭义乘用车-单月"; choice of {"狭义乘用车-单月", "狭义乘用车-累计", "广义乘用车-单月", "广义乘用车-累计"}
indicator str indicator="批发"; choice of {"批发", "零售"}

输出参数

名称 类型 描述
月份 object -
{前一个年份}年 float64 注意单位: 万辆
{当前年份}年 float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_man_rank_cpca_df = ak.car_market_man_rank_cpca(symbol="狭义乘用车-单月", indicator="批发")
print(car_market_man_rank_cpca_df)

数据示例

       厂商  2023年2月  2024年2月
0    奇瑞汽车   9.6553  13.7819
1   比亚迪汽车  19.1664  12.1748
2    吉利汽车  10.8701  11.1398
3    一汽大众  10.5007   8.4073
4    长安汽车  11.6407   8.3550
5    上汽大众   7.3303   6.3003
6    长城汽车   5.1053   6.0550
7   特斯拉中国   7.4402   6.0365
8  上汽通用五菱   3.7029   4.9366
9    华晨宝马   5.2871   4.1604

乘联会-统计数据-车型大类

接口: car_market_cate_cpca

目标地址: http://data.cpcadata.com/CategoryMarket

描述: 乘联会-统计数据-车型大类

限量: 单次返回指定 symbol 和 indicator 的数据

输入参数

名称 类型 描述
symbol str symbol="轿车"; choice of {"轿车", "MPV", "SUV", "占比"}
indicator str indicator="批发"; choice of {"批发", "零售"}

输出参数

名称 类型 描述
月份 object -
{前一个年份}年 float64 注意单位: 万辆
{当前年份}年 float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_cate_cpca_df = ak.car_market_cate_cpca(symbol="轿车", indicator="批发")
print(car_market_cate_cpca_df)

数据示例

     月份   2023    2024
0    1   63.2478  87.1795
1    2   72.2022  54.5316
2    3   90.4165      NaN
3    4   79.3741      NaN
4    5   89.9973      NaN
5    6   98.1894      NaN
6    7   91.2119      NaN
7    8   97.8467      NaN
8    9  106.0477      NaN
9   10  105.2851      NaN
10  11  110.8935      NaN
11  12  122.1150      NaN

乘联会-统计数据-国别细分市场

接口: car_market_country_cpca

目标地址: http://data.cpcadata.com/CountryMarket

描述: 乘联会-统计数据-国别细分市场

限量: 单次返回指定 symbol 和 indicator 的数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
月份 object -
自主 float64 注意单位: 万辆
德系 float64 注意单位: 万辆
日系 float64 注意单位: 万辆
法系 float64 注意单位: 万辆
美系 float64 注意单位: 万辆
韩系 float64 注意单位: 万辆
其他欧系 float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_country_cpca_df = ak.car_market_country_cpca()
print(car_market_country_cpca_df)

数据示例

     月份         自主      德系  ...        美系       韩系     其他欧系
0    2023-3  52.937614  18.783411  ...  8.944649  1.841395  0.656085
1    2023-4  56.117973  17.591091  ...  9.997354  1.454204  0.767231
2    2023-5  54.849330  17.672825  ...  9.739207  1.441945  0.856578
3    2023-6  53.630800  18.637491  ...  9.731017  1.782815  0.873428
4    2023-7  58.120550  17.234150  ...  8.402960  1.375989  0.825758
5    2023-8  57.429867  17.205738  ...  8.894298  1.640349  0.783967
6    2023-9  56.517770  17.429178  ...  8.500368  1.590704  0.753809
7   2023-10  59.985280  15.645699  ...  7.352488  1.470236  0.694709
8   2023-11  59.638090  16.112440  ...  7.439157  1.567490  0.624859
9   2023-12  57.890274  17.040712  ...  8.136273  1.738795  0.650838
10   2024-1  60.437893  17.406410  ...  6.315318  1.404617  0.804964
11   2024-2  60.124140  17.637665  ...  6.854863  1.837663  0.695454
[12 rows x 8 columns]

乘联会-统计数据-级别细分市场

接口: car_market_segment_cpca

目标地址: http://data.cpcadata.com/SegmentMarket

描述: 乘联会-统计数据-级别细分市场

限量: 单次返回指定 symbol 的数据

输入参数

名称 类型 描述
symbol str symbol="轿车"; choice of {"轿车", "MPV", "SUV"}

输出参数

名称 类型 描述
月份 object -
A00 float64 注意单位: 万辆
A0 float64 注意单位: 万辆
A float64 注意单位: 万辆
B float64 注意单位: 万辆
C float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_segment_cpca_df = ak.car_market_segment_cpca(symbol="轿车")
print(car_market_segment_cpca_df)

数据示例

          月份        A00         A0          A          B          C
0    2023-3   5.456084   8.219518  42.917168  34.389297   9.017934
1    2023-4   5.164784  10.342795  44.179653  30.211243  10.101533
2    2023-5   4.764809   9.978744  46.005154  28.248846  11.002440
3    2023-6   4.684416   9.713371  44.913500  30.345741  10.342969
4    2023-7   4.699168  10.649708  45.020990  28.368778  11.261360
5    2023-8   4.059616  11.460070  45.084000  29.152237  10.244087
6    2023-9   7.940861   7.592339  43.092026  30.093441  11.281339
7   2023-10   9.530694   8.313237  42.630062  28.593506  10.932507
8   2023-11  11.200026   8.195070  40.859290  29.682444  10.063169
9   2023-12  12.457766   8.930598  37.996150  30.184662  10.430823
10   2024-1   9.581266   5.019070  41.158417  35.134407   9.106843
11   2024-2   7.976292   7.585693  36.759968  36.646090  11.031953

乘联会-统计数据-新能源细分市场

接口: car_market_fuel_cpca

目标地址: http://data.cpcadata.com/FuelMarket

描述: 乘联会-统计数据-车型大类

限量: 单次返回指定 symbol 的数据

输入参数

名称 类型 描述
symbol str symbol="整体市场"; choice of {"整体市场", "销量占比-PHEV-BEV", "销量占比-ICE-NEV"}

输出参数

名称 类型 描述
月份 object -
{前一个年份}年 float64 注意单位: 万辆
{当前年份}年 float64 注意单位: 万辆

接口示例

import akshare as ak

car_market_fuel_cpca_df = ak.car_market_fuel_cpca()
print(car_market_fuel_cpca_df)

数据示例

     月份    2023    2024
0    1  33.1542  66.7653
1    2  43.9068  38.8294
2    3  54.6472      NaN
3    4  52.4730      NaN
4    5  57.9938      NaN
5    6  66.5066      NaN
6    7  64.1005      NaN
7    8  71.6335      NaN
8    9  74.6305      NaN
9   10  77.1797      NaN
10  11  84.0500      NaN
11  12  94.7347      NaN

盖世研究院

接口: car_sale_rank_gasgoo

目标地址: https://i.gasgoo.com/data/ranking

描述: 盖世汽车资讯的汽车销量排行榜数据

限量: 单次返回指定 symbol 和 date 的汽车销量排行榜数据

输入参数

名称 类型 描述
symbol str symbol="车型榜"; choice of {"车企榜", "品牌榜", "车型榜"}
date str date="202104"; 指定到月份即可

输出参数-品牌

名称 类型 描述
品牌 object -
{当前年份}-{当前月份} int64 -
{当前月份}月同比 object 注意单位: %
{当前月份}月环比 object 注意单位: %
{年份}-1到{当前年份} int64 -
{前一年年份}-1到{当前年份} float64 -
{前二年年份}-1到{当前年份} float64 -

接口示例-品牌

import akshare as ak

car_sale_rank_gasgoo_df = ak.car_sale_rank_gasgoo(symbol="品牌榜", date="202311")
print(car_sale_rank_gasgoo_df)

数据示例-品牌

        品牌  2023-11     11月同比    11月环比  2023-1到11  2022-1到11  2021-1到11
0      比亚迪   288501    27.38%  -88.71%    2555783  1624029.0   632103.0
1       大众   221777    21.99%   -88.8%    1980099  2121093.0  1919352.0
2       丰田   147329    -1.78%  -90.55%    1559377  1702881.0  1469092.0
3       奇瑞   139740   108.22%  -87.68%    1134561   816824.0   574646.0
4       本田   134117    61.18%  -87.74%    1093812  1270576.0  1376184.0
5       吉利   120547    21.71%  -87.63%     974251   926424.0   951106.0
6       长安    95311    -0.09%  -91.29%    1094738   992620.0   933211.0
7      特斯拉    82432   -17.81%  -90.34%     853603   655069.0   402256.0
8       MG    78270    34.39%  -87.73%     638034   456532.0   385893.0
9       哈弗    75012    39.11%  -88.45%     649610   572224.0   675621.0
10      日产    73018     68.3%  -87.87%     602037   761575.0   912243.0
11      宝马    69383    18.55%  -89.26%     645834   604931.0   602558.0
12      奥迪    65884    58.94%  -88.75%     585474   545416.0   456250.0
13      别克    55035     4.39%  -89.79%     539012   630581.0   737814.0
14  五菱(银标)    49087    70.89%  -85.34%     334780   166310.0    95086.0
15      理想    41030   172.91%   -87.4%     325677   112013.0    76404.0
16      捷途    41027   139.69%  -84.98%     273109   158025.0   133941.0
17      埃安    39785    27.79%  -91.16%     450061   256482.0   106684.0
18      奔驰    37822   -26.89%  -93.34%     567773   577944.0   541329.0
19      传祺    37216    43.97%  -89.98%     371396   326970.0   297541.0
20      红旗    36458    44.45%  -88.67%     321851   270656.0   261465.0
21      五菱    33674   -60.14%  -78.26%     154915   623255.0   603066.0
22      领克    29657    70.39%  -84.39%     189935   149007.0   194518.0
23      宝骏    25374    98.59%  -86.85%     192905   165377.0   199681.0
24      荣威    24352    97.98%   -87.2%     190307   271754.0   318099.0
25      现代    21661     0.51%  -89.87%     213916   225368.0   320232.0
26      欧尚    21438    31.61%  -90.66%     229442   194186.0   183196.0
27      问界    20977   153.44%  -71.22%      72886    67901.0        0.0
28      小鹏    20935   260.27%  -83.12%     124054   109465.0    82155.0
29      几何    20057    92.62%  -87.63%     162196   106314.0    22652.0
30      零跑    18508      130%     -84%     115704   102675.0    37099.0
31      起亚    18245    89.13%  -87.69%     148164   120301.0   137916.0
32     雪佛兰    16965   -35.93%  -91.65%     203194   256671.0   225789.0
33      蔚来    15959    12.56%  -88.76%     142026   106670.0    80940.0
34      福特    15941    -7.17%  -92.57%     214618   202684.0   222890.0
35      星途    15296   173.34%  -86.26%     111352    48518.0    32039.0
36    凯迪拉克    15000   -36.97%  -90.26%     154053   188654.0   207341.0
37    东风风神    14761   -35.05%  -88.31%     126292   197831.0   111713.0
38      坦克    14386    31.75%  -88.64%     126643   112859.0    72630.0
39      银河    13770  1377000%  -80.72%      71409        NaN        NaN
40      深蓝    13242   101.09%  -88.02%     110527    21704.0        0.0
41      极氪    13104    19.01%  -87.54%     105209    60604.0     2211.0
42      江淮    12517  1278.52%  -82.04%      69697    15863.0    32147.0
43      哪吒    12506   -17.02%  -89.78%     122361   144278.0    59547.0
44      奔腾    12473    55.78%  -87.93%     103380    62845.0    57952.0
45      腾势    11843   243.18%  -89.78%     115911     3976.0     4268.0
46     沃尔沃    11524    19.19%  -91.35%     133154   130017.0   127395.0
47      北京    11017    28.27%  -88.54%      96124    63546.0    57260.0
48      捷达    10031    -6.25%  -92.88%     140886   140599.0   158024.0
49      欧拉    10025    47.95%  -89.82%      98492    97069.0   114102.0

输出参数-车型

名称 类型 描述
车型 object -
{当前年份}-{当前月份} int64 -
{当前月份}月同比 object 注意单位: %
{当前月份}月环比 object 注意单位: %
{年份}-1到{当前年份} int64 -
{前一年年份}-1到{当前年份} float64 -
{前二年年份}-1到{当前年份} float64 -

接口示例-车型

import akshare as ak

car_sale_rank_gasgoo_df = ak.car_sale_rank_gasgoo(symbol="车型榜", date="202311")
print(car_sale_rank_gasgoo_df)

数据示例-车型

                  车型  2023-11     11月同比  ... 2023-1到11  2022-1到11  2021-1到11
0            Model Y    58433   -15.43%  ...    584687   419341.0   159573.0
1                 海鸥    44603  4460300%  ...    229692        NaN        NaN
2              元PLUS    40798    38.76%  ...    371187   172590.0        0.0
3                 轩逸    37790    54.93%  ...    321318   394270.0   453422.0
4                 海豚    35246    35.23%  ...    330905   179343.0    19582.0
5                 速腾    33142    90.75%  ...    259438   180872.0   212128.0
6               五菱缤果    31844  3184400%  ...    184756        NaN        NaN
7                 朗逸    30494     5.64%  ...    309728   342740.0   355451.0
8           宋PLUS DM    30298   -46.98%  ...    296624   349338.0    64388.0
9               哈弗H6    30050    42.09%  ...    241702   261106.0   327651.0
10          秦PLUS DM    28952   129.27%  ...    297911   182769.0    96370.0
11            本田CR-V    26197   108.46%  ...    175263   198756.0   180645.0
12               瑞虎7    25924   126.39%  ...    217862   146335.0    78371.0
13               星越L    25198   117.47%  ...    171504   120192.0    31402.0
14         宏光MINI EV    24027   -64.96%  ...     68273   481058.0   370742.0
15           Model 3    23999   -23.06%  ...    268916   235728.0   242683.0
16               瑞虎8    22835    98.32%  ...    199775   170637.0   142371.0
17             MG ZS    22763     2.89%  ...    171950   120701.0   115075.0
18            Aion Y    22640    95.85%  ...    205537   105376.0    28088.0
19                帝豪    22441    33.44%  ...    161565   146803.0   158902.0
20  长安CS75/CS75 PLUS    21331     6.18%  ...    240522   210197.0   266699.0
21           宋Pro DM    20317  2031700%  ...    180180        0.0        0.0
22               帕萨特    19756    10.36%  ...    178451   158503.0   100236.0
23               凯美瑞    18868     -5.3%  ...    178870   205322.0   157253.0
24              MG 5    18393    25.53%  ...    129196   154682.0   120284.0
25                缤越    17954     1.21%  ...    179121   168534.0   126381.0
26                迈腾    17860    76.73%  ...    170408   139776.0   116435.0
27              问界M7    17542   397.08%  ...     42919    17269.0        0.0
28             奥迪A6L    17289   174.52%  ...    147624   102698.0   132483.0
29              艾瑞泽8    17198   164.46%  ...     96986    16915.0        0.0
30               锋兰达    17067     39.5%  ...    145091    88045.0        0.0
31            丰田RAV4    16828    76.78%  ...    144088   132580.0   148556.0
32              宝马5系    16692   100.22%  ...    125570   144766.0   138789.0
33                星瑞    16632    30.21%  ...    110288   100359.0   120481.0
34              理想L7    16599  1659900%  ...    113661        NaN        NaN
35          奔驰C级 48V    16000    13.45%  ...    145691   122143.0    70559.0
36             捷途X70    15936    41.92%  ...    138254   121603.0   107899.0
37                雅阁    15915    -4.48%  ...    121787   166329.0   150189.0
38                思域    15859    56.23%  ...    142072   137032.0   142701.0
39            MG4 EV    15824   141.96%  ...    135732    27769.0        0.0
40               途观L    15799     59.2%  ...    117049   139337.0   117218.0
41              瑞虎5X    15789     80.1%  ...    147678   103524.0    88171.0
42               威兰达    15425    52.48%  ...    121522   111790.0    84454.0
43              ID.3    15307   332.16%  ...     66762    23055.0     4090.0
44            熊猫mini    15188  1518800%  ...     97104        NaN        NaN
45           长安Lumin    14943    12.91%  ...    130944    57799.0        0.0
46             奥迪A4L    14250    43.95%  ...    124693   123037.0   111849.0
47              宝马3系    13879    28.27%  ...    136511   130519.0   158939.0
48                逍客    13784    79.76%  ...     92625   139157.0   141591.0
49          奥迪Q5/Q5L    13777    34.65%  ...    137290   127375.0    16057.0
[50 rows x 7 columns]

输出参数-车企

名称 类型 描述
厂商 object -
{当前年份}-{当前月份} int64 -
{当前月份}月同比 object 注意单位: %
{当前月份}月环比 object 注意单位: %
{年份}-1到{当前年份} int64 -
{前一年年份}-1到{当前年份} float64 -
{前二年年份}-1到{当前年份} float64 -

接口示例-车企

import akshare as ak

car_sale_rank_gasgoo_df = ak.car_sale_rank_gasgoo(symbol="车企榜", date="202311")
print(car_sale_rank_gasgoo_df)

数据示例-车企

         厂商  2023-11     11月同比    11月环比  2023-1到11  2022-1到11  2021-1到11
0     比亚迪汽车   301378    31.07%  -88.72%    2672728  1628005.0   636371.0
1      吉利汽车   198086     42.2%  -86.93%    1515954  1258013.0  1183520.0
2      奇瑞汽车   185361    106.4%   -87.6%    1494624  1023335.0   744148.0
3      一汽大众   178679    43.95%  -89.17%    1649213  1647343.0  1479988.0
4      长安汽车   137767    16.48%  -90.68%    1478251  1208510.0  1116407.0
5      上汽大众   120013     7.32%  -88.81%    1072354  1199332.0  1105439.0
6     上汽乘用车   113367    53.62%  -87.07%     876474   756808.0   719710.0
7    上汽通用五菱   108135   -14.17%  -84.16%     682600   954942.0   897833.0
8      长城汽车   106480    44.42%  -88.57%     931419   817153.0   910651.0
9      上汽通用    87000   -15.53%  -90.29%     896259  1075906.0  1170944.0
10     广汽丰田    86000     0.94%  -89.91%     852600   930808.0   729477.0
11    特斯拉汽车    82432   -17.81%  -90.34%     853603   655069.0   402256.0
12     东风日产    78038    58.18%  -88.16%     658924   851754.0   971111.0
13     东风本田    72876    93.51%  -86.53%     540836   603695.0   686996.0
14     华晨宝马    69383    18.55%  -89.26%     645834   604931.0   602558.0
15     广汽本田    61778    34.68%  -88.86%     554516   678771.0   699191.0
16     一汽丰田    61648    -6.36%  -91.32%     710409   774196.0   743246.0
17  广汽埃安新能源    41738    34.05%  -90.79%     453113   256580.0   106933.0
18     理想汽车    41030   172.91%   -87.4%     325677   112013.0    76404.0
19    广汽乘用车    37565    45.56%  -89.89%     371596   324566.0   292050.0
20     北京奔驰    35400   -28.63%  -93.41%     537270   547001.0   508425.0
21     一汽红旗    32428    28.48%  -89.32%     303546   270656.0   261465.0
22     北京现代    21661     0.51%  -89.87%     213916   225368.0   320232.0
23      赛力斯    21170   155.74%  -72.23%      76243    67952.0     7080.0
24     小鹏汽车    20935   260.27%  -83.12%     124054   109465.0    82155.0
25    东风乘用车    20668    17.93%  -85.21%     139755   187717.0   110939.0
26   江苏悦达起亚    18941    96.34%  -87.57%     152429   120301.0   137916.0
27     零跑汽车    18508      130%     -84%     115704   102675.0    37099.0
28     长安福特    16576   -12.07%  -91.76%     201208   225077.0   268196.0
29     江淮蔚来    14046     25.3%  -86.41%     103345   102451.0    80940.0
30     江淮汽车    13126     8.21%  -92.87%     184220   150072.0   143871.0
31     合众汽车    12506   -17.02%  -89.78%     122361   144278.0    59547.0
32     一汽奔腾    10995    37.32%  -88.51%      95676    62845.0    57952.0
33     开瑞汽车    10851  6436.75%  -57.34%      25438     1517.0     2233.0
34    吉利沃尔沃    10573    28.31%   -91.2%     120200   114353.0   114362.0
35    长安马自达     9360    69.44%  -86.66%      70190    86847.0   123827.0
36     东风柳汽     9199    14.94%  -88.31%      78675   110896.0   113336.0
37     凯翼汽车     7137   126.21%   -86.9%      54464    24828.0    14020.0
38     神龙汽车     6127   -36.89%  -91.91%      75711   114721.0    86519.0
39    北汽新能源     5741    10.77%  -88.37%      49343    28716.0    17186.0
40     一汽轿车     5508   550800%  -78.82%      26009        0.0        0.0
41     上汽大通     4521    13.56%  -90.92%      49791    42714.0    48073.0
42   奇瑞捷豹路虎     4384   -10.18%   -90.6%      46650    47502.0    51128.0
43    智马达汽车     4302   430200%  -93.02%      61609        NaN        NaN
44     开沃汽车     3936   119.77%  -83.97%      24547    14399.0     2866.0
45     东风小康     3878   -35.22%   -90.6%      41256    83981.0   102497.0
46    北汽麦格纳     3849   384900%  -82.51%      22012     9829.0     4933.0
47     北汽越野     3522    32.31%  -87.87%      29043    21515.0    23858.0
48     江铃汽车     3513    47.85%  -95.03%      70651    44282.0    30558.0
49     睿蓝汽车     2861   -32.82%  -90.86%      31290    26141.0        0.0

新闻联播文字稿

接口: news_cctv

目标地址: https://tv.cctv.com/lm/xwlb

描述: 新闻联播文字稿, 数据区间从 20160330-至今

限量: 单次返回指定日期新闻联播文字稿数据

输入参数

名称 类型 描述
date str date="20240424"; 20160330-至今

输出参数

名称 类型 描述
date object 新闻日期
title object 新闻标题
content object 新闻内容

接口示例

import akshare as ak

news_cctv_df = ak.news_cctv(date="20240424")
print(news_cctv_df)

数据示例

      date  ...                                            content
0   20240424  ...  中共中央总书记、国家主席、中央军委主席习近平近日在重庆考察时强调,重庆要对标新时代新征程党的...
1   20240424  ...                   本台今天(4月24日)播发央视快评《奋力谱写西部大开发新篇章》。
2   20240424  ...  4月24日,国家主席习近平向首届“中国-拉美和加勒比国家航天合作论坛”致贺信。习近平指出,今...
3   20240424  ...  中共中央政治局常委、国务院总理李强4月24日在贵州调研。他强调,要深入贯彻习近平总书记关于巩...
4   20240424  ...  十四届全国人大常委会第二十四次委员长会议24日下午在北京人民大会堂举行。赵乐际委员长主持。会...
5   20240424  ...  应墨西哥参议长里维拉邀请,全国人大常委会委员长赵乐际于墨西哥当地时间23日在墨参议院成立20...
6   20240424  ...  全国政协主席王沪宁24日在京会见哈萨克斯坦议会下院议长科沙诺夫。王沪宁表示,在习近平主席和托...
7   20240424  ...  国家副主席韩正24日在京会见哈萨克斯坦议会下院议长科沙诺夫。韩正表示,去年,习近平主席同托卡...
8   20240424  ...  今天(4月24日),神舟十八号载人飞行任务新闻发布会在酒泉卫星发射中心举行,计划于4月25日...
9   20240424  ...  日前,中央纪委国家监委对八起违规吃喝典型问题进行公开通报。江西省人大常委会原党组副书记、副主...
10  20240424  ...  国务院新闻办公室今天(4月24日)举行发布会,国家知识产权局介绍,已经会同中国贸促会设立国家...
11  20240424  ...  全国多地举行中国航天日活动今天(4月24日)是第九个中国航天日,以“极目楚天,共襄星汉”为主...
[12 rows x 3 columns]

日出和日落

日出和日落-天

接口: sunrise_daily

目标地址: https://www.timeanddate.com/sun/china/

描述: 中国各大城市-日出和日落时间, 数据区间从 19990101-至今, 推荐使用代理访问

限量: 单次返回指定日期和指定城市的数据

输入参数

名称 类型 描述
date str date="20240428"
city str city="beijing"; 注意输入的城市的拼音

输出参数

名称 类型 描述
date object 日期
Sunrise object 日出
Sunset object 日落
Length object Daylength-Length
Difference object Daylength-Difference
Start object Astronomical Twilight-Start
End object Astronomical Twilight-End
Start.1 object Nautical Twilight-Start
End.1 object Nautical Twilight-End
Start.2 object Civil Twilight-Start
End.2 object Civil Twilight-End
Time object Solar Noon-Time
Mil. km object Solar Noon-Mil. km

接口示例

import akshare as ak

sunrise_daily_df = ak.sunrise_daily(date="20240428", city="beijing")
print(sunrise_daily_df)

数据示例

         date Apr          Sunrise  ...    End.2              Time Mil. mi
0  2024-04-28  28  5:18 am ↑ (71°)  ...  7:35 pm  12:11 pm (64.4°)  93.588
[1 rows x 14 columns]

日出和日落-月

接口: sunrise_monthly

目标地址: https://www.timeanddate.com/sun/china/

描述: 中国各大城市-日出和日落时间, 数据区间从 19990101-至今, 推荐使用代理访问

限量: 单次返回指定日期所在月份每天的数据, 如果是未来日期则为预测值

输入参数

名称 类型 描述
date str date="20240428"
city str city="beijing"; 注意输入的城市的拼音

输出参数

名称 类型 描述
date object 日期-索引; XXXX-XX 格式
feb object 月份简称-随月份变化
Sunrise object 日出
Sunset object 日落
Length object Daylength-Length
Difference object Daylength-Difference
Start object Astronomical Twilight-Start
End object Astronomical Twilight-End
Start.1 object Nautical Twilight-Start
End.1 object Nautical Twilight-End
Start.2 object Civil Twilight-Start
End.2 object Civil Twilight-End
Time object Solar Noon-Time
Mil. km object Solar Noon-Mil. km

接口示例

import akshare as ak

sunrise_monthly_df = ak.sunrise_monthly(date="20240428", city="beijing")
print(sunrise_monthly_df)

数据示例

    date Apr          Sunrise  ...    End.2              Time Mil. mi
0   202404   1  5:58 am ↑ (83°)  ...  7:06 pm  12:18 pm (54.8°)  92.891
1   202404   2  5:56 am ↑ (83°)  ...  7:07 pm  12:17 pm (55.2°)  92.918
2   202404   3  5:55 am ↑ (82°)  ...  7:08 pm  12:17 pm (55.6°)  92.945
3   202404   4  5:53 am ↑ (82°)  ...  7:09 pm  12:17 pm (56.0°)  92.972
4   202404   5  5:52 am ↑ (81°)  ...  7:10 pm  12:17 pm (56.3°)  93.000
5   202404   6  5:50 am ↑ (81°)  ...  7:11 pm  12:16 pm (56.7°)  93.027
6   202404   7  5:48 am ↑ (80°)  ...  7:12 pm  12:16 pm (57.1°)  93.054
7   202404   8  5:47 am ↑ (80°)  ...  7:13 pm  12:16 pm (57.5°)  93.080
8   202404   9  5:45 am ↑ (79°)  ...  7:14 pm  12:15 pm (57.8°)  93.107
9   202404  10  5:44 am ↑ (79°)  ...  7:15 pm  12:15 pm (58.2°)  93.133
10  202404  11  5:42 am ↑ (78°)  ...  7:16 pm  12:15 pm (58.6°)  93.159
11  202404  12  5:41 am ↑ (78°)  ...  7:17 pm  12:15 pm (58.9°)  93.185
12  202404  13  5:39 am ↑ (77°)  ...  7:18 pm  12:14 pm (59.3°)  93.211
13  202404  14  5:38 am ↑ (77°)  ...  7:19 pm  12:14 pm (59.7°)  93.237
14  202404  15  5:36 am ↑ (76°)  ...  7:20 pm  12:14 pm (60.0°)  93.262
15  202404  16  5:35 am ↑ (76°)  ...  7:22 pm  12:14 pm (60.4°)  93.288
16  202404  17  5:33 am ↑ (75°)  ...  7:23 pm  12:13 pm (60.7°)  93.313
17  202404  18  5:32 am ↑ (75°)  ...  7:24 pm  12:13 pm (61.1°)  93.338
18  202404  19  5:30 am ↑ (75°)  ...  7:25 pm  12:13 pm (61.4°)  93.364
19  202404  20  5:29 am ↑ (74°)  ...  7:26 pm  12:13 pm (61.8°)  93.389
20  202404  21  5:27 am ↑ (74°)  ...  7:27 pm  12:13 pm (62.1°)  93.414
21  202404  22  5:26 am ↑ (73°)  ...  7:28 pm  12:12 pm (62.4°)  93.439
22  202404  23  5:25 am ↑ (73°)  ...  7:29 pm  12:12 pm (62.8°)  93.464
23  202404  24  5:23 am ↑ (72°)  ...  7:30 pm  12:12 pm (63.1°)  93.489
24  202404  25  5:22 am ↑ (72°)  ...  7:31 pm  12:12 pm (63.4°)  93.514
25  202404  26  5:21 am ↑ (71°)  ...  7:32 pm  12:12 pm (63.8°)  93.539
26  202404  27  5:19 am ↑ (71°)  ...  7:33 pm  12:12 pm (64.1°)  93.563
27  202404  28  5:18 am ↑ (71°)  ...  7:35 pm  12:11 pm (64.4°)  93.588
28  202404  29  5:17 am ↑ (70°)  ...  7:36 pm  12:11 pm (64.7°)  93.613
29  202404  30  5:15 am ↑ (70°)  ...  7:37 pm  12:11 pm (65.0°)  93.637
[30 rows x 14 columns]

空气质量-河北

近期空气质量

接口: air_quality_hebei

目标地址: https://110.249.223.67/publish/

描述: 河北省指定 symbol 的最近 6 天空气质量数据

注释:

注释-等级划分

  1. 空气污染指数为0-50,空气质量级别为一级,空气质量状况属于优。此时,空气质量令人满意,基本无空气污染,各类人群可正常活动。

  2. 空气污染指数为51-100,空气质量级别为二级,空气质量状况属于良。此时空气质量可接受,但某些污染物可能对极少数异常敏感人群健康有较弱影响,建议极少数异常敏感人群应减少户外活动。

  3. 空气污染指数为101-150,空气质量级别为三级,空气质量状况属于轻度污染。此时,易感人群症状有轻度加剧,健康人群出现刺激症状。建议儿童、老年人及心脏病、呼吸系统疾病患者应减少长时间、高强度的户外锻炼。

  4. 空气污染指数为151-200,空气质量级别为四级,空气质量状况属于中度污染。此时,进一步加剧易感人群症状,可能对健康人群心脏、呼吸系统有影响,建议疾病患者避免长时间、高强度的户外锻练,一般人群适量减少户外运动。

  5. 空气污染指数为201-300,空气质量级别为五级,空气质量状况属于重度污染。此时,心脏病和肺病患者症状显著加剧,运动耐受力降低,健康人群普遍出现症状,建议儿童、老年人和心脏病、肺病患者应停留在室内,停止户外运动,一般人群减少户外运动。

  6. 空气污染指数大于300,空气质量级别为六级,空气质量状况属于严重污染。此时,健康人群运动耐受力降低,有明显强烈症状,提前出现某些疾病,建议儿童、老年人和病人应当留在室内,避免体力消耗,一般人群应避免户外活动。

注释-发布单位

河北省环境应急与重污染天气预警中心

注释-技术支持

中国科学院大气物理研究所, 中科三清科技有限公司

限量: 单次指定 symbol 的最近 6 天的数据

输入参数

名称 类型 描述
symbol str symbol="定州市", 返回具体市的数据; symbol="", 则返回所有城市数据

输出参数

名称 类型 描述
city object 城市-索引
date object 日期
pollutant object 污染物
minaqi int64 最小
maxaqi int64 最大
level object 程度

接口示例

import akshare as ak

air_quality_hebei_df = ak.air_quality_hebei(symbol="定州市")
print(air_quality_hebei_df)

数据示例

   city        date    pollutant  minaqi  maxaqi  level
0  定州市  2021-12-11      PM2.5     150     180  轻度-中度
1  定州市  2021-12-12   PM10,NO2      45      75    -
2  定州市  2021-12-13  PM2.5,NO2      80     110   -轻度
3  定州市  2021-12-14  PM2.5,NO2      95     125   -轻度
4  定州市  2021-12-15      PM2.5     110     140     轻度
5  定州市  2021-12-16   PM10,NO2      60      90      

空气质量-全国

城市列表

接口: air_city_table

目标地址: https://www.aqistudy.cn/

描述: 所有能获取空气质量数据的城市表

限量: 单次返回所有可以获取的城市表数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
序号 int64 -
省份 object -
城市 object -
AQI float64 -
空气质量 object -
PM2.5浓度 object -
首要污染物 object -

接口示例

import akshare as ak

air_city_table_df = ak.air_city_table()
print(air_city_table_df)

数据示例

      序号  省份  城市    AQI  空气质量    PM2.5浓度 首要污染物
0      1  北京  北京  204.0  重度污染  108 ug/m3    O3
1      2  河北  廊坊  199.0  中度污染   54 ug/m3    O3
2      3  河北  承德  198.0  中度污染   59 ug/m3    O3
3      4  河北  唐山  176.0  中度污染   74 ug/m3    O3
4      5  山西  晋城  164.0  中度污染   51 ug/m3    O3
..   ...  ..  ..    ...   ...        ...   ...
163  164  广东  中山   40.0        19 ug/m3   NaN
164  165  广东  东莞   39.0        20 ug/m3   NaN
165  166  广东  深圳   38.0        21 ug/m3   NaN
166  167  广东  珠海   34.0        17 ug/m3   NaN
167  168  海南  海口   32.0        14 ug/m3   NaN

空气质量历史数据

接口: air_quality_hist

目标地址: https://www.zq12369.com/

描述: 指定城市和数据频率下并且在指定时间段内的空气质量数据

限量: 单次返回所有的数据, 在提取一小时频率数据时请注意时间跨度不宜过长, 提取日频率数据的早年数据请分段提取

输入参数

名称 类型 描述
city str city="北京"; 调用 ak.air_city_table() 接口获取所有城市列表
period str period="day"; "hour": 每小时一个数据, 由于数据量比较大, 下载较慢; "day": 每天一个数据; "month": 每个月一个数据
start_date str start_date="20200320"; 注意 start_dateend_date 跨度不宜过长
end_date str end_date="20200427"; 注意 start_dateend_date 跨度不宜过长

输出参数

名称 类型 描述
time object 日期时间索引
aqi object AQI
pm2_5 float64 PM2.5
pm10 object PM10
co float64 CO
no2 object NO2
o3 object O3
so2 object SO2
complexindex object 综合指数
rank object 排名
primary_pollutant object 主要污染物
temp object 温度
humi object 湿度
windlevel object 风级
winddirection object 风向
weather object 天气

接口示例-小时频率

import akshare as ak

air_quality_hist_df = ak.air_quality_hist(city="北京", period="hour", start_date="20200425", end_date="20200427")
print(air_quality_hist_df)

数据示例-小时频率

                   time  aqi pm2_5 pm10  ... humi windlevel winddirection weather
0   2020-04-25 00:00:00  111    27  172  ...   16         4           东北风    晴转多云
1   2020-04-25 01:00:00  103    20  156  ...   16         4           东北风    晴转多云
2   2020-04-25 02:00:00  110    14  170  ...   18         3            北风    晴转多云
3   2020-04-25 03:00:00   87    11  123  ...   18         4            北风    晴转多云
4   2020-04-25 04:00:00   68     9   85  ...   16         4            北风    晴转多云
..                  ...  ...   ...  ...  ...  ...       ...           ...     ...
67  2020-04-27 19:00:00   68    48   85  ...   25         2           西南风       
68  2020-04-27 20:00:00   66    47   82  ...   25         2           西南风       
69  2020-04-27 21:00:00   67    46   84  ...   30         2           西南风       
70  2020-04-27 22:00:00   68    42   86  ...   28         3           西南风       
71  2020-04-27 23:00:00   69    43   87  ...   32         2           西南风       

接口示例-天频率

import akshare as ak

air_quality_hist_df = ak.air_quality_hist(city="北京", period="day", start_date="20200320", end_date="20200427")
print(air_quality_hist_df)

数据示例-天频率

          time  aqi pm2_5 pm10  ...    humi windlevel winddirection weather
0   2020-03-20   60    29   70  ...  28.667     1.542
1   2020-03-21   72    27   94  ...  25.250     2.042
2   2020-03-22   62    30   74  ...  32.375     2.167
3   2020-03-23   53    28   55  ...  35.333     1.542
4   2020-03-24   70    51   68  ...  36.958     1.458
5   2020-03-25  153   117  111  ...  49.833     1.792
6   2020-03-26   39     8   24  ...  41.500     3.125
7   2020-03-27   40     5   21  ...  15.083     2.500
8   2020-03-28   39    10   28  ...  23.917     1.792
9   2020-03-29   63    45   72  ...  35.292     1.958
10  2020-03-30   92    68   87  ...  48.208     2.208
11  2020-03-31   87    64   75  ...  53.826     2.130
12  2020-04-01   42     9   21  ...  19.250     2.250
13  2020-04-02   42    16   34  ...  34.458     1.500
14  2020-04-03   47    14   36  ...  28.000     2.000
15  2020-04-04  102    23  154  ...  24.708     2.500
16  2020-04-05   69    30   88  ...  32.250     1.667
17  2020-04-06   86    62  122  ...  42.500     1.667
18  2020-04-07   77    45  103  ...  34.167     2.042
19  2020-04-08   55    21   60  ...  33.042     1.750
20  2020-04-09   49    34   47  ...  56.500     1.875
21  2020-04-10   70    39   50  ...  46.542     1.417
22  2020-04-11   51    20   38  ...  30.083     1.708
23  2020-04-12   54    17   52  ...  13.333     1.958
24  2020-04-13   59    26   67  ...  31.435     1.391
25  2020-04-14  104    66  102  ...  35.500     1.750
26  2020-04-15   95    63   93  ...  45.292     1.875
27  2020-04-16   63    23   75  ...  54.583     2.250
28  2020-04-17   78    23   37  ...  36.292     2.167
29  2020-04-18   75    33   45  ...  40.000     1.500
30  2020-04-19   94    39   54  ...  49.227     2.546
31  2020-04-20   45     7   31  ...  23.708     3.167
32  2020-04-21   42     7   33  ...  18.917     2.833
33  2020-04-22   43     6   24  ...  12.125     2.667
34  2020-04-23   45     7   21  ...  13.727     2.091
35  2020-04-24   91    19  132  ...  12.375     2.875
36  2020-04-25   52    10   53  ...  16.375     2.458
37  2020-04-26   50    14   33  ...  25.375     1.792
38  2020-04-27   76    41   63  ...  35.958     1.875

接口示例-月频率

import akshare as ak

air_quality_hist_df = ak.air_quality_hist(city="北京", period="month", start_date="20190425", end_date="20200427")
print(air_quality_hist_df)

数据示例-月频率

     aqi cityname     time  ... complexindex fcomplexindex primary_pollutant
0    94       北京  2019-05  ...         None         4.596              None
1   123       北京  2019-06  ...         None         4.629              None
2   106       北京  2019-07  ...         None         4.150              None
3    71       北京  2019-08  ...         None         3.206              None
4    97       北京  2019-09  ...         None         4.295              None
5    68       北京  2019-10  ...         None         3.829              None
6    76       北京  2019-11  ...         None         4.402              None
7    74       北京  2019-12  ...         None         4.225              None
8    87       北京  2020-01  ...         None         4.774              None
9    88       北京  2020-02  ...         None         4.349              None
10   62       北京  2020-03  ...         None         3.174              None

空气质量排名

接口: air_quality_rank

目标地址: https://www.zq12369.com/environment.php

描述: 获取指定 date 时间点上所有城市(168个)的空气质量数据

限量: 单次返回所有的数据

输入参数

名称 类型 描述
date str date=""; "": 当前时刻空气质量排名, 默认; "20200312": 当日空气质量排名; "202003": 当月空气质量排名; "2019": 当年空气质量排名;

输出参数

名称 类型 描述
降序 str 排名
省份 str -
城市 str -
AQI float -
空气质量 str -
PM2.5浓度 str -
首要污染物 str -

接口示例-实时

import akshare as ak

air_quality_rank_df = ak.air_quality_rank(date="")
print(air_quality_rank_df)

数据示例-实时

        降序  省份  城市    AQI  空气质量   PM2.5浓度  首要污染物
1      1.0  山西  太原  123.0  轻度污染  93 ug/m3  PM2.5
2      2.0  山东  德州  116.0  轻度污染  33 ug/m3   PM10
3      3.0  河南  安阳  111.0  轻度污染  60 ug/m3   PM10
4      4.0  吉林  长春  108.0  轻度污染  81 ug/m3  PM2.5
5      5.0  广东  佛山  100.0       55 ug/m3     O3
..     ...  ..  ..    ...   ...       ...    ...
164  164.0  广东  珠海   34.0       16 ug/m3    NaN
165  165.0  江苏  南通   34.0       23 ug/m3    NaN
166  166.0  浙江  舟山   30.0       11 ug/m3    NaN
167  167.0  四川  雅安   30.0       13 ug/m3    NaN
168  168.0  西藏  拉萨   29.0        9 ug/m3    NaN

接口示例-具体某天

import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2020-03-20")
print(air_quality_rank_df)

数据示例-具体某天

        降序   省份    城市    AQI  空气质量   PM2.5浓度 首要污染物
1      1.0   山西    晋城  124.0  轻度污染  42 ug/m3  PM10
2      2.0   山东    德州  120.0  轻度污染  36 ug/m3  PM10
3      3.0   河南    焦作  118.0  轻度污染  42 ug/m3  PM10
4      4.0   山东    菏泽  118.0  轻度污染  33 ug/m3  PM10
5      5.0   河南    安阳  118.0  轻度污染  44 ug/m3  PM10
..     ...  ...   ...    ...   ...       ...   ...
164  164.0   广东    深圳   45.0       29 ug/m3   NaN
165  165.0  黑龙江   哈尔滨   43.0       30 ug/m3   NaN
166  166.0   广东    惠州   43.0       30 ug/m3   NaN
167  167.0   新疆  乌鲁木齐   32.0       17 ug/m3   NaN
168  168.0   海南    海口   29.0       13 ug/m3   NaN

接口示例-具体某月

import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2020-03")
print(air_quality_rank_df)

数据示例-具体某月

        降序  省份  城市  综合指数  最大指数  首要污染物
1      1.0  河南  安阳  5.29  1.60  PM2.5
2      2.0  山东  淄博  5.27  1.51  PM2.5
3      3.0  山东  枣庄  5.19  1.54  PM2.5
4      4.0  河南  焦作  5.16  1.54   PM10
5      5.0  陕西  西安  5.11  1.59   PM10
..     ...  ..  ..   ...   ...    ...
164  164.0  广东  惠州  2.52  0.69     O3
165  165.0  广东  中山  2.51  0.74     O3
166  166.0  浙江  舟山  2.27  0.70     O3
167  167.0  海南  海口  1.84  0.58     O3
168  168.0  西藏  拉萨  1.78  0.72     O3

接口示例-具体某年

import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2019")
print(air_quality_rank_df)

数据示例-具体某年

        降序  省份   城市  综合指数  最大指数  首要污染物
1      1.0  河南   安阳  6.91  2.03  PM2.5
2      2.0  河北   邢台  6.85  1.86  PM2.5
3      3.0  河北  石家庄  6.80  1.80  PM2.5
4      4.0  河北   邯郸  6.77  1.89  PM2.5
5      5.0  山西   临汾  6.74  1.77  PM2.5
..     ...  ..  ...   ...   ...    ...
164  164.0  福建   厦门  2.98  0.84     O3
165  165.0  安徽   黄山  2.95  0.84     O3
166  166.0  浙江   舟山  2.68  0.82     O3
167  167.0  海南   海口  2.47  0.90     O3
168  168.0  西藏   拉萨  2.39  0.81     O3

监测点空气质量

接口: air_quality_watch_point

目标地址: https://www.zq12369.com/environment.php

描述: 获取每个城市的所有空气质量监测点的数据

限量: 单次返回指定城市指定日期区间的所有监测点的空气质量数据

输入参数

名称 类型 描述
city object city="杭州"; 调用 ak.air_city_table() 接口获取所有城市列表
start_date object start_date="2018-01-01"
end_date object end_date="2020-04-27"

输出参数

名称 类型 描述
pointname object 监测点名称
aqi float64 AQI
pm2_5 float64 PM2.5
pm10 float64 PM10
no2 float64 NO2
so2 float64 SO2
o3 float64 O3
co float64 CO

接口示例

import akshare as ak

air_quality_watch_point_df = ak.air_quality_watch_point(city="杭州", start_date="2018-01-01", end_date="2020-04-27")
print(air_quality_watch_point_df)

数据示例

   pointname      aqi  ...                  o3                  co
0       朝晖五区  83.9315  ...               162.4  1.3581999999999999
1       浙江农大  82.7099  ...                 183                 1.3
2        城厢镇  82.2618  ...                 175              1.2643
3         下沙  81.5554  ...                 175                 1.2
4        临平镇  80.2429  ...               174.6              1.2182
5       和睦小学  79.7488  ...                 170              1.2209
6         西溪  78.5832  ...                 173                 1.1
7         滨江  77.9729  ...                 172                 1.3
8        卧龙桥  71.1863  ...                 161             1.13265
9         云栖  70.4404  ...                 168                 1.2
10       千岛湖  55.8762  ...  143.00000000000003                   1

财富排行榜-中文

接口: fortune_rank

目标地址: https://www.fortunechina.com/fortune500/node_65.htm

描述: 指定年份财富世界 500 强公司排行榜

限量: 单次返回某一个年份的所有历史数据

输入参数

名称 类型 描述
year str year="2023"

输出参数

名称 类型 描述
- - 以当年的数据为准, 输出的字段不一

接口示例

import akshare as ak

fortune_rank_df = ak.fortune_rank(year="2023")
print(fortune_rank_df)

数据示例

      排名                                         公司名称(中文)  ...     国家  关键数据
0      1                                       沃尔玛(WALMART)  ...     美国     +
1      2                               沙特阿美公司(SAUDI ARAMCO)  ...  沙特阿拉伯     +
2      3                               国家电网有限公司(STATE GRID)  ...     中国     +
3      4                                    亚马逊(AMAZON.COM)  ...     美国     +
4      5            中国石油天然气集团有限公司(CHINA NATIONAL PETROLEUM)  ...     中国     +
..   ...                                                ...  ...    ...   ...
495  496                     三星人寿保险(SAMSUNG LIFE INSURANCE)  ...     韩国     +
496  497                  住友生命保险公司(SUMITOMO LIFE INSURANCE)  ...     日本     +
497  498                                   CarMax公司(CARMAX)  ...     美国     +
498  499         日本三菱重工业股份有限公司(MITSUBISHI HEAVY INDUSTRIES)  ...     日本     +
499  500  新疆广汇实业投资(集团)有限责任公司(XINJIANG GUANGHUI INDUSTRY ...  ...     中国     +
[500 rows x 6 columns]

福布斯中国榜单

接口: forbes_rank

目标地址: https://www.forbeschina.com/lists

描述: 福布斯中国-榜单数据, 一共 87 个指标的数据可以获取

限量: 单次返回指定 symbol 的数据

输入参数

名称 类型 描述
symbol str symbol="2020年福布斯中国400富豪榜"; 参考 福布斯中国指标一览表, 也可以访问 https://www.forbeschina.com/lists 获取所需要的 symbol

福布斯中国指标一览表

name url
0 2020福布斯中国400富豪榜 https://www.forbeschina.com/lists/1750
1 2020福布斯菲律宾富豪榜 https://www.forbeschina.com/lists/1746
2 2020福布斯美国富豪榜 https://www.forbeschina.com/lists/1745
3 2020福布斯中国名人榜 https://www.forbeschina.com/lists/1744
4 2020福布斯新加坡富豪榜 https://www.forbeschina.com/lists/1743
5 2020福布斯中国最佳CEO榜 https://www.forbeschina.com/lists/1741
6 2020福布斯中国医疗健康富豪榜 https://www.forbeschina.com/lists/1740
7 2020福布斯中国慈善榜 https://www.forbeschina.com/lists/1739
8 2020福布斯韩国富豪榜 https://www.forbeschina.com/lists/1738
9 2020福布斯中国科技女性榜 https://www.forbeschina.com/lists/1737
10 2020福布斯全球亿万富豪榜中国子榜 https://www.forbeschina.com/lists/1734
11 2020福布斯全球亿万富豪榜 https://www.forbeschina.com/lists/1733
12 2019福布斯中国400富豪榜 https://www.forbeschina.com/lists/1728
13 2019福布斯中国最佳创投人TOP100 https://www.forbeschina.com/lists/1747
14 2019福布斯全球最有影响力体育经纪人 https://www.forbeschina.com/lists/1727
15 2019福布斯中国30位30岁以下精英榜 https://www.forbeschina.com/lists/1725
16 2019福布斯美国400富豪榜 https://www.forbeschina.com/lists/1722
17 2019福布斯菲律宾富豪榜 https://www.forbeschina.com/lists/1721
18 2019福布斯中国慈善榜 https://www.forbeschina.com/lists/1718
19 2019福布斯100名人榜 https://www.forbeschina.com/lists/1717
20 2019福布斯韩国富豪榜 https://www.forbeschina.com/lists/1716
21 2019福布斯马来西亚50富豪榜 https://www.forbeschina.com/lists/19
22 2019福布斯中国最杰出商界女性排行榜 https://www.forbeschina.com/lists/1165
23 2019福布斯全球亿万富豪榜 https://www.forbeschina.com/lists/21
24 2018福布斯中国商界25位潜力女性 https://www.forbeschina.com/lists/13
25 2018福布斯中国慈善榜 https://www.forbeschina.com/lists/1156
26 2018福布斯中国最佳创投人TOP100 https://www.forbeschina.com/lists/1258
27 2018福布斯中国最富有女性Top25 https://www.forbeschina.com/lists/11
28 2018福布斯中国最佳女性创投人TOP25 https://www.forbeschina.com/lists/12
29 2018中国最杰出商界女性排行榜 https://www.forbeschina.com/lists/1145
30 2018中国分析师最佳价值发现榜 https://www.forbeschina.com/lists/1147
31 2018中国最佳分析师50强榜 https://www.forbeschina.com/lists/1148
32 2018福布斯中国分析师最佳预测盈利能力榜 https://www.forbeschina.com/lists/1149
33 2018全球亿万富豪榜 https://www.forbeschina.com/lists/1151
34 2018福布斯中国30位30岁以下精英榜 https://www.forbeschina.com/lists/1157
35 2018福布斯中国上市公司最佳CEO https://www.forbeschina.com/lists/1159
36 2018福布斯中国400富豪榜 https://www.forbeschina.com/lists/1162
37 2017福布斯全球科技界100富豪榜 https://www.forbeschina.com/lists/1618
38 2017福布斯中国30位30岁以下精英榜 https://www.forbeschina.com/lists/1617
39 2017华人富豪榜 https://www.forbeschina.com/lists/1131
40 2017全球亿万富豪榜 https://www.forbeschina.com/lists/1132
41 2017福布斯全球运动员收入榜 https://www.forbeschina.com/lists/1644
42 2017福布斯台湾50富豪榜 https://www.forbeschina.com/lists/1133
43 2017福布斯中国上市公司最佳CEO https://www.forbeschina.com/lists/1134
44 2017福布斯中国名人榜 https://www.forbeschina.com/lists/1135
45 2017中国慈善榜 https://www.forbeschina.com/lists/1681
46 2017分析师最佳预测盈利能力榜 https://www.forbeschina.com/lists/1253
47 2017福布斯中国最佳创投人TOP100 https://www.forbeschina.com/lists/1254
48 2017中国最佳分析师50强榜 https://www.forbeschina.com/lists/1252
49 2020年福布斯世界最佳雇主TOP100 https://www.forbeschina.com/lists/1749
50 2020福布斯中国上市公司潜力企业榜 https://www.forbeschina.com/lists/1748
51 2020福布斯亚州中小上市企业榜 https://www.forbeschina.com/lists/1742
52 2020福布斯中国最具创新力企业榜 https://www.forbeschina.com/lists/1736
53 2020福布斯全球企业2000强榜 https://www.forbeschina.com/lists/1735
54 2019福布斯全球最具价值的体育经纪机构 https://www.forbeschina.com/lists/1726
55 2019福布斯全球数字经济100强榜 https://www.forbeschina.com/lists/1724
56 2019福布斯中国最具创新力企业榜 https://www.forbeschina.com/lists/1715
57 2018福布斯中国新三板企业融资能力榜TOP50 https://www.forbeschina.com/lists/14
58 2018福布斯中国最具创新力企业榜 https://www.forbeschina.com/lists/17
59 2018非上市公司潜力企业榜 https://www.forbeschina.com/lists/18
60 2018福布斯中国最佳创投机构 https://www.forbeschina.com/lists/20
61 2018上市公司潜力企业榜 https://www.forbeschina.com/lists/1152
62 2018福布斯中国新三板TOP100 https://www.forbeschina.com/lists/1155
63 2018福布斯中国最佳PE机构 https://www.forbeschina.com/lists/1257
64 2017福布斯中国家族企业 https://www.forbeschina.com/lists/1136
65 2017福布斯全球企业2000强 https://www.forbeschina.com/lists/1139
66 2017值得关注的新三板企业 https://www.forbeschina.com/lists/1459
67 2017中国非上市公司潜力企业榜 https://www.forbeschina.com/lists/1460
68 2017福布斯中国最佳PE机构 https://www.forbeschina.com/lists/1255
69 2017福布斯中国最佳创投机构 https://www.forbeschina.com/lists/1256
70 2019福布斯美国大学排行榜 https://www.forbeschina.com/lists/1720
71 2018福布斯创新力最强的30个城市 https://www.forbeschina.com/lists/15
72 2018福布斯最适合新生活的宜居城市 https://www.forbeschina.com/lists/16
73 2018福布斯中国大陆最佳商业城市 https://www.forbeschina.com/lists/1163
74 2017福布斯中国大陆最佳商业城市 https://www.forbeschina.com/lists/1138
75 2017福布斯中国大陆最佳地级城市30强 https://www.forbeschina.com/lists/1140
76 2017福布斯中国大陆最佳县级城市30强 https://www.forbeschina.com/lists/1141
77 2017福布斯创新力最强的30个城市 https://www.forbeschina.com/lists/1142
78 2017福布斯经营成本最高的30个城市 https://www.forbeschina.com/lists/1143
79 2015福布斯全球最适宜经商的国家和地区 https://www.forbeschina.com/lists/1120
80 2015美国最适宜经商和就业的城市 https://www.forbeschina.com/lists/1453
81 2015美国就业增长最快城市100强 https://www.forbeschina.com/lists/1525
82 2015美国最适合经商和就业的州 https://www.forbeschina.com/lists/1526
83 2014美国最适宜经商和就业的地区 https://www.forbeschina.com/lists/1515
84 2014福布斯美国最适合经商和就业的州 https://www.forbeschina.com/lists/1516
85 2014年世界最负盛名城市榜 https://www.forbeschina.com/lists/1517
86 2014福布斯全球最适宜经商的国家和地区 https://www.forbeschina.com/lists/1524

输出参数

名称 类型 描述
排名 str -
- - 根据不同的 symbol 而异

接口示例

import akshare as ak

forbes_rank_df = ak.forbes_rank(symbol="2020福布斯中国400富豪榜")
print(forbes_rank_df)

数据示例

      排名     姓名  财富(亿元)       财富来源  年龄 居住城市
0      1     马云  4377.2       阿里巴巴  56   杭州
1      2    马化腾  3683.2         腾讯  49   深圳
2      3    钟睒睒  3596.5  农夫山泉/万泰生物  65   杭州
3      4  孙飘扬家族  2335.4  恒瑞医药/翰森制药  62  连云港
4      5  何享健家族  2148.5       美的集团  78   佛山
..   ...    ...     ...        ...  ..  ...
395  394  李文美家族   105.4       万孚生物  58   广州
396  397    郭梓文   104.8       中国奥园  56   香港
397  398  袁建栋家族   104.1       博瑞医药  50   苏州
398  399     王帅   103.4       蚂蚁集团   /   杭州
399  399    卢竑岩   103.4        吉比特  43   厦门

新财富富豪榜

接口: xincaifu_rank

目标地址: http://www.xcf.cn/zhuanti/ztzz/hdzt1/500frb/index.html

描述: 新财富 500 富豪榜, 从 2003 年至今

限量: 单次返回指定年份的富豪榜数据

输入参数

名称 类型 描述
year str year="2020"; 从 2003 年至今

输出参数

名称 类型 描述
排名 int64 -
财富 float64 注意单位: 亿元
姓名 object -
主要公司 object -
相关行业 object -
公司总部 object -
性别 object -
年龄 object -
年份 int64 -

接口示例

import akshare as ak

xincaifu_rank_df = ak.xincaifu_rank(year="2022")
print(xincaifu_rank_df)

数据示例

      排名      财富       姓名       主要公司        相关行业     公司总部   性别     年龄    年份
0      1  4983.5      钟睒睒  农夫山泉/万泰生物  矿泉水饮料、医药生物  浙江杭州/北京    男     68  2022
1      2  3348.2      曾毓群       宁德时代        动力电池     福建宁德    男     54  2022
2      3  3010.8      马化腾       腾讯控股     互联网综合服务     广东深圳    男     51  2022
3      4  2916.0      张一鸣       今日头条  推荐引擎产品、短视频       北京    男     39  2022
4      5  1972.0       黄峥        拼多多          电商       上海    男     42  2022
..   ...     ...      ...        ...         ...      ...  ...    ...   ...
495  496    94.7      崔志祥     方圆有色金属     铜、金、银生产     山东东营    男     59  2022
496  497    94.6    胡成中家族        德力西  低压电器、仪器仪表等     浙江温州    男     61  2022
497  498    94.2  张宏亮/张秀根       曙光股份        汽车整车     辽宁丹东  男/男  38,61  2022
498  499    94.0       金磊       长春高新        生长激素     吉林长春    男     57  2022
499  500    93.7    赵轶/徐昕       长川科技    集成电路测试装备     浙江杭州  男/女  56,56  2022

胡润排行榜

接口: hurun_rank

目标地址: https://www.hurun.net/zh-CN/Rank/HsRankDetails?num=QWDD234E

描述: 胡润百富榜单;富豪榜系列,创业系列,500强系列,特色系列

限量: 单次返回指定 indicator 和 year 的榜单数据

输入参数

名称 类型 描述
indicator str indicator="胡润百富榜"; choice of {"胡润百富榜", "胡润全球富豪榜", "胡润印度榜", "胡润全球独角兽榜", "全球瞪羚企业榜", "胡润Under30s创业领袖榜", "胡润世界500强", "胡润艺术榜"}
year str year="2020"; choice of {"胡润百富榜": "2014-至今", "胡润全球富豪榜": "2019-至今", "胡润印度榜": "2018-至今", "胡润全球独角兽榜": "2019-至今", "全球瞪羚企业榜": "2021-至今", "胡润Under30s创业领袖榜": "2019-至今", "胡润世界500强": "2020-至今", "胡润艺术榜": "2019-至今"}

输出参数-胡润百富榜

名称 类型 描述
排名 int64 -
财富 float64 注意单位: 亿元
姓名 object -
企业 object -
行业 object -

接口示例-胡润百富榜

import akshare as ak

hurun_rank_df = ak.hurun_rank(indicator="胡润百富榜", year="2023")
print(hurun_rank_df)

数据示例-胡润百富榜

        排名      财富       姓名    企业       行业
0        1  4500.0      钟睒睒   养生堂  饮料、医疗保健
1        2  2800.0      马化腾    腾讯    互联网服务
2        3  2700.0       黄峥   拼多多     购物网站
3        4  2500.0      曾毓群  宁德时代      锂电池
4        5  2450.0      张一鸣  字节跳动     社交媒体
    ...     ...      ...   ...      ...
1236  1179    50.0  周富裕、唐建芳   周黑鸭       食品
1237  1179    50.0  周华松、吴文利  松霖科技     淋浴设备
1238  1179    50.0      周明华  华海药业       医药
1239  1179    50.0      周文起    华北   铜业、房地产
1240  1179    50.0      庄辰超  斑马投资       投资
[1241 rows x 5 columns]

输出参数-胡润全球富豪榜

名称 类型 描述
排名 int64 -
财富 float64 注意单位: 亿美元
姓名 object -
企业 object -
行业 object -

接口示例-胡润全球富豪榜

import akshare as ak

hurun_rank_df = ak.hurun_rank(indicator="胡润全球富豪榜", year="2023")
print(hurun_rank_df)

数据示例-胡润全球富豪榜

        排名       财富       姓名            企业       行业
0        1  13500.0  伯纳德·阿诺特  酩悦·轩尼诗-路易·威登      奢侈品
1        2  10500.0   埃隆·马斯克           特斯拉    新能源汽车
2        3   9000.0  贝特朗·皮埃奇           爱马仕      奢侈品
3        4   7900.0   杰夫·贝佐斯           亚马逊     电子商务
4        5   7800.0   沃伦·巴菲特      伯克希尔·哈撒韦       投资
    ...      ...      ...           ...      ...
3107  2923     67.0      钟宝申            隆基     绿色能源
3108  2923     67.0      钟培峰          晶晨股份      半导体
3109  2923     67.0       周剑           优必选      机器人
3110  2923     67.0      周明华          华海药业       医药
3111  2923     67.0   邹伟民、陈敏          传艺科技  消费电子零部件
[3112 rows x 5 columns]

输出参数-胡润全球独角兽榜

名称 类型 描述
排名 int64 -
财富 float64 注意单位: 亿元
姓名 object -
企业 object -
行业 object -

接口示例-胡润全球独角兽榜

import akshare as ak

hurun_rank_df = ak.hurun_rank(indicator="胡润全球独角兽榜", year="2023")
print(hurun_rank_df)

数据示例-胡润全球独角兽榜

        排名       财富  ...      企业    行业
0        1  13800.0  ...    字节跳动  社交媒体
1        2   9450.0  ...  SpaceX    航天
2        3   8300.0  ...    蚂蚁集团  金融科技
3        4   4500.0  ...   Shein  电子商务
4        5   3800.0  ...  Stripe  金融科技
    ...      ...  ...     ...   ...
1355  1039     69.0  ...     云学堂  企业服务
1356  1039     69.0  ...   Zebec  金融科技
1357  1039     69.0  ...    Zeta  金融科技
1358  1039     69.0  ...    Zopa  金融科技
1359  1039     69.0  ...   Zwift  健康科技
[1360 rows x 5 columns]

输出参数-胡润世界500强

名称 类型 描述
排名 int64 -
排名变化 int64 -
企业估值 float64 注意单位: 亿元
企业信息 object -
CEO object -
行业 object -

接口示例-胡润世界500强

import akshare as ak

hurun_rank_df = ak.hurun_rank(indicator="胡润世界500强", year="2022")
print(hurun_rank_df)

数据示例-胡润世界500强

      排名  排名变化      企业估值      企业信息                   CEO        行业
0      1     0  171540.0        苹果                 蒂姆·库克       消费品
1      2     0  130860.0        微软               萨提亚·纳德拉     软件与服务
2      3     1   95770.0  Alphabet               桑达尔·皮查伊     传媒和娱乐
3      4    -1   88090.0       亚马逊                 安迪·贾西        零售
4      5     3   48720.0       特斯拉                埃隆·马斯克  汽车及汽车零部件
..   ...   ...       ...       ...                   ...       ...
495  495  -258    2100.0   Coupang           Bom Suk Kim        零售
496  495  -166    2100.0      东方财富                    其实      金融服务
497  495  -190    2100.0       爱德士  Jonathan J. Mazelsky      医疗健康
498  495  -176    2100.0      联发科技                   陈冠州       半导体
499  500  -247    2030.0        百度                   李彦宏     传媒和娱乐
[500 rows x 6 columns]

输出参数-胡润艺术榜

名称 类型 描述
排名 int64 -
排名 int64 -
成交额 float64 注意单位: 万
姓名 object -
年龄 object -
艺术类别 object -

接口示例-胡润艺术榜

import akshare as ak

hurun_rank_df = ak.hurun_rank(indicator="胡润艺术榜", year="2023")
print(hurun_rank_df)

数据示例-胡润艺术榜

     排名 排名变化      成交额   姓名  年龄     艺术类别
0     1    1  14371.0  曾梵志  59       油画
1     2   -1  11106.0  崔如琢  79     中国书画
2     3    4  10148.0  黄建南  71  油画/中国书画
3     4    6   9405.0   范曾  85     中国书画
4     5    4   9058.0  黄宇兴  48       油画
..  ...  ...      ...  ...  ..      ...
95   96  New    388.0   邵帆  59     中国书画
96   97  -36    385.0   喻红  57       油画
97   98  -24    369.0   薛松  58     中国书画
98   99  New    362.0  陈文骥  69       油画
99  100  -27    358.0   林墉  82     中国书画
[100 rows x 6 columns]

电影票房

实时票房

接口: movie_boxoffice_realtime

目标地址: https://ys.endata.cn/BoxOffice/Movie

描述: 当前时刻的实时电影票房数据, 每 5 分钟更新一次数据, 实时票房包含今天未开映场次已售出的票房

限量: 当前时刻的实时票房数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
实时票房 float64 注意单位: 万
票房占比 float64 注意单位: %
上映天数 int64 -
累计票房 float64 注意单位: 万

接口示例

import akshare as ak

movie_boxoffice_realtime_df = ak.movie_boxoffice_realtime()
print(movie_boxoffice_realtime_df)

数据示例

    排序            影片名称 实时票房   票房占比  上映天数  累计票房
0    1             第二十条  2773.21  27.29    11  160845.76
1    2            飞驰人生2  2499.77  24.60    11  267199.76
2    3         熊出没·逆转时空  2429.72  23.91    11  159079.03
3    4             热辣滚烫  2413.96  23.76    11  300038.28
4    5               孤军    11.60   0.11    55    2528.30
5    6           年会不能停!     7.36   0.07    54  128760.85
6    7  泰勒·斯威夫特:时代巡回演唱会     4.73   0.05    52    9594.50
7    8         还是觉得你最好2     4.45   0.04    -3      82.60
8    9          八戒之天蓬下界     2.98   0.03    11     345.28
9   10        舒克贝塔·五角飞碟     2.87   0.03    53    6548.90
10  11               其它    10.25   1.00     0       0.00

单日票房

接口: movie_boxoffice_daily

目标地址: https://www.endata.com.cn/BoxOffice/BO/Day/index.html

描述: 指定日期的电影票房数据, 每日 10:30, 12:30更新日票房,16:30 同时补充前 7 日票房

限量: 只能指定最近的日期

输入参数

名称 类型 描述
date str date="20240219"; 只能选择最近的日期

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
单日票房 int64 注意单位: 万
环比变化 float64 注意单位: %
累计票房 int64 注意单位: 万
平均票价 int64 注意单位: 元
场均人次 int64 -
口碑指数 float64 -
上映天数 int64 -

接口示例

import akshare as ak

movie_boxoffice_daily_df = ak.movie_boxoffice_daily(date="20240219")
print(movie_boxoffice_daily_df)

数据示例

   排序             影片名称   单日票房  环比变化    累计票房  平均票价  场均人次  口碑指数  上映天数
0   1             第二十条  12808 -23.0  158075    45    10  8.99    21
1   2            飞驰人生2  12693 -26.0  264702    46    10  9.04    17
2   3             热辣滚烫  13094 -29.0  297624    45    10  8.98    17
3   4         熊出没·逆转时空   9263 -27.0  156650    44    10  8.78    22
4   5               秋田     15  47.0      68    42    26  0.00    27
5   6           年会不能停!     17  18.0  128754    41    53  9.05     3
6   7        海王2:失落的王国     10  10.0   46449    39    62   NaN     6
7   8               孤军      7  14.0    2516    41    54  0.00   102
8   9  泰勒·斯威夫特:时代巡回演唱会      6   0.0    9590    48    51  0.00    11
9  10          八戒之天蓬下界     14 -64.0     342    42    10  0.00     2

单周票房

接口: movie_boxoffice_weekly

目标地址: https://www.endata.com.cn/BoxOffice/BO/Week/oneWeek.html

描述: 指定日期所在完整周的票房数据, 影片周票房数据初始更新周期为每周二,下周二补充数据

限量: 指定日期所在完整周的票房数据

输入参数

名称 类型 描述
date str date="20240218"; 指定日期所在周必须已经完整

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
排名变化 int64 -
单周票房 int64 注意单位: 万
环比变化 int64 注意单位: %
累计票房 int64 注意单位: 万
平均票价 int64 -
场均人次 int64 -
口碑指数 float64 -
上映天数 int64 -

接口示例

import akshare as ak

movie_boxoffice_weekly_df = ak.movie_boxoffice_weekly(date="20240218")
print(movie_boxoffice_weekly_df)

数据示例

   排序     影片名称  排名变化  单周票房 环比变化 累计票房  平均票价 场均人次 口碑指数 上映天数
0   1       热辣滚烫  9999  208829  163  288355    49    40  9.02     9
1   2      飞驰人生2  9999  180105  139  255362    49    39  9.08     9
2   3       第二十条     1  114864  244  148245    48    39  9.03     9
3   4   熊出没·逆转时空    -1  106105  142  149889    47    41  8.98     9
4   5    我们一起摇太阳     2    4926    7    9512    49    16  9.20     9
5   6       红毯先生  9999    2977  -46    8488    54     8  8.52     9
6   7     年会不能停!    -2     264  -96  128733    45     9  9.06    52
7   8    八戒之天蓬下界    15     225  102     337    43     3   NaN     9
8   9  海王2:失落的王国     1     119  -88   46438    41    12  8.10    61
9  10   还是觉得你最好2     0      75    0      75    61    95   NaN    -5

单月票房

接口: movie_boxoffice_monthly

目标地址: https://www.endata.com.cn/BoxOffice/BO/Month/oneMonth.html

描述: 获取指定日期所在月份的票房数据, 每月5号更新上月票房,并补充之前两个月票房

限量: 指定日期所在月份的票房数据, 只能获取最近月份的数据

输入参数

名称 类型 描述
date str date="20201019"; 输入具体的日期即可

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
单月票房 int64 注意单位: 万
月度占比 float64 注意单位: %
平均票价 int64 -
场均人次 int64 -
上映日期 object -
口碑指数 float64 -
月内天数 float64 -

接口示例

import akshare as ak

movie_boxoffice_monthly_df = ak.movie_boxoffice_monthly(date="20240218")
print(movie_boxoffice_monthly_df)

数据示例

     排序      影片名称 单月票房  月度占比 平均票价  场均人次  上映日期  口碑指数  月内天数
0     1       热辣滚烫  297624  31.8    49    42  2024-02-10  9.05  20.0
1     2      飞驰人生2  264702  28.3    49    40  2024-02-10  9.12  20.0
2     3       第二十条  158075  16.9    48    36  2024-02-10  9.06  20.0
3     4   熊出没·逆转时空  156645  16.8    47    43  2024-02-10  9.03  20.0
4     5     年会不能停!   14940   1.6    38     5  2023-12-29  9.07  29.0
5     6    我们一起摇太阳    9513   1.0    50    14  2024-02-10  9.24  20.0
6     7       红毯先生    8492   0.9    52    11  2024-02-10  8.54  20.0
7     8        金手指    5326   0.6    39     4  2023-12-30  8.10  29.0
8     9       临时劫案    5295   0.6    38     2  2024-01-19  7.95  29.0
9    10  海王2:失落的王国    2021   0.2    38     4  2023-12-20  8.12  29.0
10  999         其他   12222   1.3    38     2        None   NaN   NaN

年度票房

接口: movie_boxoffice_yearly

目标地址: https://www.endata.com.cn/BoxOffice/BO/Year/index.html

描述: 指定日期所在年度的票房数据

限量: 指定日期所在年度的票房数据, 只能获取最近年度的数据

输入参数

名称 类型 描述
date str date="20240218"; 输入具体的日期即可

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
类型 object -
总票房 int64 注意单位: 万
平均票价 int64 -
场均人次 float64 -
国家及地区 object -
上映日期 object -

接口示例

import akshare as ak

movie_boxoffice_yearly_df = ak.movie_boxoffice_yearly(date="20240218")
print(movie_boxoffice_yearly_df)

数据示例

    排序           影片名称   类型  总票房  平均票价  场均人次  国家及地区   上映日期
0    1             热辣滚烫   剧情  299473    49  39.0       中国  2024-02-10
1    2            飞驰人生2   剧情  266592    49  37.0       中国  2024-02-10
2    3             第二十条   剧情  160201    48  33.0       中国  2024-02-10
3    4         熊出没·逆转时空   动画  158538    47  40.0       中国  2024-02-10
4    5           年会不能停!   剧情  105635    39   7.0       中国  2023-12-29
5    6              金手指   剧情   41595    40   6.0  中国/中国香港  2023-12-30
6    7             临时劫案   剧情   23658    38   4.0       中国  2024-01-19
7    8               潜行   剧情   20261    39   5.0       中国  2023-12-29
8    9          一闪一闪亮星星   爱情   14900    39   4.0       中国  2023-12-30
9   10              三大队   剧情   14518    42   5.0       中国  2023-12-15
10  11        海王2:失落的王国   动作   12891    39   6.0       美国  2023-12-20
11  12              养蜂人   动作   11342    41   4.0    美国/英国  2024-01-12
12  13         动物园里有什么?   喜剧   10802    37   3.0       中国  2024-01-12
13  14          我们一起摇太阳   剧情    9513    50  14.0       中国  2024-02-10
14  15             红毯先生   剧情    8492    52  11.0       中国  2024-02-10
15  16            非诚勿扰3   喜剧    5877    41   4.0       中国  2023-12-30
16  17  泰勒·斯威夫特:时代巡回演唱会  纪录片    5582    48   8.0       美国  2023-12-31
17  18        舒克贝塔·五角飞碟   动画    4270    37   4.0       中国  2023-12-30
18  19             天降大任   动画    3181    43   4.0       中国  2024-01-06
19  20      名侦探柯南:黑铁的鱼影   动画    3063    33   5.0       日本  2023-12-16
20  21        开心超人之时空营救   动画    2576    33   2.0       中国  2024-01-20
21  22               孤军   剧情    2334    46  65.0       中国  2023-12-28
22  23             照明商店   剧情    1809    40   3.0       中国  2023-12-08
23  24               大雨   动画    1718    41   2.0       中国  2024-01-12
24  25         志愿军:雄兵出击   战争    1047    96  55.0       中国  2023-09-28

年度首周票房

接口: movie_boxoffice_yearly_first_week

目标地址: https://www.endata.com.cn/BoxOffice/BO/Year/firstWeek.html

描述: 指定日期所在年度的年度首周票房数据

限量: 指定日期所在年度的年度首周票房数据, 只能获取最近年度的数据

输入参数

名称 类型 描述
date str date="20201018"; 输入具体的日期即可

输出参数

名称 类型 描述
排序 int64 票房排名
影片名称 object -
类型 object -
首周票房 int64 注意单位: 万
占总票房比重 int64 注意单位: %
场均人次 int64 -
国家及地区 object -
上映日期 object -
首周天数 int64 -

接口示例

import akshare as ak

movie_boxoffice_yearly_first_week_df = ak.movie_boxoffice_yearly_first_week(date="20201018")
print(movie_boxoffice_yearly_first_week_df)

数据示例

   排序                 影片名称  类型  首周票房  占总票房比重  场均人次  国家及地区        上映日期  首周天数
0   1                 鲨海逃生  灾难  2473      52     5  美国/英国  2020-01-10     3
1   2  紫罗兰永恒花园外传:永远与自动手记人偶  剧情  2342      48     6     日本  2020-01-10     3
2   3                动物特工局  动画  1489      33     6  中国/法国  2020-01-11     2
3   4                 为家而战  动作  1364      79     3  美国/英国  2020-01-10     3
4   5                   灭绝  科幻   997      62    10     美国  2020-01-18     2
5   6                 别告诉她  剧情   205      50     5  美国/中国  2020-01-10     3
6   7                 致敬英雄  剧情   199      54     6     中国  2020-01-10     3
7   8                格萨尔藏戏  剧情     0       0     1     中国  2020-08-21  -186

影院票房-日票房排行

接口: movie_boxoffice_cinema_daily

目标地址: https://www.endata.com.cn/BoxOffice/BO/Cinema/day.html

描述: 指定日期的每日各影院的票房数据

限量: 指定日期各影院的票房数据, 注意当前日期的数据需要第二日才可以获取

输入参数

名称 类型 描述
date str date="20240219"; 输入具体的日期即可

输出参数

名称 类型 描述
排序 int64 票房排名
影院名称 object -
单日票房 float64 注意单位: 元
单日场次 int64 -
场均人次 float64 -
场均票价 float64 -
上座率 float64 注意单位: %

接口示例

import akshare as ak

movie_boxoffice_cinema_daily_df = ak.movie_boxoffice_cinema_daily(date="20240219")
print(movie_boxoffice_cinema_daily_df)

数据示例

     排序            影院名称       单日票房  单日场次   场均人次    场均票价    上座率
0     1       廊坊市橙天国际影城  381255.31    46  56.61  146.41  42.69
1     2       阜阳颍州万达广场店  254175.95    72  68.56   51.49  34.26
2     3       庆阳市M3电影城堡  234791.42    49  85.02   56.36  61.32
3     4  北京耀莱成龙影城(五棵松店)  231814.17   107  41.48   52.23  22.59
4     5     厦门万达影城SM广场店  218179.01    84  51.15   50.77  28.54
..  ...             ...        ...   ...    ...     ...    ...
95   96      长垣县艾影汇国际影城  127034.18    54  43.65   53.90  34.51
96   97       呼和浩特万达广场店  126514.62    58  41.71   52.30  24.82
97   98       西安高新万达广场店  126260.37   109  21.03   55.09  17.56
98   99  阜阳市星轶影城(吾悦广场店)  126209.61    34  61.76   60.10  38.07
99  100     中影国际影城燕郊永旺店  126176.63    52  46.17   52.55  23.97
[100 rows x 7 columns]

影院票房-周票房排行

接口: movie_boxoffice_cinema_weekly

目标地址: https://www.endata.com.cn/BoxOffice/BO/Cinema/week.html

描述: 指定日期的完整周各影院的票房数据

限量: 指定日期的完整周各影院的票房数据, 注意当前日期的数据只能返回上周的数据

输入参数

名称 类型 描述
date str date="20240219"; 输入具体的日期即可

输出参数

名称 类型 描述
排序 int64 票房排名
影院名称 object -
当周票房 float64 注意单位: 万
单银幕票房 float64 注意单位: 元
场均人次 float64 -
单日单厅票房 float64 -
单日单厅场次 float64 -

接口示例

import akshare as ak

movie_boxoffice_cinema_weekly_df = ak.movie_boxoffice_cinema_weekly(date="20240219")
print(movie_boxoffice_cinema_weekly_df)

数据示例

     排序     影院名称   当周票房   单银幕票房   场均人次  单日单厅票房  单日单厅场次
0     1      鄢陵奥斯卡国际影城  672.0  112.00   4.00   22.40    0.20
1     2      睢县奥斯卡天空影城  528.0  528.00  22.00   88.00    0.17
2     3         台山天悦影城  489.3   69.90   1.00   13.98    0.20
3     4  东莞中影南方国际影城地王店  462.0   33.00   1.00    9.43    0.29
4     5      三明永安华夏大剧院  454.0   75.67   1.67   15.13    0.20
..  ...            ...    ...     ...    ...     ...     ...
95   96  乳源瑶族自治县华景汇聚影城    0.0    0.00   0.00    0.00    0.20
96   97      来宾金秀县秀河影院    0.0    0.00   0.00    0.00    1.00
97   98        灵川县大唐影院    0.0    0.00   0.00    0.00    0.33
98   99      闽清县六都国际影城    0.0    0.00   0.00    0.00    0.33
99  100         建瓯市电影院    0.0    0.00   0.00    0.00    0.25
[100 rows x 7 columns]

视频播映

电视剧集

接口: video_tv

目标地址: https://www.endata.com.cn/Video/index.html

描述: 艺恩-视频放映-电视剧集

限量: 返回前一日的电视剧播映数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
排序 int64 -
名称 object -
类型 object -
播映指数 float64 -
媒体热度 float64 -
用户热度 float64 -
好评度 float64 -
观看度 float64 -
统计日期 float64 -

接口示例

import akshare as ak

video_tv_df = ak.video_tv()
print(video_tv_df)

数据示例

   排序    名称     类型   播映指数   媒体热度  用户热度 好评度  观看度     统计日期
0   1    在暴雪时分  爱情/都市  79.44  74.46  75.72  68.00  80.43  2024-02-18
1   2     南来北往     爱情  78.67  76.24  75.63  53.39  83.90  2024-02-18
2   3     烟火人家  剧情/爱情  72.98  72.04  71.43  52.47  74.73  2024-02-18
3   4      莲花楼     古装  72.84  68.92  76.22  85.00  56.97  2024-02-18
4   5       繁花  剧情/爱情  72.40  75.92  65.39  86.00  63.16  2024-02-18
5   6     一念关山     古装  69.52  60.02  79.51  64.00  57.42  2024-02-18
6   7     要久久爱     剧情  69.45  63.88  71.14  72.00  60.50  2024-02-18
7   8   长相思第一季  爱情/奇幻  68.41  62.20  67.88  78.00  59.09  2024-02-18
8   9   乡村爱情16  喜剧/乡村  67.16  65.22  62.70  52.07  70.66  2024-02-18
9  10  繁花[沪语版]     剧情  66.96  75.93  65.39  51.32  63.16  2024-02-18

综艺节目

接口: video_variety_show

目标地址: https://www.endata.com.cn/Video/index.html

描述: 艺恩-视频放映-综艺节目

限量: 返回前一日的综艺播映数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
排序 int64 -
名称 object -
类型 object -
播映指数 float64 -
媒体热度 float64 -
用户热度 float64 -
好评度 float64 -
观看度 float64 -
统计日期 float64 -

接口示例

import akshare as ak

video_variety_show_df = ak.video_variety_show()
print(video_variety_show_df)

数据示例

   排序         名称      类型   播映指数   媒体热度   用户热度    好评度  观看度    统计日期
0   1         声生不息家年华     真人秀  81.62  73.82  94.64  68.00  67.75  2024-02-18
1   2       你好星期六2024     真人秀  71.46  66.35  78.16  51.66  66.63  2024-02-18
2   3  声生不息·家年华 舞台纯享版  真人秀/衍生  71.35  73.82  94.64  49.75  47.48  2024-02-18
3   4          奔跑吧第七季     真人秀  70.35  73.40  73.98  72.00  56.05  2024-02-18
4   5        名侦探学院第七季     真人秀  64.80  73.86  68.72  50.51  55.14  2024-02-18
5   6     花儿与少年丝路季第五季     真人秀  63.89  64.07  65.74  91.00  42.49  2024-02-18
6   7         极限挑战第九季     真人秀  63.42  70.93  71.96  54.00  47.89  2024-02-18
7   8             毛雪汪     真人秀  62.93  41.64  65.67  74.00  56.81  2024-02-18
8   9        王牌对王牌第八季     真人秀  62.48  63.42  64.12  53.00  56.81  2024-02-18
9  10      极限挑战宝藏行第四季     真人秀  62.34  56.96  67.96  50.64  56.37  2024-02-18

艺人

艺人商业价值

接口: business_value_artist

目标地址: https://www.endata.com.cn/Marketing/Artist/business.html

描述: 艺恩-艺人-艺人商业价值

限量: 返回当前的艺人商业价值数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
排名 int64 -
艺人 object -
商业价值 float64 商业价值由专业度,关注度,预测热度加权汇总计算后得出,分值范围0~100,综合反映明星作品、代言表现、近期热度及舆情口碑。
专业热度 float64 艺人专业热度主要表现艺人历史作品及品牌代言的效果情况,参与计算的指标维度包括历史主演电影票房表现,历史主演视频节目播映热度,电影作品豆瓣评分,作品相关微博内容评论正负向,历史代言品牌数量,品牌热度,艺人获奖数量。
关注热度 float64 艺人关注热度主要表现艺人网络中的舆情声量,参与计算的指标维度包括百度搜索指数,百度新闻数量,今日头条新闻数,微博转发量,微博评论量,微博点赞量,微博粉丝数量,贴吧关注数量,微博话题数量。
预测热度 float64 预测热度的数值反映明星的未来发展潜力,包括粉丝增长规模,作品口碑以及未来作品预测。
美誉度 float64 根据艺人近三年参演电影、视频作品在豆瓣等平台的评分、微博正向评价,以及微博好评率等指标综合加权得出。
统计日期 object -

接口示例

import akshare as ak

business_value_artist_df = ak.business_value_artist()
print(business_value_artist_df)

数据示例

     排名  艺人 商业价值 专业热度 关注热 预测热度  美誉度     统计日期
0     1    杨幂  88.90  88.80  78.47  78.36  63.00  2021-11-16
1     2   朱一龙  85.09  92.40  71.17  13.76  72.00  2021-11-16
2     3  易烊千玺  84.65  85.73  75.19  57.26  65.67  2021-11-16
3     4   黄晓明  82.81  88.81  66.14  48.59  59.00  2021-11-16
4     5    刘涛  82.62  83.44  71.61  71.27  49.33  2021-11-16
..  ...   ...    ...    ...    ...    ...    ...         ...
95   96   张涵予  72.06  74.19  63.89  34.97  58.67  2021-11-16
96   97   胡一天  72.02  73.85  59.71  67.64  53.33  2021-11-16
97   98    徐峥  71.95  72.16  61.45  74.32  79.67  2021-11-16
98   99    魏晨  71.91  75.15  63.19  25.54  73.00  2021-11-16
99  100   钟楚曦  71.87  72.61  63.14  55.64  44.00  2021-11-16

艺人流量价值

接口: online_value_artist

目标地址: https://www.endata.com.cn/Marketing/Artist/business.html

描述: 艺恩-艺人-艺人流量价值

限量: 返回当前的艺人流量价值数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
排名 int64 -
艺人 object -
流量价值 float64 流量价值由专业度,关注度,预测热度,带货力加权汇总计算后得出,分值范围0~100,在商业价值的基础上增加了明星近期热度及带货力的权重。
专业热度 float64 艺人专业热度主要表现艺人历史作品及品牌代言的效果情况,参与计算的指标维度包括历史主演电影票房表现,历史主演视频节目播映热度,电影作品豆瓣评分,作品相关微博内容评论正负向,历史代言品牌数量,品牌热度,艺人获奖数量。
关注热度 float64 艺人关注热度主要表现艺人网络中的舆情声量,参与计算的指标维度包括百度搜索指数,百度新闻数量,今日头条新闻数,微博转发量,微博评论量,微博点赞量,微博粉丝数量,贴吧关注数量,微博话题数量。
预测热度 float64 预测热度的数值反映明星的未来发展潜力,包括粉丝增长规模,作品口碑以及未来作品预测。
带货力 float64 带货力的数值代表艺人的带货号召力,包括艺人的铁杆粉丝规模,超话粉丝规模。
统计日期 object -

接口示例

import akshare as ak

online_value_artist_df = ak.online_value_artist()
print(online_value_artist_df)

数据示例

     排名  艺人 流量价值 专业热度 关注热度 预测热度 带货力    统计日期
0     1   杨紫  85.47  74.30  76.06  97.80  83.95  2021-11-16
1     2   杨幂  85.15  88.80  78.47  78.36  89.24  2021-11-16
2     3  王一博  82.18  81.34  71.35  87.57  94.60  2021-11-16
3     4   龚俊  80.94  70.46  72.67  87.62  88.60  2021-11-16
4     5  陈伟霆  79.42  80.35  74.84  73.49  77.83  2021-11-16
..  ...  ...    ...    ...    ...    ...    ...         ...
95   96  佟丽娅  67.11  81.30  60.15  57.87  73.44  2021-11-16
96   97  郭麒麟  67.09  81.95  62.45  44.96  76.56  2021-11-16
97   98   杨迪  67.06  65.26  63.42  55.52  73.07  2021-11-16
98   99  钟楚曦  67.03  72.61  63.14  55.64  68.99  2021-11-16
99  100  张子枫  67.02  74.36  65.76  41.24  71.71  2021-11-16

生活成本

接口: cost_living

目标地址: https://expatistan.com/cost-of-living/index

描述: 世界各大城市生活成本数据

限量: 返回当前时点所有数据

输入参数

名称 类型 描述
symbol str symbol="world", 默认, 返回所有城市数据, 其他城市请查看 城市一览表

城市一览表

名称 类型
europe 欧洲
north-america 北美洲
latin-america 拉丁美洲
asia 亚洲
middle-east 中东
africa 非洲
oceania 大洋洲
world 默认全球所有城市

输出参数

名称 类型 描述
rank object 排名
city object 城市名称
index int64 价格指数

接口示例

import akshare as ak

cost_living_df = ak.cost_living(symbol="world")
print(cost_living_df)

数据示例

      rank                             city  index
0      1st          London (United Kingdom)    220
1      2nd             Zurich (Switzerland)    217
2      3rd    Grand Cayman (Cayman Islands)    216
3      4th    New York City (United States)    213
4      5th             Geneva (Switzerland)    208
..     ...                              ...    ...
191  192nd                  Nairobi (Kenya)     49
192  193rd  Zenica (Bosnia and Herzegovina)     49
193  194th                    Delhi (India)     46
194  195th                     Pune (India)     46
195  196th           Yogyakarta (Indonesia)     37
[196 rows x 3 columns]

微博舆情报告

接口: stock_js_weibo_report

目标地址: https://datacenter.jin10.com/market

描述: 微博舆情报告中近期受关注的股票

限量: 单次返回指定时间内微博舆情报告中近期受关注的股票

输入参数

名称 类型 描述
time_period str time_period="CNHOUR12"; 详见下表time_period参数一览表, 可通过调用 stock_js_weibo_nlp_time 获取

time_period 参数一览表

参数 说明
CNHOUR2 2小时
CNHOUR6 6小时
CNHOUR12 12小时
CNHOUR24 1天
CNDAY7 1周
CNDAY30 1月

输出参数

名称 类型 描述
name str 股票名称
rate str 人气排行指数

接口示例

import akshare as ak

stock_js_weibo_report_df = ak.stock_js_weibo_report(time_period="CNHOUR12")
print(stock_js_weibo_report_df)

数据示例

    name   rate
0   黄河旋风   9.86
1   东方财富   6.91
2   海王生物  10.09
3   秀强股份   4.56
4   江淮汽车  10.08
5    欧菲光  10.00
6   中兴通讯   9.98
7   鲁抗医药   9.97
8   海陆重工  10.07
9   中通客车   9.75
10  华天科技  10.02
11  亚星客车   7.70
12  中国平安  -0.66
13  新日恒力   9.98
14   同花顺  -0.90
15  赣锋锂业  10.00
16  北玻股份  10.09
17   比亚迪   7.02
18  沪电股份  10.00
19   太平洋   9.92
20  深康佳A  -8.02
21  天齐锂业   9.34
22  泰达股份   9.99
23  中信证券   0.68
24  欣龙控股  10.00
25  均胜电子  10.00
26   安居宝   9.98
27  联环药业  10.00
28  乾照光电   2.93
29  山东黄金  -3.38
30  国海证券   7.20
31  永鼎股份  10.00
32   漫步者  -4.51
33  江苏吴中  10.03
34  国农科技  10.00
35  中环股份   9.98
36  阳普医疗  10.01
37   新宙邦   8.91
38  兴森科技   9.98
39  南大光电   7.46
40  四环生物   9.98
41  海特高新  10.01
42  光环新网   7.97
43  晶方科技  -2.73
44  铜峰电子  10.04
45  华力创通  10.00
46  复星医药   9.41
47  力帆股份  10.14
48  永太科技   9.65
49  四维图新   8.76

彭博亿万富豪指数

彭博实时亿万富豪指数

接口: index_bloomberg_billionaires

目标地址: https://www.bloomberg.com/billionaires/

描述: 彭博亿万富豪指数, 全球前 500 名; 该接口需要使用代理访问

限量: 单次返回所有数据彭博亿万富豪排名数据

输入参数

名称 类型 描述
- - -

输出参数

名称 类型 描述
rank str Rank
name str Name
total_net_worth str Total net worth
last_change str $ Last change
YTD_change str $ YTD change
country str Country
industry str Industry

接口示例

import akshare as ak

index_bloomberg_billionaires_df = ak.index_bloomberg_billionaires()
print(index_bloomberg_billionaires_df)

数据示例

    rank                        name  ...             country     industry
0      1                  Jeff Bezos  ...       United States   Technology
1      2                  Bill Gates  ...       United States   Technology
2      3             Mark Zuckerberg  ...       United States   Technology
3      4             Bernard Arnault  ...              France     Consumer
4      5               Steve Ballmer  ...       United States   Technology
..   ...                         ...  ...                 ...          ...
494  496                 Ira Rennert  ...       United States  Commodities
495  497  Traudl Engelhorn-Vechiatto  ...         Switzerland  Diversified
496  498            Sergey Galitskiy  ...  Russian Federation       Retail
497  499                  Xu Jingren  ...               China  Health Care
498  500                Shi Yonghong  ...           Singapore     Consumer

历史彭博亿万富豪指数

接口: index_bloomberg_billionaires_hist

目标地址: https://stats.areppim.com/stats/links_billionairexlists.htm

描述: 按照年份查询彭博亿万富豪指数; 该接口需要使用代理访问

限量: 单次返回当年所有数据彭博亿万富豪排名数据

输入参数

名称 类型 描述
year str year="2021"; choice of {"2021", "2019", "2018", ...}

输出参数

名称 类型 描述
rank str Rank
name str Name
total_net_worth str Total net worth
last_change str $ Last change
YTD_change str $ YTD change
country str Country
industry str Industry
age str Age

接口示例

import akshare as ak

index_bloomberg_billionaires_hist_df=ak.index_bloomberg_billionaires_hist(year='2019')
print(index_bloomberg_billionaires_hist_df)

数据示例

    rank                        name  ...             country     industry
0      1                  Jeff Bezos  ...       United States   Technology
1      2                  Bill Gates  ...       United States   Technology
2      3             Mark Zuckerberg  ...       United States   Technology
3      4             Bernard Arnault  ...              France     Consumer
4      5               Steve Ballmer  ...       United States   Technology
..   ...                         ...  ...                 ...          ...
494  496                 Ira Rennert  ...       United States  Commodities
495  497  Traudl Engelhorn-Vechiatto  ...         Switzerland  Diversified
496  498            Sergey Galitskiy  ...  Russian Federation       Retail
497  499                  Xu Jingren  ...               China  Health Care
498  500                Shi Yonghong  ...           Singapore     Consumer