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_cpca_energy_sale
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_cpca_energy_sale_df = ak.car_cpca_energy_sale()
print(car_cpca_energy_sale_df)
数据示例
月份 2020年 2021年
0 1月 4.1478 15.5388
1 2月 1.2431 9.7059
2 3月 5.4619 18.5328
3 4月 5.5870 16.1418
4 5月 6.7363 NaN
5 6月 8.3278 NaN
6 7月 8.2568 NaN
7 8月 9.3297 NaN
8 9月 11.0416 NaN
9 10月 13.3145 NaN
10 11月 17.0363 NaN
11 12月 20.7870 NaN
盖世研究院
接口: car_gasgoo_sale_rank
目标地址: http://i.gasgoo.com/data/ranking
描述: 获取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 | 必选 | 描述 |
|---|---|---|---|
| symbol | str | Y | symbol="车型榜"; choice of {"车企榜", "品牌榜", "车型榜"} |
| date | str | Y | date="202104"; 指定到月份即可 |
输出参数-品牌
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 品牌 | object | Y | - |
| {当前年份}-{当前月份} | int64 | Y | - |
| {当前月份}月同比 | object | Y | 注意单位: % |
| {当前月份}月环比 | object | Y | 注意单位: % |
| {年份}-1到{当前年份} | int64 | Y | - |
| {前一年年份}-1到{当前年份} | float64 | Y | - |
| {前二年年份}-1到{当前年份} | float64 | Y | - |
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="202104")
print(car_gasgoo_sale_rank_df)
数据示例-品牌
品牌 2021-4 4月同比 4月环比 2021-1到4 2020-1到4 2019-1到4
0 大众 167003 -17.83% -77.05% 727682 563487.0 950078.0
1 本田 151469 5.46% -71.57% 532846 320320.0 489119.0
2 丰田 133227 -0.86% -75.69% 548035 378029.0 449820.0
3 长安 88518 53.49% -77.62% 395576 196404.0 256050.0
4 日产 86226 3.67% -74.26% 334951 234546.0 347930.0
5 吉利 80435 -15.45% -77.51% 357607 282026.0 431447.0
6 奥迪 68008 22.26% -73.72% 258792 152372.0 170437.0
7 奔驰 62884 19.08% -73.55% 237720 166933.0 197235.0
8 宝马 59176 5.89% -74.95% 236226 154547.0 180145.0
9 五菱 57068 211.05% -73.08% 211956 43427.0 126558.0
10 哈弗 55018 -3.64% -80.19% 277746 163303.0 264482.0
11 奇瑞 53478 116.39% -71.85% 189971 92488.0 124573.0
12 别克 49271 -29.14% -81.86% 271677 169199.0 297769.0
13 比亚迪 44606 43.54% -69.73% 147380 91679.0 152201.0
14 现代 31328 -8.52% -75.46% 127659 100052.0 183101.0
15 荣威 30223 26.1% -71.17% 104841 83866.0 138419.0
16 传祺 26502 40.02% -74.21% 102773 74863.0 114870.0
17 特斯拉 25845 611% -72.84% 95150 17695.0 NaN
18 MG 25440 33.8% -75.92% 105637 63698.0 78008.0
19 红旗 21905 50.87% -76.18% 91965 36874.0 18157.0
20 宝骏 19623 -17.21% -68.85% 62987 80488.0 187736.0
21 领克 19021 87.29% -73.85% 72737 28599.0 38032.0
22 欧尚 18091 69.79% -76.83% 78083 37049.0 7088.0
23 凯迪拉克 17500 16.65% -76.88% 75703 40463.0 72795.0
24 马自达 16227 -13.83% -74.18% 62842 50278.0 68009.0
25 捷达 16023 11.16% -71.5% 56229 47424.0 NaN
26 雪佛兰 13848 -45.64% -79.94% 69018 79528.0 181869.0
27 沃尔沃 13208 5.55% -74.69% 52184 28772.0 32158.0
28 起亚 12530 -46.76% -74.8% 49715 66686.0 105840.0
29 思皓 10648 1064800% -70.72% 36362 0.0 NaN
30 捷途 10399 80.54% -77.35% 45907 27292.0 38189.0
31 福特 10072 -45.09% -82.06% 56153 47802.0 52577.0
32 东风风行 10000 29.23% -75.99% 41655 28285.0 34877.0
33 东风风光 9540 53.6% -75.58% 39072 29549.0 58662.0
34 WEY 9090 49.75% -74.09% 35089 15971.0 33912.0
35 埃安 8305 110.25% -67.95% 25913 11940.0 NaN
36 斯柯达 8300 -1.72% -50% 16600 21055.0 74209.0
37 东风风神 7942 58.78% -69.92% 26399 18096.0 22107.0
38 欧拉 7476 324.77% -80.41% 38159 4445.0 11093.0
39 蔚来 7102 125.1% -73.85% 27162 6993.0 5321.0
40 奔腾 5728 -9.09% -71.79% 20305 25847.0 26067.0
41 启辰 5707 3.22% -69.94% 18986 17087.0 38820.0
42 三菱 5602 12.04% -72% 20006 15672.0 42017.0
43 理想 5539 111.25% -69.43% 18118 5518.0 NaN
44 林肯 5289 528900% -77.7% 23721 NaN NaN
45 小鹏 5147 410.62% -72.16% 18487 2427.0 4655.0
46 标致 4967 63.6% -70.89% 17060 7025.0 25870.0
47 北京 4349 137.52% -72.32% 15711 12153.0 35651.0
48 哪吒 4015 392.64% -64.96% 11458 2534.0 2795.0
49 江淮 3454 -69.56% -76.66% 14797 33771.0 55825.0
输出参数-车型
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 车型 | object | Y | - |
| {当前年份}-{当前月份} | int64 | Y | - |
| {当前月份}月同比 | object | Y | 注意单位: % |
| {当前月份}月环比 | object | Y | 注意单位: % |
| {年份}-1到{当前年份} | int64 | Y | - |
| {前一年年份}-1到{当前年份} | float64 | Y | - |
| {前二年年份}-1到{当前年份} | float64 | Y | - |
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="202104")
print(car_gasgoo_sale_rank_df)
数据示例-车型
车型 2021-4 4月同比 4月环比 2021-1到4 2020-1到4 2019-1到4
0 轩逸 42172 1.69% -74.72% 166818 109181.0 140857.0
1 朗逸 31031 -12.6% -75.71% 127734 99400.0 177588.0
2 宏光MINI EV 29251 2925100% -76.77% 125925 NaN NaN
3 哈弗H6 28019 16.66% -80.12% 140962 75822.0 129938.0
4 卡罗拉 24106 -21.1% -79.76% 119084 83537.0 113574.0
5 本田CR-V 23866 11.87% -75.35% 96839 45669.0 55525.0
6 长安CS75 23750 18.08% -81.74% 130079 68176.0 49308.0
7 五菱宏光 23376 27.41% -59.45% 57650 43427.0 126558.0
8 博越 22007 17.79% -73.06% 81677 60814.0 82401.0
9 思域 21548 -12.25% -60.35% 54341 43877.0 72620.0
10 本田XR-V 20892 34.96% -68.54% 66413 32273.0 49329.0
11 Model 3 20438 462.26% -72.13% 73321 17695.0 NaN
12 雅阁 19113 33.41% -68.39% 60465 37314.0 64297.0
13 宝来 17918 -24.5% -83.38% 107833 79998.0 83262.0
14 宝马3系 17600 19.96% -73.07% 65363 35543.0 54278.0
15 奥迪A6 16410 8.65% -72.25% 59143 40366.0 30526.0
16 帝豪 16306 -19.71% -74.74% 64550 57137.0 61949.0
17 逸动 16183 36.74% -77.17% 70887 29543.0 29659.0
18 奔驰C级 15500 9.53% -72.52% 56405 41730.0 51823.0
19 雷凌 15474 0.87% -75.32% 62710 46172.0 57966.0
20 瑞虎8 14329 171.49% -71.51% 50288 23839.0 27453.0
21 途观 14265 -4.6% -71.74% 50483 31727.0 61873.0
22 奔驰GLC 14200 8% -73.68% 53959 43707.0 47078.0
23 宝马X3 13905 15.4% -71.66% 49064 35107.0 33866.0
24 新桑塔纳 13899 46.78% -68.51% 44139 39867.0 79978.0
25 奥迪A4 13826 41.4% -75.59% 56642 28413.0 54625.0
26 凯美瑞 13756 -0.36% -71.83% 48834 40694.0 44802.0
27 奥迪Q5 13506 14.68% -77.6% 60296 34057.0 32179.0
28 奔驰E级 13500 4.65% -74.21% 52347 42475.0 55705.0
29 奇骏 13068 12.02% -69.52% 42878 34105.0 66191.0
30 宋 12876 491.73% -70.48% 43621 3285.0 4925.0
31 迈腾 12790 1.07% -80.11% 64308 32619.0 49223.0
32 别克GL8 12505 351.77% -77.78% 56268 20088.0 36942.0
33 缤智 12137 -1.95% -79.83% 60169 28055.0 34618.0
34 途岳 11807 -7.82% -61.83% 30935 26236.0 36800.0
35 长安CS55 11502 62.09% -74.65% 45368 27184.0 42010.0
36 皓影 11461 4.08% -76.43% 48624 32275.0 NaN
37 丰田RAV4 11460 -18.73% -77.86% 51772 36492.0 49003.0
38 欧尚X5 11179 1117900% -75.49% 45602 NaN NaN
39 全新英朗 11102 -63.77% -89.13% 102137 49374.0 95942.0
40 逍客 10599 -26.03% -78.49% 49282 34615.0 46383.0
41 天籁 10403 54% -74.82% 41307 20599.0 23829.0
42 星瑞 10387 1038700% -77.51% 46182 NaN NaN
43 宝马5系 10233 -12.55% -80.44% 52310 34442.0 40785.0
44 哈弗M6 10182 -32.55% -78.51% 47381 38129.0 37294.0
45 帕萨特 10032 -36.53% -66% 29504 35422.0 53061.0
46 宝马X1 9870 6.8% -72.41% 35778 24424.0 30695.0
47 缤越 9766 27.68% -79.01% 46526 26417.0 48206.0
48 致炫 9759 30.33% -71.75% 34545 24169.0 18999.0
49 红旗HS5 9622 8.08% -77.16% 42130 20608.0 NaN
输出参数-车企
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 厂商 | object | Y | - |
| {当前年份}-{当前月份} | int64 | Y | - |
| {当前月份}月同比 | object | Y | 注意单位: % |
| {当前月份}月环比 | object | Y | 注意单位: % |
| {年份}-1到{当前年份} | int64 | Y | - |
| {前一年年份}-1到{当前年份} | float64 | Y | - |
| {前二年年份}-1到{当前年份} | float64 | Y | - |
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="202104")
print(car_gasgoo_sale_rank_df)
数据示例-车企
厂商 2021-4 4月同比 4月环比 2021-1到4 2020-1到4 2019-1到4
0 一汽大众 151034 -6.56% -78.48% 701903 481228.0 583619.0
1 上汽大众 108300 -9.83% -69.7% 357400 303110.0 611105.0
2 长安汽车 106609 56.03% -77.49% 473659 233453.0 263138.0
3 吉利汽车 102184 -4.76% -76.88% 441907 315601.0 470496.0
4 东风日产 86226 3.67% -74.26% 334951 234521.0 345991.0
5 东风本田 81758 10.74% -71.28% 284719 151354.0 234883.0
6 上汽通用 80619 -26.71% -80.64% 416398 289190.0 552433.0
7 上汽通用五菱 76691 82.38% -72.11% 274943 123915.0 314294.0
8 广汽丰田 73900 16.18% -73.03% 274000 186207.0 205124.0
9 长城汽车 71584 9.96% -79.61% 350994 184529.0 318085.0
10 广汽本田 70329 0.76% -71.92% 250468 169233.0 254236.0
11 奇瑞汽车 66376 110.69% -72.93% 245222 124308.0 168355.0
12 一汽丰田 59803 -16.22% -78.36% 276325 193885.0 244696.0
13 华晨宝马 59176 5.89% -74.95% 236226 154547.0 180145.0
14 北京奔驰 59139 18.36% -73.8% 225754 160009.0 189266.0
15 上汽乘用车 56666 31.84% -73.35% 212596 147564.0 216427.0
16 比亚迪 44606 43.54% -69.73% 147380 91679.0 152201.0
17 北京现代 31328 -8.52% -75.46% 127659 100052.0 183101.0
18 特斯拉汽车 25845 611% -72.84% 95150 17695.0 NaN
19 广汽传祺 25739 40.49% -74.26% 99998 72800.0 114870.0
20 一汽红旗 21905 50.87% -76.18% 91965 36874.0 18157.0
21 长安福特 15361 -15.45% -80.67% 79487 47510.0 51597.0
22 东风悦达起亚 12530 -46.76% -74.8% 49715 66686.0 106016.0
23 沃尔沃亚太 11355 6.37% -74.3% 44184 24638.0 32158.0
24 长安马自达 11302 -3.9% -72.18% 40620 29101.0 41995.0
25 大众（安徽） 10648 1064800% -70.72% 36362 0.0 NaN
26 江淮汽车 10556 -27.22% -74.84% 41959 40764.0 61146.0
27 东风柳汽 10000 29.23% -75.99% 41655 28285.0 34877.0
28 东风小康 9695 56.09% -75.52% 39600 29549.0 58662.0
29 广汽埃安新能源 8305 110.25% -67.95% 25913 11940.0 NaN
30 东风乘用车 7942 58.78% -68.97% 25596 18096.0 22107.0
31 神龙汽车 6982 33.22% -70.48% 23654 11626.0 45907.0
32 一汽奔腾 5728 -9.28% -71.79% 20305 25880.0 26994.0
33 东风启辰 5707 3.54% -69.94% 18986 17053.0 38820.0
34 广汽三菱 5602 12.04% -72% 20006 15672.0 42017.0
35 理想汽车 5539 111.25% -69.43% 18118 5518.0 NaN
36 北京汽车 5242 13.64% -71.81% 18596 13404.0 25848.0
37 一汽马自达 4925 -30.35% -77.84% 22222 21177.0 26014.0
38 合众新能源 4015 392.64% -64.96% 11458 2534.0 2795.0
39 福建戴姆勒 3745 31.87% -68.7% 11966 6924.0 7969.0
40 奇瑞捷豹路虎 3507 -25.35% -79.7% 17279 10986.0 13417.0
41 上汽大通 3189 131.42% -75.39% 12956 7421.0 14966.0
42 威马汽车 3027 118.08% -64.7% 8576 4155.0 3500.0
43 小鹏汽车 2995 299500% -72.7% 10969 NaN NaN
44 零跑汽车 2770 277000% -64% 7694 NaN NaN
45 华晨鑫源 2431 -58.13% -80.51% 12471 16566.0 19691.0
46 江铃汽车 2418 72.59% -68.06% 7570 5635.0 17319.0
47 广菲克 2176 -37.86% -78.25% 10004 11101.0 26622.0
48 海马轿车 2152 56.4% -74.79% 8535 3967.0 6616.0
49 华晨汽车 1766 -10.31% -54.99% 3924 9235.0 18852.0
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: http://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="2022" |
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="2022")
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 亚马逊（AMAZON.COM) ... 美国 +
2 3 国家电网有限公司（STATE GRID) ... 中国 +
3 4 中国石油天然气集团有限公司（CHINA NATIONAL PETROLEUM) ... 中国 +
4 5 中国石油化工集团有限公司（SINOPEC GROUP) ... 中国 +
.. ... ... ... ... ...
495 496 DSV公司（DSV) ... 丹麦 +
496 497 瑞士ABB集团（ABB) ... 瑞士 +
497 498 亿滋国际（MONDELEZ INTERNATIONAL) ... 美国 +
498 499 达能（DANONE) ... 法国 +
499 500 优美科公司（UMICORE) ... 比利时 +
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", "中国瞪羚企业榜", "全球瞪羚企业榜", "胡润Under30s创业领袖榜", "胡润中国500强民营企业", "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", "中国瞪羚企业榜": "2021-至今", "全球瞪羚企业榜": "2021-至今", "胡润Under30s创业领袖榜": "2019-至今", "胡润中国500强民营企业": "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="2022")
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 4550.0 钟睒睒 养生堂 饮料、医疗保健
1 2 2450.0 张一鸣 字节跳动 社交媒体
2 3 2300.0 曾毓群 宁德时代 锂电池
3 4 2200.0 李嘉诚 长江实业 投资
4 5 2150.0 马化腾 腾讯 互联网服务
... ... ... ... ...
1300 1221 50.0 周继伟 亿联网络 通信
1301 1221 50.0 周俊杰 利元亨 精密自动化设备
1302 1221 50.0 周英怀 英杰电气 电源设备
1303 1221 50.0 朱海、王金玉 易瑞生物 生物检测试剂
1304 1221 50.0 宗坚、赵静艳 菲沃泰 纳米材料
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="2022")
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 12900.0 埃隆·马斯克 特斯拉 新能源汽车
1 2 11850.0 杰夫·贝佐斯 亚马逊 电子商务
2 3 9650.0 伯纳德·阿诺特 酩悦·轩尼诗-路易·威登 奢侈品
3 4 7800.0 比尔·盖茨 微软 软件与服务
4 5 7500.0 沃伦·巴菲特 伯克希尔·哈撒韦 投资
... ... ... ... ...
3377 3207 63.0 Lloyd D Frink Zillow 在线市场
3378 3207 63.0 涂建华 广联达 建筑
3379 3207 63.0 Helena Revoredo Prosegur 安全软件
3380 3207 63.0 Vardis Vardinoyannis Motor Oil Hellas 贸易
3381 3207 63.0 冯国纶 利丰 物流
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="2020")
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 10000.0 ... 蚂蚁集团 金融科技
1 2 5600.0 ... 字节跳动 社交媒体
2 3 3700.0 ... 滴滴出行 共享经济
3 4 2700.0 ... 陆金所 金融科技
4 5 2500.0 ... SpaceX 航天
.. ... ... ... ... ...
581 351 70.0 ... 有利网 金融科技
582 351 70.0 ... 云鸟科技 物流
583 351 70.0 ... Zeta Global 人工智能
584 351 70.0 ... Zipline 国际 快递
585 351 70.0 ... 中关村科金 金融科技
输出参数-胡润中国500强民营企业
| 名称 | 类型 | 描述 |
|---|---|---|
| 排名 | int64 | - |
| 企业估值 | float64 | 注意单位: 亿元 |
| 企业信息 | object | - |
| 创始人 | object | - |
| 行业 | object | - |
接口示例-胡润中国500强民营企业
import akshare as ak
hurun_rank_df = ak.hurun_rank(indicator="胡润中国500强民营企业", year="2019")
print(hurun_rank_df)
数据示例-胡润中国500强民营企业
排名 企业估值 企业信息 创始人 行业
0 1 38100.0 阿里巴巴 张勇 电子商务
1 2 28500.0 腾讯控股 马化腾 互联网服务
2 3 15000.0 中国平安保险 马明哲 金融
3 4 12000.0 华为投资控股 梁华 电信解决方案、智能手机
4 5 10000.0 蚂蚁金服 井贤栋 金融科技
.. ... ... ... ... ...
504 498 140.0 星河湾实业发展 黄文仔 房地产、投资
505 498 140.0 宇华教育 李光宇 教育
506 498 140.0 月星集团 丁佐宏 家具连锁
507 498 140.0 长隆集团 苏志刚 旅游
508 498 140.0 珠江投资 朱孟依 房地产
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="2021")
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 158100.0 苹果 蒂姆·库克 消费电子
1 2 0 136800.0 微软 萨提亚·纳德拉 软件与服务
2 3 0 116600.0 亚马逊 安迪·贾西 零售
3 4 0 112100.0 Alphabet 桑达尔·皮查伊 传媒和娱乐
4 5 0 62600.0 脸书 马克·扎克伯格 传媒和娱乐
.. ... ... ... ... ... ...
495 495 New 2381.0 瑞思迈 Michael J. Farrell 卫生保健
496 497 New 2374.0 发现金融 Roger Hochschild 金融服务
497 498 -61 2368.0 埃克西尔能源 Ben Fowke 能源
498 498 New 2368.0 赫伯罗特 Rolf Habben Jansen 物流运输
499 498 New 2368.0 HCL Technologies C Vijayakumar 软件与服务
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="2021")
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 0 77991.0 崔如琢 77 国画
1 2 5 27072.0 曾梵志 57 油画
2 3 1 25578.0 周春芽 66 油画
3 4 -2 21378.0 刘野 57 油画
4 5 3 19184.0 张晓刚 63 油画
.. ... ... ... ... .. ...
95 96 0 128.0 季大纯 53 油画
96 97 -19 115.0 卢禹舜 59 国画
97 98 -8 107.0 贾广健 57 国画
98 99 -25 99.0 熊红钢 62 国画
99 100 -27 93.0 刘大为 76 国画
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 | 必选 | 描述 |
|---|---|---|---|
| - | - | - | - |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 实时票房 | float | Y | 注意单位: 万 |
| 票房占比 | float | Y | 注意单位: % |
| 上映天数 | float | Y | - |
| 累计票房 | float | Y | 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 我和我的家乡 1538.52 43.15 20 249064.58
1 2 喜宝 495.20 13.89 5 6385.52
2 3 一点就到家 426.22 11.95 17 24281.57
3 4 夺冠 420.24 11.79 26 77728.87
4 5 姜子牙 281.73 7.90 20 153707.79
5 6 急先锋 166.58 4.67 21 27109.02
6 7 七号房的礼物 81.22 2.28 6 1368.64
7 8 八佰 59.04 1.66 61 308789.71
8 9 掬水月在手 32.99 0.93 5 232.62
9 10 秀美人生 18.02 0.51 69 2313.17
10 11 其它 45.53 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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201019"; 只能选择最近的日期 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 单日票房 | float | Y | 注意单位: 万 |
| 环比变化 | float | Y | 注意单位: % |
| 累计票房 | float | Y | 注意单位: 万 |
| 平均票价 | float | Y | 注意单位: 元 |
| 场均人次 | float | Y | - |
| 口碑指数 | float | Y | - |
| 上映天数 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_daily_df = ak.movie_boxoffice_daily(date="20201019")
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 我和我的家乡 5593 -62.0 247526 38 19 0.00 6
1 2 喜宝 1332 -39.0 5890 37 4 5.47 6
2 3 一点就到家 1610 -60.0 23855 38 16 7.27 5
3 4 夺冠 1358 -62.0 77309 37 25 7.39 4
4 5 姜子牙 1898 -78.0 153426 38 19 6.81 3
5 6 急先锋 511 -50.0 26942 38 20 6.47 4
6 7 七号房的礼物 276 -61.0 1287 34 5 7.63 3
7 8 八佰 242 -59.0 308731 39 60 7.70 6
8 9 82号古宅 59 -29.0 272 29 4 0.00 3
9 10 掬水月在手 61 -39.0 200 39 4 0.00 4
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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201018"; 指定日期所在周必须已经完整 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 排名变化 | float | Y | - |
| 单周票房 | float | Y | 注意单位: 万 |
| 环比变化 | float | Y | 注意单位: % |
| 累计票房 | float | Y | 注意单位: 万 |
| 平均票价 | float | Y | - |
| 场均人次 | float | Y | - |
| 口碑指数 | float | Y | - |
| 上映天数 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_weekly_df = ak.movie_boxoffice_weekly(date="20201018")
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 我和我的家乡 9999 30706 -71 245412 38 11 NaN 18
1 2 一点就到家 2 8022 -35 23215 38 8 7.36 15
2 3 姜子牙 -1 7731 -82 153010 38 6 6.79 18
3 4 夺冠 -1 7430 -65 76799 38 7 7.39 24
4 5 喜宝 0 5074 0 5075 37 10 5.90 3
5 6 急先锋 -1 2756 -56 26685 38 5 6.49 19
6 7 天道王 0 2233 0 2233 31 29 NaN 4
7 8 七号房的礼物 0 1097 0 1178 34 6 7.63 4
8 9 八佰 -3 1075 -48 308630 38 7 7.70 59
9 10 2019阅兵盛典 -3 542 -56 2713 35 12 NaN 18
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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201019"; 输入具体的日期即可 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 单月票房 | float | Y | 注意单位: 万 |
| 月度占比 | float | Y | 注意单位: % |
| 平均票价 | float | Y | - |
| 场均人次 | float | Y | - |
| 上映日期 | float | Y | - |
| 口碑指数 | float | Y | - |
| 月内天数 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_monthly_df = ak.movie_boxoffice_monthly(date="20201019")
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 我和我的家乡 247491 47.7 39 27 2020-10-01 NaN 31.0
1 2 姜子牙 153396 29.6 40 24 2020-10-01 6.76 31.0
2 3 夺冠 49212 9.5 39 15 2020-09-25 7.39 31.0
3 4 一点就到家 23806 4.6 38 10 2020-10-04 7.39 28.0
4 5 急先锋 21172 4.1 38 11 2020-09-30 6.56 31.0
5 6 喜宝 5890 1.1 37 9 2020-10-16 5.69 16.0
6 7 八佰 4839 0.9 38 11 2020-08-21 7.70 31.0
7 8 2019阅兵盛典 2706 0.5 38 13 2020-10-01 NaN 31.0
8 9 天道王 2245 0.4 31 27 2020-10-15 NaN 17.0
9 10 七号房的礼物 1287 0.2 34 5 2020-10-15 7.63 17.0
10 999 其他 6612 1.3 38 9 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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201019"; 输入具体的日期即可 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 类型 | float | Y | - |
| 总票房 | float | Y | 注意单位: 万 |
| 平均票价 | float | Y | - |
| 场均人次 | float | Y | - |
| 国家及地区 | float | Y | - |
| 上映日期 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_yearly_df = ak.movie_boxoffice_yearly(date="20201019")
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 八佰 战争 308786 38 20.0 中国 2020-08-21
1 2 我和我的家乡 喜剧 248961 39 26.0 中国 2020-10-01
2 3 姜子牙 动画 153689 40 22.0 中国 2020-10-01
3 4 夺冠 剧情 77714 39 12.0 中国 2020-09-25
4 5 宠爱 剧情 51060 35 7.0 中国 2019-12-31
5 6 误杀 剧情 50225 32 8.0 中国 2019-12-13
6 7 我在时间尽头等你 爱情 50155 35 16.0 中国 2020-08-25
7 8 信条 科幻 45348 39 10.0 美国/英国 2020-09-04
8 9 叶问4：完结篇 动作 41914 36 7.0 中国/中国香港 2019-12-20
9 10 花木兰 剧情 27725 36 7.0 中国/美国 2020-09-11
10 11 急先锋 动作 27095 38 10.0 中国 2020-09-30
11 12 一点就到家 剧情 24246 38 9.0 中国 2020-10-04
12 13 哈利·波特与魔法石 魔幻/动作 19155 35 9.0 英国 2002-01-31
13 14 多力特的奇幻冒险 喜剧 13597 32 7.0 美国 2020-07-24
14 15 星际穿越 科幻 12148 30 8.0 美国/英国 2014-11-12
15 16 我为你牺牲 剧情 10673 75 32.0 中国 2019-12-05
16 17 变身特工 动画 10352 35 6.0 美国 2020-01-03
17 18 1/2的魔法 动画 7043 32 8.0 美国 2020-08-19
18 19 1917 战争 6896 32 5.0 美国 2020-08-07
19 20 喜宝 剧情 6346 36 8.0 中国 2020-10-16
20 21 美丽人生 剧情 5990 33 6.0 意大利 2020-01-03
21 22 天使陷落 动作 5513 33 6.0 美国 2019-12-31
22 23 荞麦疯长 剧情 5178 36 10.0 中国 2020-08-25
23 24 紫罗兰永恒花园外传：永远与自动手记人偶 剧情 4855 31 4.0 日本 2020-01-10
24 25 鲨海逃生 灾难 4761 30 4.0 美国/英国 2020-01-10
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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201019"; 输入具体的日期即可 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影片名称 | float | Y | - |
| 类型 | float | Y | - |
| 首周票房 | float | Y | 注意单位: 万 |
| 占总票房比重 | float | Y | 注意单位: % |
| 场均人次 | float | Y | - |
| 国家及地区 | float | Y | - |
| 上映日期 | float | Y | - |
| 首周天数 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_yearly_first_week_df = ak.movie_boxoffice_yearly_first_week(date="20201019")
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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201019"; 输入具体的日期即可 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影院名称 | float | Y | - |
| 单日票房 | float | Y | 注意单位: 元 |
| 单日场次 | float | Y | - |
| 场均人次 | float | Y | - |
| 场均票价 | float | Y | - |
| 上座率 | float | Y | 注意单位: % |
接口示例
import akshare as ak
movie_boxoffice_cinema_daily_df = ak.movie_boxoffice_cinema_daily(date="20201018")
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 上海沪北影院 67469.00 29 65.76 35.38 38.07
1 2 UME影城（北京华星店） 58378.88 43 24.00 56.57 12.65
2 3 北京寰映合生汇店 57332.69 55 16.22 64.27 12.19
3 4 南京新街口国际影城 55752.99 94 16.63 35.67 16.36
4 5 首都电影院西单店 52529.50 69 12.86 59.22 8.93
.. ... ... ... ... ... ... ...
95 96 UME影城（重庆渝中店） 28611.92 67 10.79 39.57 9.24
96 97 上海五角场万达广场店 28316.52 62 9.32 48.99 6.44
97 98 广州天河影城 28252.46 53 11.60 45.94 8.24
98 99 西安大明宫万达广场店 28237.09 47 14.72 40.81 11.44
99 100 金逸北京荟聚IMAX店 28207.52 57 10.16 48.72 5.37
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 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="20201018"; 输入具体的日期即可 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 排序 | float | Y | 票房排名 |
| 影院名称 | float | Y | - |
| 当周票房 | float | Y | 注意单位: 万 |
| 单银幕票房 | float | Y | 注意单位: 元 |
| 场均人次 | float | Y | - |
| 单日单厅票房 | float | Y | - |
| 单日单厅场次 | float | Y | - |
接口示例
import akshare as ak
movie_boxoffice_cinema_weekly_df = ak.movie_boxoffice_cinema_weekly(date="20201018")
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 首都电影院西单店 793923.85 1640.34 26.73 8101.26 4.94
1 2 北京寰映合生汇店 659703.84 1731.51 26.83 10471.49 6.05
2 3 首都电影院昌平店 643233.44 1925.85 37.13 9189.05 4.77
3 4 广州飞扬影城（正佳分店） 600512.86 1547.71 27.45 9531.95 6.16
4 5 金逸北京大悦城IMAX店 597332.33 1866.66 26.62 10666.65 5.71
.. ... ... ... ... ... ... ...
95 96 华谊兄弟影城沈阳铁西店 354704.19 891.22 23.36 4222.67 4.74
96 97 郑州惠济万达广场店 354242.29 881.20 21.50 4217.17 4.79
97 98 海上明珠国际影城上海环球港店 352857.08 1326.53 25.32 6301.02 4.75
98 99 成都太平洋电影城 352743.53 803.52 22.03 2964.23 3.69
99 100 东莞东城万达广场店 350981.36 875.27 19.20 5014.02 5.73
视频放映
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 斛珠夫人 古装/爱情 77.11 67.26 70.22 53.12 81.15 2021-11-15
1 2 突围 剧情/涉案 74.11 60.64 64.73 59.80 81.35 2021-11-15
2 3 嘉南传 古装/爱情 67.95 58.75 60.54 47.00 75.10 2021-11-15
3 4 当家主母 古装/剧情 66.63 53.73 56.79 57.00 74.82 2021-11-15
4 5 星辰大海 都市/剧情 64.48 57.89 52.90 53.00 74.73 2021-11-15
5 6 一见倾心 爱情/剧情 62.62 60.44 51.27 45.00 74.53 2021-11-15
6 7 夜色暗涌时 都市/爱情 60.01 53.27 47.26 52.27 72.72 2021-11-15
7 8 真相 悬疑/都市 59.18 43.52 41.34 80.00 70.32 2021-11-15
8 9 功勋 剧情/传记 57.01 40.52 42.73 91.20 50.91 2021-11-15
9 10 只是结婚的关系 爱情/都市 55.97 49.13 42.32 58.20 65.60 2021-11-15
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 一年一度喜剧大赛 真人秀 64.56 58.93 47.60 78.00 68.83 2021-11-15
1 2 导演请指教 真人秀 60.55 53.80 50.65 41.00 74.77 2021-11-15
2 3 时光音乐会 真人秀 59.55 51.66 39.80 81.00 68.97 2021-11-15
3 4 超新星运动会第四季 真人秀 56.75 47.64 46.23 71.00 50.83 2021-11-15
4 5 奔跑吧·黄河篇第二季 真人秀 55.64 50.03 42.40 51.80 67.99 2021-11-15
5 6 青春环游记第三季 真人秀 55.61 54.06 41.32 51.76 67.58 2021-11-15
6 7 我们的歌第三季 真人秀 55.21 65.66 38.86 51.35 63.53 2021-11-15
7 8 最后的赢家 真人秀 54.85 53.07 42.96 45.24 65.70 2021-11-15
8 9 令人心动的offer第三季 真人秀 54.16 50.36 40.27 51.66 66.56 2021-11-15
9 10 天天向上2021 脱口秀 53.11 31.18 35.44 80.00 67.00 2021-11-15
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
电竞
俱乐部排名
接口: club_rank_game
目标地址: http://rank.uuu9.com/
描述: 中国电竞价值排行榜-俱乐部排名
限量: 返回当前的俱乐部排名数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| symbol | str | symbol="英雄联盟"; choice of {'英雄联盟', '绝地求生', '王者荣耀', 'DOTA2', '穿越火线', '和平精英'} |
输出参数-英雄联盟
| 名称 | 类型 | 描述 |
|---|---|---|
| 排名 | int64 | - |
| 俱乐部名称 | object | - |
| 人气指数 | int64 | - |
| 舆论指数 | int64 | - |
| 战绩指数 | float64 | - |
| 综合指数 | float64 | - |
| 排名变动 | float64 | - |
| 更新时间 | object | - |
接口示例-英雄联盟
import akshare as ak
club_rank_game_df = ak.club_rank_game(symbol="英雄联盟")
print(club_rank_game_df)
数据示例-英雄联盟
排名 俱乐部名称 人气指数 舆论指数 战绩指数 综合指数 排名变动 更新时间
0 1 TES 980 415 31.6 29.5 NaN 2021-11-15
1 2 IG 948 491 18.7 26.0 NaN 2021-11-15
2 3 FPX 582 361 25.7 23.7 NaN 2021-11-15
3 4 RNG 263 265 23.4 18.7 NaN 2021-11-15
4 5 WE 103 138 28.6 18.0 NaN 2021-11-15
5 6 JDG 45 421 25.6 17.4 1.0 2021-11-15
6 7 EDG 119 200 23.3 16.2 1.0 2021-11-15
7 8 LGD 26 443 22.6 16.0 2.0 2021-11-15
8 9 SN 11 211 25.6 15.6 NaN 2021-11-15
9 10 ES 13 205 23.3 14.5 1.0 2021-11-15
10 11 RW 14 224 22.6 14.3 1.0 2021-11-15
11 12 LNG 18 203 22.7 14.3 1.0 2021-11-15
12 13 BLG 22 204 22.5 14.3 5.0 2021-11-15
13 14 VG 11 152 23.0 14.0 NaN 2021-11-15
14 15 V5 33 110 22.5 13.8 1.0 2021-11-15
15 16 DMO 11 148 22.6 13.7 1.0 2021-11-15
16 17 OMG 42 400 8.2 11.0 NaN 2021-11-15
选手排行榜
接口: player_rank_game
目标地址: http://rank.uuu9.com/player/ranking
描述: 中国电竞价值排行榜-选手排行榜
限量: 返回当前的选手排行榜数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| symbol | str | symbol="英雄联盟"; choice of {'英雄联盟', '绝地求生', '王者荣耀', 'DOTA2', '穿越火线', '和平精英'} |
输出参数-英雄联盟
| 名称 | 类型 | 描述 |
|---|---|---|
| 排名 | int64 | - |
| 选手ID | object | - |
| 所属战队 | object | - |
| 人气指数 | int64 | - |
| 舆论指数 | int64 | - |
| 战绩指数 | float64 | - |
| 综合指数 | float64 | - |
| 身价 | object | - |
| 排名变动 | float64 | - |
| 更新时间 | object | - |
接口示例-英雄联盟
import akshare as ak
player_rank_game_df = ak.player_rank_game(symbol="英雄联盟")
print(player_rank_game_df)
数据示例-英雄联盟
排名 选手ID 所属战队 人气指数 舆论指数 战绩指数 综合指数 身价 排名变动 更新时间
0 1 Jackeylove TES 1000 290 30.3 28.9 >900万 NaN 2021-11-15
1 2 Knight9 TES 473 308 31.6 24.5 >900万 NaN 2021-11-15
2 3 TheShy IG 640 370 20.8 22.9 >2200万 1.0 2021-11-15
3 4 Uzi 退役/自由选手 497 379 23.4 22.1 >5000万 1.0 2021-11-15
4 5 Doinb FPX 433 239 25.5 21.4 >2000万 NaN 2021-11-15
5 6 karsa TES 171 109 30.9 19.9 >950万 NaN 2021-11-15
6 7 Gimgoon FPX 257 107 27.5 19.4 >1200万 NaN 2021-11-15
7 8 Lwx FPX 288 172 25.6 19.4 >1500万 1.0 2021-11-15
8 9 Tian FPX 275 124 25.4 18.8 >1500万 1.0 2021-11-15
9 10 Crisp FPX 289 136 24.7 18.8 暂无 1.0 2021-11-15
10 11 369 TES 69 124 30.5 18.4 >600万 3.0 2021-11-15
11 12 Clearlove 退役/自由选手 144 187 25.2 17.3 >3000万 NaN 2021-11-15
12 13 Rookie IG 215 195 22.5 17.3 >3000万 2.0 2021-11-15
13 14 xiye LGD 25 163 28.1 16.8 >900万 NaN 2021-11-15
14 15 Ning IG 165 194 22.0 16.3 >1500万 12.0 2021-11-15
15 16 Baolan IG 60 186 24.4 15.7 >600万 1.0 2021-11-15
16 17 beishang WE 15 136 26.1 15.5 >300万 4.0 2021-11-15
17 18 LoKeN JDG 18 73 26.2 15.2 >400万 NaN 2021-11-15
18 19 Ming RNG 60 215 22.5 15.0 >600万 11.0 2021-11-15
19 20 Jiejie EDG 11 211 24.2 15.0 暂无 1.0 2021-11-15
20 21 Xiaohu RNG 48 223 22.7 14.9 >900万 5.0 2021-11-15
21 22 Jinjiao BLG 8 87 25.9 14.9 >400万 1.0 2021-11-15
22 23 LvMao JDG 11 146 24.7 14.8 >200万 5.0 2021-11-15
23 24 Yagao JDG 8 116 25.1 14.7 >500万 NaN 2021-11-15
24 25 Langx LGD 15 78 25.3 14.7 暂无 3.0 2021-11-15
25 26 SwordArT SN 15 76 25.4 14.7 >400万 3.0 2021-11-15
26 27 Zoom JDG 8 135 24.4 14.5 >400万 3.0 2021-11-15
27 28 Kramer LGD 15 215 22.4 14.2 暂无 3.0 2021-11-15
28 29 iBoy VG 15 127 23.1 13.9 >800万 2.0 2021-11-15
29 30 Scout EDG 23 117 22.7 13.8 >600万 2.0 2021-11-15
30 31 Meiko EDG 16 119 22.6 13.6 >600万 2.0 2021-11-15
31 32 Yuer 退役/自由选手 15 61 22.8 13.3 >600万 14.0 2021-11-15
32 33 Maple LNG 15 80 22.4 13.2 >500万 1.0 2021-11-15
33 34 Xx LNG 15 95 22.0 13.2 >600万 NaN 2021-11-15
34 35 Curse OMG 15 260 13.3 10.7 暂无 3.0 2021-11-15
35 36 Smlz OMG 40 83 14.0 9.8 >1000万 3.0 2021-11-15
36 37 icon OMG 28 94 14.3 9.7 >600万 3.0 2021-11-15
37 38 Pyl 退役/自由选手 15 80 14.1 9.2 >500万 2.0 2021-11-15
38 39 Mlxg 退役/自由选手 53 226 0.0 8.5 >2000万 4.0 2021-11-15
39 40 Flandre LNG 15 136 6.2 6.9 >500万 1.0 2021-11-15
40 41 957 退役/自由选手 14 112 4.7 6.0 >500万 NaN 2021-11-15
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 | 必选 | 描述 |
|---|---|---|---|
| region | str | - | region="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 | 默认显示 | 描述 |
|---|---|---|---|
| rank | str | - | 排名 |
| city | str | - | 城市名称 |
| index | str | - | 价格指数 |
接口示例
import akshare as ak
cost_living_df = ak.cost_living()
print(cost_living_df)
数据示例
rank city index
0 1st Grand Cayman (Cayman Islands) 271
1 2nd Mountain View, California (United States) 259
2 3rd Palo Alto, California (United States) 259
3 4th New York City (United States) 253
4 5th Zurich (Switzerland) 246
.. ... ... ...
295 296th Indore (India) 62
296 297th Madras (India) 62
297 298th Córdoba (Argentina) 58
298 299th Rosario (Argentina) 56
299 300th Mendoza (Argentina) 48
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