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
冬奥会历届奖牌榜
接口: sport_olympic_winter_hist
目标地址: https://m.sports.qq.com/g/sv3/winter-oly22/winter-olympic-rank.htm?type=0
描述: 腾讯运动-冬奥会-历届奖牌榜
限量: 单次返回 1924-2018 年度的冬奥会历届奖牌榜数据
输入参数
名称 | 类型 | 描述 |
---|---|---|
- | - | - |
输出参数-品牌
名称 | 类型 | 描述 |
---|---|---|
序号 | int64 | - |
举办年份 | object | - |
届数 | object | - |
举办地点 | object | - |
国家及地区 | object | - |
金牌数 | int64 | - |
总奖牌数 | int64 | - |
接口示例
import akshare as ak
sport_olympic_winter_hist_df = ak.sport_olympic_winter_hist()
print(sport_olympic_winter_hist_df)
数据示例
序号 举办年份 届数 举办地点 国家及地区 金牌数 总奖牌数
0 1 2018 23 平昌 挪威 14 39
1 2 2018 23 平昌 德国 14 31
2 3 2018 23 平昌 加拿大 11 29
3 4 2018 23 平昌 美国 9 23
4 5 2018 23 平昌 荷兰 8 20
.. ... ... .. ... ... ... ...
404 405 1924 1 霞慕尼 英国 1 4
405 406 1924 1 霞慕尼 瑞典 1 2
406 407 1924 1 霞慕尼 加拿大 1 1
407 408 1924 1 霞慕尼 法国 0 3
408 409 1924 1 霞慕尼 比利时 0 1
汽车销量排行
乘联会-新能源细分市场
接口: car_energy_sale_cpca
目标地址: http://data.cpcaauto.com/FuelMarket
描述: 乘联会-新能源细分市场汽车销量数据
限量: 单次返回本年度和上年度月份的销量数据
输入参数
名称 | 类型 | 描述 |
---|---|---|
- | - | - |
输出参数-品牌
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_energy_sale_cpca_df = ak.car_energy_sale_cpca()
print(car_energy_sale_cpca_df)
数据示例
月份 2022年 2023年
0 1月 35.2329 33.1542
1 2月 27.2624 43.9068
2 3月 44.4656 54.6472
3 4月 28.2490 52.4730
4 5月 35.9503 57.9938
5 6月 53.1478 NaN
6 7月 48.6048 NaN
7 8月 52.9566 NaN
8 9月 61.0855 NaN
9 10月 55.4664 NaN
10 11月 59.8107 NaN
11 12月 64.0064 NaN
盖世研究院
接口: car_gasgoo_sale_rank
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_gasgoo_sale_rank_df = ak.car_gasgoo_sale_rank(symbol="品牌榜", date="202311")
print(car_gasgoo_sale_rank_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_gasgoo_sale_rank_df = ak.car_gasgoo_sale_rank(symbol="车型榜", date="202311")
print(car_gasgoo_sale_rank_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_gasgoo_sale_rank_df = ak.car_gasgoo_sale_rank(symbol="车企榜", date="202311")
print(car_gasgoo_sale_rank_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/?spm=C52056131267.P4y8I53JvSWE.0.0
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="20210708"; 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="20210708")
print(news_cctv_df)
数据示例
date ... content
0 20210708 ... 7月8日,国家主席习近平向南南合作援助基金和南南合作与发展学院成立5周年致贺信。习近平指出,...
1 20210708 ... 国家主席习近平8日就俄罗斯客机坠毁事件向俄罗斯总统普京致慰问电。习近平在慰问电中表示,惊悉贵...
2 20210708 ... 习近平总书记在庆祝中国共产党成立100周年大会上的重要讲话,在各民主党派、工商联和无党派人士...
3 20210708 ... 经中央军委批准,中央军委办公厅发出通知,对全军学习宣传贯彻习主席在庆祝中国共产党成立100周...
4 20210708 ... 今天(7月8日)出版的人民日报发表评论员文章,题目是《新征程上,必须坚持和发展中国特色社会主...
5 20210708 ... 绿水青山就是金山银山。浙江淳安县的下姜村是千岛湖库区深处的一个偏远小山村,山高路远、人多地少...
6 20210708 ... 今天(7月8日)的《“七一勋章”获得者》为您介绍一生坚持歌颂党、歌颂祖国、歌颂人民的作曲家吕...
7 20210708 ... 今天(7月8日)上午,国务院新闻办公室举行政策例行吹风会。中国人民银行副行长范一飞在会上表示...
8 20210708 ... 国务院新闻办公室今天(7月8日)举行国务院政策例行吹风会,介绍2021年深化医药卫生体制改革...
9 20210708 ... 庆祝中国共产党成立100周年文艺演出《伟大征程》以大型情景史诗形式呈现,新时代的艺术家们综合...
10 20210708 ... 今天(7月8日),驻香港部队展览中心建成开放启动仪式在昂船洲军营举行。驻香港部队展览中心位于...
11 20210708 ... 2020年度媒体社会责任报告近日正式对外发布,人民日报、新华社、中央广播电视总台等百余家媒体...
12 20210708 ... 国家卫生健康委今天(7月8日)通报,7月7日0—24时,31个省(自治区、直辖市)和新疆生产...
13 20210708 ... 2020年度中央本级“三公”经费支出再降今天(7月8日),中央各部门陆续公开2020年度部门...
14 20210708 ... 在中国共产党百年华诞之际,多国政党政府领导人等继续致电致函习近平总书记和中共中央,热烈祝贺中...
15 20210708 ... 世卫组织总干事谭德塞7日表示,全球新冠肺炎疫情正处于危险境地,记录在案的死亡病例已经超过40...
16 20210708 ... 日本7日报告新增2191例新冠肺炎确诊病例,为近四周以来首次超过2000例,累计确诊病例达8...
17 20210708 ... 俄罗斯战机阻止美军巡逻机非法进入领空俄罗斯国防部7日证实,俄军两架苏-30战机6日阻止一架巡...
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="20190801" |
city | str | city="北京"; 注意输入的格式, e.g., "北京", "上海" |
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="20230220", city="北京")
print(sunrise_daily_df)
数据示例
date feb Sunrise ... End.2 Time Mil. km
0 2023-02-20 20 07:01 ↑ (104°) ... 18:22 12:28 (39,1°) 147903
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="20190801" |
city | str | city="北京" |
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="20230220", city="北京")
print(sunrise_monthly_df)
数据示例
date feb Sunrise ... End.2 Time Mil. km
0 202302 1 07:23 ↑ (112°) ... 18:01 12:27 (32,9°) 147394
1 202302 2 07:22 ↑ (112°) ... 18:02 12:28 (33,2°) 147414
2 202302 3 07:21 ↑ (111°) ... 18:03 12:28 (33,5°) 147435
3 202302 4 07:20 ↑ (111°) ... 18:04 12:28 (33,8°) 147457
4 202302 5 07:19 ↑ (110°) ... 18:06 12:28 (34,1°) 147479
5 202302 6 07:18 ↑ (110°) ... 18:07 12:28 (34,4°) 147503
6 202302 7 07:17 ↑ (110°) ... 18:08 12:28 (34,7°) 147527
7 202302 8 07:16 ↑ (109°) ... 18:09 12:28 (35,0°) 147552
8 202302 9 07:15 ↑ (109°) ... 18:10 12:28 (35,3°) 147578
9 202302 10 07:14 ↑ (108°) ... 18:11 12:28 (35,7°) 147605
10 202302 11 07:12 ↑ (108°) ... 18:12 12:28 (36,0°) 147632
11 202302 12 07:11 ↑ (107°) ... 18:13 12:28 (36,3°) 147660
12 202302 13 07:10 ↑ (107°) ... 18:15 12:28 (36,6°) 147689
13 202302 14 07:09 ↑ (107°) ... 18:16 12:28 (37,0°) 147718
14 202302 15 07:08 ↑ (106°) ... 18:17 12:28 (37,3°) 147748
15 202302 16 07:06 ↑ (106°) ... 18:18 12:28 (37,7°) 147778
16 202302 17 07:05 ↑ (105°) ... 18:19 12:28 (38,0°) 147809
17 202302 18 07:04 ↑ (105°) ... 18:20 12:28 (38,4°) 147840
18 202302 19 07:02 ↑ (104°) ... 18:21 12:28 (38,7°) 147871
19 202302 20 07:01 ↑ (104°) ... 18:22 12:28 (39,1°) 147903
20 202302 21 07:00 ↑ (103°) ... 18:23 12:28 (39,4°) 147935
21 202302 22 06:58 ↑ (103°) ... 18:25 12:27 (39,8°) 147967
22 202302 23 06:57 ↑ (102°) ... 18:26 12:27 (40,2°) 147999
23 202302 24 06:56 ↑ (102°) ... 18:27 12:27 (40,5°) 148032
24 202302 25 06:54 ↑ (101°) ... 18:28 12:27 (40,9°) 148065
25 202302 26 06:53 ↑ (101°) ... 18:29 12:27 (41,3°) 148099
26 202302 27 06:51 ↑ (100°) ... 18:30 12:27 (41,6°) 148133
27 202302 28 06:50 ↑ (100°) ... 18:31 12:27 (42,0°) 148167
空气质量-河北
近期空气质量
接口: air_quality_hebei
目标地址: http://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
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。
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。
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。
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。
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。
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 优-良
2 定州市 2021-12-13 PM2.5,NO2 80 110 良-轻度
3 定州市 2021-12-14 PM2.5,NO2 95 125 良-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 良
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 优 19 ug/m3 NaN
164 165 广东 东莞 39.0 优 20 ug/m3 NaN
165 166 广东 深圳 38.0 优 21 ug/m3 NaN
166 167 广东 珠海 34.0 优 17 ug/m3 NaN
167 168 海南 海口 32.0 优 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_date 和 end_date 跨度不宜过长 |
end_date | str | end_date="20200427"; 注意 start_date 和 end_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 晴
68 2020-04-27 20:00:00 66 47 82 ... 25 2 西南风 晴
69 2020-04-27 21:00:00 67 46 84 ... 30 2 西南风 晴
70 2020-04-27 22:00:00 68 42 86 ... 28 3 西南风 晴
71 2020-04-27 23:00:00 69 43 87 ... 32 2 西南风 晴
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 良 55 ug/m3 O3
.. ... .. .. ... ... ... ...
164 164.0 广东 珠海 34.0 优 16 ug/m3 NaN
165 165.0 江苏 南通 34.0 优 23 ug/m3 NaN
166 166.0 浙江 舟山 30.0 优 11 ug/m3 NaN
167 167.0 四川 雅安 30.0 优 13 ug/m3 NaN
168 168.0 西藏 拉萨 29.0 优 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 优 29 ug/m3 NaN
165 165.0 黑龙江 哈尔滨 43.0 优 30 ug/m3 NaN
166 166.0 广东 惠州 43.0 优 30 ug/m3 NaN
167 167.0 新疆 乌鲁木齐 32.0 优 17 ug/m3 NaN
168 168.0 海南 海口 29.0 优 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 | 必选 | 描述 |
---|---|---|---|
city | str | Y | city="杭州"; 调用 air_city_table 接口获取所有城市列表 |
start_date | str | Y | start_date="2018-01-01" |
end_date | str | Y | end_date="2020-04-27" |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
pointname | str | Y | 监测点名称 |
aqi | float | Y | AQI |
pm2_5 | float | Y | PM2.5 |
pm10 | float | Y | PM10 |
no2 | float | Y | NO2 |
so2 | float | Y | SO2 |
o3 | float | Y | O3 |
co | float | Y | 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]
财富排行榜-英文
接口: fortune_rank_eng
目标地址: https://fortune.com/global500/
描述: 指定年份财富世界 500 强公司排行榜-英文版本, 从 1995 年开始, 数据和格式较中文版本完整
限量: 单次返回某一个年份的所有历史数据, 早期数据可能不足 500 家公司
输入参数
名称 | 类型 | 描述 |
---|---|---|
year | str | year="2022"; 指定年份 |
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_eng_df = ak.fortune_rank_eng(year="2022")
print(fortune_rank_eng_df)
数据示例
rank fg500_revenues ... non-us-cos-y-n title
0 1 572754 ... no Walmart
1 2 469822 ... no Amazon
2 3 460616.9 ... yes State Grid
3 4 411692.9 ... yes China National Petroleum
4 5 401313.5 ... yes Sinopec Group
.. ... ... ... ... ...
495 496 28987.6 ... yes DSV
496 497 28945 ... yes ABB
497 498 28720 ... no Mondelez International
498 499 28708.2 ... yes Danone
499 500 28649.5 ... yes Umicore
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://www.endata.com.cn/BoxOffice/BO/RealTime/reTimeBO.html
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]
新经济公司
倒闭公司
接口: death_company
目标地址: https://www.itjuzi.com/deathCompany
描述: 新经济死亡公司数据库, 该数据未更新
限量: 返回所有历史数据, 该数据未更新
输入参数
名称 | 类型 | 描述 |
---|---|---|
- | - | - |
输出参数
名称 | 类型 | 描述 |
---|---|---|
公司简称 | object | - |
成立时间 | object | - |
关闭时间 | object | - |
存活天数 | int64 | - |
融资规模 | float64 | 注意单位: 万元 |
行业 | object | - |
地点 | object | - |
接口示例
import akshare as ak
death_company_df = ak.death_company()
print(death_company_df)
数据示例
公司简称 成立时间 关闭时间 存活天数 融资规模 行业 地点
0 有赚投 2016-08-01 2019-03-25 966 NaN 金融 上海
1 京宁征信 2015-11-01 2019-03-25 1240 NaN 金融 北京
2 闪修360 2014-08-01 2019-03-25 1697 NaN 本地生活 北京
3 傲世之剑 2014-03-01 2019-03-25 1850 300.0 游戏 广东
4 DuckChat 2018-01-01 2019-03-25 448 NaN 工具软件 北京
... ... ... ... ... ... ..
19232 爱创意 2013-11-01 2019-03-26 1971 NaN 企业服务 北京
19233 CallChain 2018-04-01 2019-03-26 359 NaN 区块链 北京
19234 小书包 2016-02-01 2019-03-26 1149 NaN 教育 北京
19235 利物盛LEVSON 2011-11-01 2019-03-25 2701 NaN 工具软件 上海
19236 洋糖铺 2015-04-01 2019-03-25 1454 NaN 电子商务 北京
独角兽公司
接口: nicorn_company
目标地址: https://www.itjuzi.com/unicorn
描述: 获取独角兽公司数据库, 该数据未更新
限量: 返回所有历史数据, 该数据未更新
输入参数
名称 | 类型 | 描述 |
---|---|---|
- | - | - |
输出参数
名称 | 类型 | 描述 |
---|---|---|
序号 | int32 | - |
公司 | object | - |
地区 | object | - |
行业 | object | - |
子行业 | object | - |
接口示例
import akshare as ak
nicorn_company_df = ak.nicorn_company()
print(nicorn_company_df)
数据示例
序号 公司 地区 行业 子行业
0 1 蚂蚁金服 浙江 金融 金融综合服务
1 2 字节跳动 北京 文娱传媒 媒体及阅读
2 3 阿里云 浙江 企业服务 IT基础设施
3 4 滴滴 北京 汽车交通 交通出行
4 5 陆金所 上海 金融 理财
.. ... ... .. ... ...
235 236 听云 北京 企业服务 NaN
236 237 能力风暴 上海 智能硬件 NaN
237 238 极飞科技 广东 智能硬件 NaN
238 239 上海细胞 上海 医疗健康 NaN
239 240 编程猫 广东 教育 NaN
千里马公司
接口: maxima_company
目标地址: https://www.itjuzi.com/chollima
描述: 获取千里马公司数据库, 该数据未更新
限量: 返回所有历史数据, 该数据未更新
输入参数
名称 | 类型 | 描述 |
---|---|---|
- | - | - - |
输出参数
名称 | 类型 | 描述 |
---|---|---|
序号 | int32 | - |
公司 | object | - |
行业 | object | - |
地区 | object | - |
接口示例
import akshare as ak
maxima_company_df = ak.maxima_company()
print(maxima_company_df)
数据示例
序号 公司 行业 地区
0 1 震坤行工业超市 电子商务 上海
1 2 能力风暴 硬件 上海
2 3 达令 电子商务 北京
3 4 奈雪的茶 本地生活 广东
4 5 车置宝 汽车交通 江苏
.. ... ... ... ..
657 658 听云 企业服务 北京
658 659 能力风暴 智能硬件 上海
659 660 极飞科技 智能硬件 广东
660 661 上海细胞 医疗健康 上海
661 662 编程猫 教育 广东
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