a package for sharing
Project description
PPshare 平台介绍
PPshare 的概况及使用说明
PPshare是一个长期专注于科研数据的应用性平台,平台提供直接从互联网爬取、社区采取和团队整理数据并将其存入数据库,通过对数据质量进行严格控制为用户提供高质量科研数据。PPshare是一个开放的、免费的数据众享平台、不带任何商业性质和目的。
首先要特别感谢 FuShare, TuShare 在代码和项目开发上对本项目提供的借鉴和学习的机会!
PPshare 是基于 Python 的经管类数据接口库, 目的是实现对宏观经济、区域经济、产业经济、金融类数据股等常用的基本面数据、实时和历史行情数据、衍生数据从数据采集、数据清洗到数据落地的一套工具, 主要用于学术研究目的.
将继续开放公众号平台和网站:数据皮皮侠 等社区工具为大家提供服务,感兴趣的朋友请扫描关注“数据皮皮侠”公众号:
![code](./code.jpg)
PPshare 数据说明
PPshare 宏观经济
中国宏观杠杆率
接口: macro_cnbs
目标地址: http://114.115.232.154:8080/
描述: 获取中国国家金融与发展实验室-中国宏观杠杆率数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
年份 | str | Y | 日期, 年-月 |
居民部门 | float | Y | – |
非金融企业部门 | float | Y | – |
政府部门 | float | Y | – |
中央政府 | float | Y | – |
地方政府 | float | Y | – |
实体经济部门 | float | Y | – |
金融部门资产方 | float | Y | – |
金融部门负债方 | float | Y | – |
接口示例
import ppshare as pp
macro_cnbs_df = pp.macro_cnbs()
print(macro_cnbs_df)
数据示例
年份 居民部门 非金融企业部门 ... 实体经济部门 金融部门资产方 金融部门负债方
0 1993-12 8.311222 91.658000 ... 107.791459 8.896441 7.128428
1 1994-12 7.808230 82.411703 ... 98.354271 9.808787 6.796868
2 1995-12 8.240004 80.950106 ... 97.850373 10.009081 7.006151
3 1996-03 8.403456 81.711651 ... 99.241521 10.183896 7.186300
4 1996-06 8.581114 82.051373 ... 99.679459 10.379730 7.380510
.. ... ... ... ... ... ... ...
93 2018-09 52.575456 155.641011 ... 245.227043 61.350917 60.645733
94 2018-12 53.198837 153.553140 ... 243.702122 60.638348 60.936158
95 2019-03 54.277928 156.881879 ... 248.828108 60.542178 59.417322
96 2019-06 55.304291 155.743313 ... 249.533412 58.736094 58.727086
97 2019-09 56.314848 155.618498 ... 251.147265 55.820243 59.358625
国民经济运行状况
经济状况
LPR品种数据
接口: macro_china_lpr
目标地址: http://data.eastmoney.com/cjsj/globalRateLPR.html
描述: 获取中国LPR品种数据, 数据区间从19910421-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
TRADE_DATE | str | Y | 日期 |
LPR1Y | float | Y | LPR_1Y利率(%) |
LPR5Y | float | Y | LPR_5Y利率(%) |
RATE_1 | float | Y | 短期贷款利率:6个月至1年(含)(%) |
RATE_2 | float | Y | 中长期贷款利率:5年以上(%) |
接口示例
import PPshare as pp
macro_china_lpr_df = PP.macro_china_lpr()
print(macro_china_lpr_df)
数据示例
TRADE_DATE LPR1Y LPR5Y RATE_1 RATE_2
0 2020-03-20 00:00:00 4.05 4.75 4.35 4.90
1 2020-02-20 00:00:00 4.05 4.75 4.35 4.90
2 2020-01-20 00:00:00 4.15 4.80 4.35 4.90
3 2019-12-20 00:00:00 4.15 4.80 4.35 4.90
4 2019-11-20 00:00:00 4.15 4.80 4.35 4.90
... ... ... ... ...
1493 1995-07-01 00:00:00 NaN NaN 12.06 15.30
1494 1995-01-01 00:00:00 NaN NaN 10.98 14.76
1495 1993-07-11 00:00:00 NaN NaN 10.98 14.04
1496 1993-05-15 00:00:00 NaN NaN 9.36 12.24
1497 1991-04-21 00:00:00 NaN NaN 8.64 9.72
中国GDP年率报告
接口: macro_china_gdp_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_gdp_yoy
描述: 获取中国年度GDP数据, 数据区间从20110120-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as pp
macro_china_gdp_yearly_df = pp.macro_china_gdp_yearly()
print(macro_china_gdp_yearly_df)
print(macro_china_gdp_yearly_df.name)
数据示例
macro_china_gdp_yearly_df.name:
gdp
macro_china_gdp_yearly_df:
2011-01-20 9.8
2011-04-15 9.7
2011-07-13 9.5
2011-10-18 9.1
2012-01-17 8.9
2019-01-21 6.4
2019-04-17 6.4
2019-07-15 6.2
2019-10-18 6
2020-01-17 0
物价水平
中国CPI年率报告
接口: macro_china_cpi_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_cpi_yoy
描述: 获取中国年度CPI数据, 数据区间从19860201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as pp
macro_china_cpi_yearly_df = pp.macro_china_cpi_yearly()
print(macro_china_cpi_yearly_df)
print(macro_china_cpi_yearly_df.name)
数据示例
macro_china_cpi_yearly_df.name:
cpi
macro_china_cpi_yearly_df:
1986-02-01 7.1
1986-03-01 7.1
1986-04-01 7.1
1986-05-01 7.1
1986-06-01 7.1
1986-07-01 7.1
1986-08-01 7.1
1986-09-01 7.1
2019-08-09 2.8
2019-09-10 2.8
2019-10-15 3
2019-11-09 3.8
2019-12-10 4.5
2020-01-09 4.5
中国CPI月率报告
接口: macro_china_cpi_monthly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_cpi_mom
描述: 获取中国月度CPI数据, 数据区间从19960201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_cpi_monthly_df = PP.macro_china_cpi_monthly()
print(macro_china_cpi_monthly_df)
print(macro_china_cpi_monthly_df.name)
数据示例
macro_china_cpi_monthly_df.name:
cpi
macro_china_cpi_monthly_df:
1996-02-01 2.1
1996-03-01 2.3
1996-04-01 0.6
1996-05-01 0.7
2019-07-10 -0.1
2019-08-09 0.4
2019-09-10 0.7
2019-10-15 0.9
2019-11-09 0.9
2019-12-10 0.4
2020-01-09 0
中国PPI年率报告
接口: macro_china_ppi_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_ppi_yoy
描述: 获取中国年度PPI数据, 数据区间从19950801-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_ppi_yearly_df = PP.macro_china_ppi_yearly()
print(macro_china_ppi_yearly_df)
print(macro_china_ppi_yearly_df.name)
数据示例
macro_china_ppi_yearly_df.name:
ppi
macro_china_ppi_yearly_df:
1995-08-01 13.5
1995-09-01 13
1995-10-01 12.9
1995-11-01 12.5
1995-12-01 11.1
2019-08-09 -0.3
2019-09-10 -0.8
2019-10-15 -1.2
2019-11-09 -1.6
2019-12-10 -1.4
2020-01-09 -0.5
贸易状况
以美元计算出口年率
接口: macro_china_exports_yoy
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_exports_yoy
描述: 获取中国以美元计算出口年率报告, 数据区间从19820201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_exports_yoy_df = PP.macro_china_exports_yoy()
print(macro_china_exports_yoy_df)
print(macro_china_exports_yoy_df.name)
数据示例
macro_china_exports_yoy_df.name:
china_exports_yoy
macro_china_exports_yoy_df:
1982-02-01 8.7
1982-03-01 23.2
1982-04-01 12.2
1982-05-01 -2.5
1982-06-01 41.5
2019-03-08 -20.8
2019-04-12 14.2
2019-05-08 -2.7
2019-06-10 1.1
2019-07-12 -1.3
2019-08-08 3.3
2019-09-08 -1
2019-10-14 -3.2
2019-11-08 -0.9
2019-12-08 -1.1
2020-01-14 0
以美元计算进口年率
接口: macro_china_imports_yoy
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_imports_yoy
描述: 获取中国以美元计算进口年率报告, 数据区间从19960201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_imports_yoy_df = PP.macro_china_imports_yoy()
print(macro_china_imports_yoy_df)
print(macro_china_imports_yoy_df.name)
数据示例
macro_china_imports_yoy_df.name:
china_imports_yoy
macro_china_imports_yoy_df:
1996-02-01 55.8
1996-03-01 14.2
1996-04-01 8.7
1996-05-01 6.4
1996-06-01 4.5
2019-06-10 -8.5
2019-07-12 -7.3
2019-08-08 -5.6
2019-09-08 -5.6
2019-10-14 -8.5
2019-11-08 -6.5
2019-12-08 0.3
2020-01-14 0
以美元计算贸易帐(亿美元)
接口: macro_china_trade_balance
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_trade_balance
描述: 获取中国以美元计算贸易帐报告, 数据区间从19810201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_trade_balance_df = PP.macro_china_trade_balance()
print(macro_china_trade_balance_df)
print(macro_china_trade_balance_df.name)
数据示例
macro_china_trade_balance_df.name:
china_trade_balance
macro_china_trade_balance_df:
1981-02-01 -2.2
1981-03-01 -4.9
1981-04-01 -7.4
1981-05-01 -4.8
2019-10-14 396.5
2019-11-08 430.2
2019-12-08 387.3
2019-12-09 0
2020-01-14 0
产业指标
规模以上工业增加值年率
接口: macro_china_industrial_production_yoy
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_industrial_production_yoy
描述: 获取中国规模以上工业增加值年率报告, 数据区间从19900301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_industrial_production_yoy_df = PP.macro_china_industrial_production_yoy()
print(macro_china_industrial_production_yoy_df)
print(macro_china_industrial_production_yoy_df.name)
数据示例
macro_china_industrial_production_yoy_df.name:
china_industrial_production_yoy
macro_china_industrial_production_yoy_df:
1990-03-01 5
1990-04-01 0.8
1990-05-01 1.7
1990-06-01 3.3
1990-07-01 5
...
2019-09-16 4.4
2019-10-18 5.8
2019-11-14 4.7
2019-12-16 6.2
2020-01-17 0
官方制造业PMI
接口: macro_china_pmi_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_manufacturing_pmi
描述: 获取中国年度PMI数据, 数据区间从20050201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_pmi_yearly_df = PP.macro_china_pmi_yearly()
print(macro_china_pmi_yearly_df)
print(macro_china_pmi_yearly_df.name)
数据示例
macro_china_pmi_yearly_df.name:
pmi
macro_china_pmi_yearly_df:
2005-02-01 54.7
2005-03-01 54.5
2005-04-01 57.9
2005-05-01 56.7
2005-06-01 52.9
...
2019-09-30 49.8
2019-10-31 49.3
2019-11-30 50.2
2019-12-31 50.2
2020-01-31 0
财新制造业PMI终值
接口: macro_china_cx_pmi_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_caixin_manufacturing_pmi
描述: 获取中国年度财新 PMI 数据, 数据区间从20120120-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_cx_pmi_yearly_df = PP.macro_china_cx_pmi_yearly()
print(macro_china_cx_pmi_yearly_df)
print(macro_china_cx_pmi_yearly_df.name)
数据示例
macro_china_cx_pmi_yearly_df.name:
cx_pmi
macro_china_cx_pmi_yearly_df:
2012-01-20 48.8
2012-02-22 49.6
2012-03-22 48.3
2012-04-23 49.1
2012-05-02 49.3
...
2019-09-02 50.4
2019-09-30 51.4
2019-11-01 51.7
2019-12-02 51.8
2020-01-02 51.5
财新服务业PMI
接口: macro_china_cx_services_pmi_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_caixin_services_pmi
描述: 获取中国财新服务业PMI报告, 数据区间从20120405-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_cx_services_pmi_yearly_df = PP.macro_china_cx_services_pmi_yearly()
print(macro_china_cx_services_pmi_yearly_df)
print(macro_china_cx_services_pmi_yearly_df.name)
数据示例
macro_china_cx_services_pmi_yearly_df.name:
cx_services_pmi
macro_china_cx_services_pmi_yearly_df:
2012-04-05 53.3
2012-05-04 54.1
2012-06-05 54.7
2012-07-04 52.3
2012-08-03 53.1
...
2019-09-04 52.1
2019-10-08 51.3
2019-11-05 51.1
2019-12-04 53.5
2020-01-06 52.5
中国官方非制造业PMI
接口: macro_china_non_man_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_non_manufacturing_pmi
描述: 获取中国官方非制造业PMI, 数据区间从20160101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_non_man_pmi_df = PP.macro_china_non_man_pmi()
print(macro_china_non_man_pmi_df)
print(macro_china_non_man_pmi_df.name)
数据示例
macro_china_non_man_pmi_df.name:
cx_services_pmi
macro_china_non_man_pmi_df:
2007-02-01 60.4
2007-03-01 60.6
2007-04-01 58.2
2007-05-01 60.4
2007-06-01 62.2
...
2019-09-30 53.7
2019-10-31 52.8
2019-11-30 54.4
2019-12-31 53.5
2020-01-31 0
金融指标
外汇储备(亿美元)
接口: macro_china_fx_reserves_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_fx_reserves
描述: 获取中国年度外汇储备数据, 数据区间从20140115-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_fx_reserves_yearly_df = PP.macro_china_fx_reserves_yearly()
print(macro_china_fx_reserves_yearly_df)
print(macro_china_fx_reserves_yearly_df.name)
数据示例
macro_china_fx_reserves_yearly_df.name:
fx_reserves
macro_china_fx_reserves_yearly_df:
2014-01-15 39500
2014-07-15 39900
2015-01-15 32300
2016-03-07 32020
2016-04-07 32100
...
2019-09-07 31070
2019-10-08 30920
2019-11-07 31050
2019-12-07 30960
2020-01-07 31080
M2货币供应年率
接口: macro_china_m2_yearly
目标地址: https://datacenter.jin10.com/reportType/dc_chinese_m2_money_supply_yoy
描述: 获取中国年度M2数据, 数据区间从19980201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
年率 | float | Y | 年率 |
接口示例
import PPshare as PP
macro_china_m2_yearly_df = PP.macro_china_m2_yearly()
print(macro_china_m2_yearly_df)
print(macro_china_m2_yearly_df.name)
数据示例
macro_china_m2_yearly_df.name:
m2
macro_china_m2_yearly_df:
1998-02-01 17.4
1998-03-01 16.7
1998-04-01 15.4
1998-05-01 14.6
1998-06-01 15.5
...
2019-11-11 8.4
2019-11-14 0
2019-12-10 8.2
2019-12-13 0
2020-01-14 0
中国货币供应量
接口: macro_china_money_supply
目标地址: http://data.eastmoney.com/cjsj/moneysupply.aspx
描述: 获取中国货币供应量月度数据, 数据区间从200801-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | 日期-索引 |
M2-数量 | float | Y | 注意单位: 亿元 |
M2-同比增长 | str | Y | 注意单位: % |
M2-环比增长 | str | Y | 注意单位: % |
M1-数量 | float | Y | 注意单位: 亿元 |
M1-同比增长 | str | Y | 注意单位: % |
M1-环比增长 | str | Y | 注意单位: % |
M0-数量 | float | Y | 注意单位: 亿元 |
M0-同比增长 | str | Y | 注意单位: % |
M0-环比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_money_supply_df = PP.macro_china_money_supply()
print(macro_china_money_supply_df)
数据示例
月份 M2-数量 M2-同比增长 M2-环比增长 ... M1-环比增长 M0-数量 M0-同比增长 M0-环比增长
0 2020年03月份 2080900.00 10.10% 2.47% ... 4.05% 83000.00 10.80% -5.90%
1 2020年02月份 2030800.00 8.80% 0.38% ... 1.32% 88200.00 10.90% -5.36%
2 2020年01月份 2023100.00 8.40% 1.84% ... -5.30% 93200.00 6.60% 20.73%
3 2019年12月份 1986500.00 8.70% 1.28% ... 2.40% 77200.00 5.40% 4.36%
4 2019年11月份 1961429.56 8.20% 0.81% ... 0.78% 73973.82 4.80% 0.79%
.. ... ... ... ... ... ... ... ... ...
142 2008年05月份 436221.60 18.07% 1.61% ... 1.09% 30169.30 12.88% -2.01%
143 2008年04月份 429313.72 16.94% 1.48% ... 0.55% 30789.61 10.70% 1.17%
144 2008年03月份 423054.53 16.19% 0.48% ... 0.46% 30433.07 11.12% -6.23%
145 2008年02月份 421037.84 17.39% 0.76% ... -3.03% 32454.47 5.96% -11.50%
146 2008年01月份 417846.17 18.88% 3.58% ... 1.54% 36673.15 31.21% 20.90%
新房价指数
接口: macro_china_new_house_price
目标地址: http://data.eastmoney.com/cjsj/newhouse.html
描述: 获取中国新房价指数月度数据, 数据区间从201101-至今
限量: 单次返回所有历史数据, 目前该指数由上海和北京房价构成
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期 |
城市 | str | Y | – |
新建住宅价格指数-环比 | float | Y | – |
新建住宅价格指数-同比 | float | Y | – |
新建住宅价格指数-定基 | float | Y | – |
新建商品住宅价格指数-环比 | float | Y | – |
新建商品住宅价格指数-同比 | float | Y | – |
新建商品住宅价格指数-定基 | float | Y | – |
二手住宅价格指数-环比 | float | Y | – |
二手住宅价格指数-同比 | float | Y | – |
接口示例
import PPshare as PP
macro_china_new_house_price_df = PP.macro_china_new_house_price()
print(macro_china_new_house_price_df)
数据示例
日期 城市 新建住宅价格指数-环比 ... 新建商品住宅价格指数-定基 二手住宅价格指数-环比 二手住宅价格指数-同比
0 2020年03月01日 北京 - ... - 100.2 99.3
1 2020年03月01日 上海 - ... - 100.3 101.6
2 2020年02月01日 北京 - ... - 99.8 99.6
3 2020年02月01日 上海 - ... - 100.2 101.6
4 2020年01月01日 北京 - ... - 100.4 100.0
.. ... .. ... ... ... ... ...
217 2011年03月01日 上海 100.2 ... 102.3 100.4 100.5
218 2011年02月01日 北京 100.4 ... 103.5 100.4 102.9
219 2011年02月01日 上海 100.9 ... 102.1 100.4 102.0
220 2011年01月01日 北京 100.8 ... 103.0 100.3 102.6
221 2011年01月01日 上海 100.9 ... 101.0 100.5 101.7
企业景气及企业家信心指数
接口: macro_china_enterprise_boom_index
目标地址: http://data.eastmoney.com/cjsj/qyjqzs.html
描述: 获取中国企业景气及企业家信心指数数据, 数据区间从 2005 一季度-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
季度 | str | Y | 日期 |
企业景气指数-指数 | float | Y | – |
企业景气指数-同比 | float | Y | 注意单位: % |
企业景气指数-环比 | float | Y | 注意单位: % |
企业家信心指数-指数 | float | Y | – |
企业家信心指数-同比 | float | Y | 注意单位: % |
企业家信心指数-环比 | float | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_enterprise_boom_index_df = PP.macro_china_enterprise_boom_index()
print(macro_china_enterprise_boom_index_df)
数据示例
季度 企业景气指数-指数 企业景气指数-同比 企业景气指数-环比 企业家信心指数-指数 企业家信心指数-同比 企业家信心指数-环比
0 2020第1季度 88.2 -11.78% -34.58% 90.9 -9.14% -32.74%
1 2019第4季度 122.8 22.80% -0.60% 123.6 23.60% -0.70%
2 2019第3季度 123.4 23.40% 0.20% 124.3 24.30% 0.20%
3 2019第2季度 123.2 23.20% -3.40% 124.1 24.10% -3.80%
4 2019第1季度 126.6 26.60% 6.40% 127.9 27.90% 6.60%
.. ... ... ... ... ... ... ...
56 2006第1季度 131.5 31.50% -0.20% 133.1 33.10% 7.70%
57 2005第4季度 131.7 31.70% -0.30% 125.4 25.40% -2.20%
58 2005第3季度 132.0 32.00% 0.29% 127.6 27.60% -0.90%
59 2005第2季度 131.7 31.71% -0.75% 128.5 28.50% -7.35%
60 2005第1季度 132.5 32.46% -2.27% 135.9 35.85% 5.04%
全国税收收入
接口: macro_china_national_tax_receipts
目标地址: http://data.eastmoney.com/cjsj/nationaltaxreceipts.aspx
描述: 获取中国全国税收收入数据, 数据区间从 2005 一季度-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
季度 | str | Y | 日期 |
税收收入合计 | float | Y | 注意单位: 亿元 |
较上年同期 | float | Y | 注意单位: % |
季度环比 | float | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_national_tax_receipts_df = PP.macro_china_national_tax_receipts()
print(macro_china_national_tax_receipts_df)
数据示例
季度 税收收入合计 较上年同期 季度环比
0 2020年第1季度 39029.00 -16.40% -0.75%
1 2019年第1-4季度 157992.00 1.00% -0.10%
2 2019年第1-3季度 126970.00 -0.40% -0.24%
3 2019年第1-2季度 92424.00 0.90% 2.94%
4 2019年第1季度 46706.00 5.40% -0.60%
.. ... ... ... ...
54 2006年第1-2季度 18484.80 22.00% 0.14%
55 2006年第1季度 8626.32 19.00% 0.83%
56 2005年第1-3季度 21855.35 15.90% -0.15%
57 2005年第1-2季度 15149.73 13.40% 0.09%
58 2005年第1季度 7249.16 10.70% 0.97%
新增信贷数据
接口: macro_china_new_financial_credit
目标地址: http://data.eastmoney.com/cjsj/xzxd.html
描述: 获取中国新增信贷数据数据, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | 注意单位: 亿元 |
当月-同比增长 | str | Y | 注意单位: % |
当月-环比增长 | str | Y | 注意单位: % |
累计 | str | Y | 注意单位: 亿元 |
累计-同比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_new_financial_credit_df = PP.macro_china_new_financial_credit()
print(macro_china_new_financial_credit_df)
数据示例
月份 当月 当月-同比增长 当月-环比增长 累计 累计-同比增长
0 2020年06月份 19043.6 13.78 22.86 123300 23.03
1 2020年05月份 15500 30.74 -4.55 104256 24.89
2 2020年04月份 16239.5 85.96 -46.56 88756.4 23.92
3 2020年03月份 30390.3 55.18 321.96 72516.9 15.3
4 2020年02月份 7202.13 -5.74 -79.38 42126.6 -2.73
.. ... ... ... ... ... ...
145 2008年05月份 3185 28.79 -32.09 21201 1.39
146 2008年04月份 4690 11.14 65.49 18016 -2.29
147 2008年03月份 2834 -35.84 16.43 13326 -6.27
148 2008年02月份 2434 -41.18 -69.79 10492 7.05
149 2008年01月份 8058 42.29 1561.44 8058 42.29
居民消费价格指数
接口: macro_china_cpi
目标地址: http://data.eastmoney.com/cjsj/cpi.html
描述: 获取中国居民消费价格指数, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
全国-当月 | str | Y | – |
全国-同比增长 | str | Y | 注意单位: % |
全国-环比增长 | str | Y | 注意单位: % |
全国-累计 | str | Y | – |
城市-当月 | str | Y | – |
城市-同比增长 | str | Y | 注意单位: % |
城市-环比增长 | str | Y | 注意单位: % |
城市-累计 | str | Y | – |
农村-当月 | str | Y | – |
农村-同比增长 | str | Y | 注意单位: % |
农村-环比增长 | str | Y | 注意单位: % |
农村-累计 | str | Y | – |
接口示例
import PPshare as PP
macro_china_cpi_df = PP.macro_china_cpi()
print(macro_china_cpi_df)
数据示例
月份 全国-当月 全国-同比增长 全国-环比增长 ... 农村-当月 农村-同比增长 农村-环比增长 农村-累计
0 2020年07月份 102.7 2.7% 0.6% ... 103.7 3.7% 0.8% 104.5
1 2020年06月份 102.5 2.5% -0.1% ... 103.2 3.2% 0.0% 104.7
2 2020年05月份 102.4 2.4% -0.8% ... 103.0 3.0% -0.9% 105.0
3 2020年04月份 103.3 3.3% -0.9% ... 104.0 4.0% -1.0% 105.5
4 2020年03月份 104.3 4.3% -1.2% ... 105.3 5.3% -1.3% 105.9
.. ... ... ... ... ... ... ... ... ...
6 2008年05月份 107.7 7.7% -0.4% ... 108.5 8.5% -0.3% 108.8
7 2008年04月份 108.5 8.5% 0.1% ... 109.3 9.3% 0.1% 108.8
8 2008年03月份 108.3 8.3% -0.7% ... 109.0 9.0% -0.5% 108.7
9 2008年02月份 108.7 8.7% 2.6% ... 109.2 9.2% 2.4% 108.5
10 2008年01月份 107.1 7.1% 1.2% ... 107.7 7.7% 1.2% 107.7
国内生产总值
接口: macro_china_gdp
目标地址: http://data.eastmoney.com/cjsj/gdp.html
描述: 获取中国国内生产总值, 数据区间从 200601 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
季度 | str | Y | – |
国内生产总值-绝对值 | str | Y | 注意单位: 亿元 |
国内生产总值-同比增长 | str | Y | 注意单位: % |
第一产业-绝对值 | str | Y | 注意单位: 亿元 |
第一产业-同比增长 | str | Y | 注意单位: % |
第二产业-绝对值 | str | Y | 注意单位: 亿元 |
第二产业-同比增长 | str | Y | 注意单位: % |
第三产业-绝对值 | str | Y | 注意单位: 亿元 |
第三产业-同比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_gdp_df = PP.macro_china_gdp()
print(macro_china_gdp_df)
数据示例
季度 国内生产总值-绝对值 国内生产总值-同比增长 ... 第二产业-同比增长 第三产业-绝对值 第三产业-同比增长
0 2020年第1-2季度 456614.00 -1.60% ... -1.90% 257802.00 -1.60%
1 2020年第1季度 206504.30 -6.80% ... -9.60% 122680.10 -5.20%
2 2019年第1-4季度 990865.10 6.10% ... 5.70% 534233.10 6.90%
3 2019年第1-3季度 712845.40 6.20% ... 5.60% 392927.90 7.00%
4 2019年第1-2季度 460636.70 6.30% ... 5.80% 258307.50 7.00%
.. ... ... ... ... ... ... ...
13 2007年第1季度 57159.30 13.80% ... 14.80% 27702.50 14.10%
14 2006年第1-4季度 219438.50 12.70% ... 13.50% 91759.70 14.10%
15 2006年第1-3季度 155816.80 12.80% ... 13.70% 67185.10 13.70%
16 2006年第1-2季度 99752.20 13.10% ... 14.20% 44995.30 13.60%
17 2006年第1季度 47078.90 12.50% ... 13.10% 22647.40 13.10%
工业品出厂价格指数
接口: macro_china_ppi
目标地址: http://data.eastmoney.com/cjsj/ppi.html
描述: 获取工业品出厂价格指数, 数据区间从 200601 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | – |
当月同比增长 | str | Y | 注意单位: % |
累计 | str | Y | – |
接口示例
import PPshare as PP
macro_china_ppi_df = PP.macro_china_ppi()
print(macro_china_ppi_df)
数据示例
月份 当月 当月同比增长 累计
0 2020年07月份 97.6 -2.40% 98.00
1 2020年06月份 97.0 -3.00% 98.10
2 2020年05月份 96.3 -3.70% 98.30
3 2020年04月份 96.9 -3.10% 98.80
4 2020年03月份 98.5 -1.50% 99.40
.. ... ... ... ...
10 2006年05月份 102.4 2.43% 102.57
11 2006年04月份 101.9 1.87% 102.60
12 2006年03月份 102.5 2.49% 102.90
13 2006年02月份 103.0 3.01% 103.00
14 2006年01月份 103.1 3.05% 103.05
采购经理人指数
接口: macro_china_pmi
目标地址: http://data.eastmoney.com/cjsj/pmi.html
描述: 获取采购经理人指数, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
制造业-指数 | str | Y | – |
制造业-同比增长 | str | Y | 注意单位: % |
非制造业-指数 | str | Y | – |
非制造业-同比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_pmi_df = PP.macro_china_pmi()
print(macro_china_pmi_df)
数据示例
月份 制造业-指数 制造业-同比增长 非制造业-指数 非制造业-同比增长
0 2020年07月份 51.1 2.82% 54.2 0.93%
1 2020年06月份 50.9 3.04% 54.4 0.37%
2 2020年05月份 50.6 2.43% 53.6 -1.29%
3 2020年04月份 50.8 1.40% 53.2 -2.03%
4 2020年03月份 52.0 2.97% 52.3 -4.56%
.. ... ... ... ... ...
6 2008年05月份 53.3 -4.31% 57.4 -7.72%
7 2008年04月份 59.2 1.02% 58.4 -3.31%
8 2008年03月份 58.4 4.10% 58.9 1.20%
9 2008年02月份 53.4 0.56% 59.3 -2.15%
10 2008年01月份 53.0 -3.81% 60.2 -0.33%
中国城镇固定资产投资
接口: macro_china_gdzctz
目标地址: http://data.eastmoney.com/cjsj/gdzctz.html
描述: 获取中国城镇固定资产投资, 数据区间从 200802 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | 注意单位: 亿元 |
同比增长 | str | Y | 注意单位: % |
环比增长 | str | Y | 注意单位: % |
自年初累计 | str | Y | 注意单位: 亿元 |
接口示例
import PPshare as PP
macro_china_gdzctz_df = PP.macro_china_gdzctz()
print(macro_china_gdzctz_df)
数据示例
月份 当月 同比增长 环比增长 自年初累计
0 2020年07月份 47611 -4.38% -42.23% 329214
1 2020年06月份 82409 1.06% 32.13% 281603
2 2020年05月份 62370 0.91% 18.40% 199194
3 2020年04月份 52679 -2.22% 3.65% 136824
4 2020年03月份 50822 -10.87% 0.00% 84145
.. ... ... ... ... ...
13 2008年06月份 18172 29.49% 53.29% 58436
14 2008年05月份 11854 25.44% 17.45% 40264
15 2008年04月份 10093 25.37% -1.01% 28410
16 2008年03月份 10196 27.31% 0.00% 18317
17 2008年02月份 0 0.00% 0.00% 8121
海关进出口增减情况一览表
接口: macro_china_hgjck
目标地址: http://data.eastmoney.com/cjsj/hgjck.html
描述: 获取中国海关进出口增减情况一览表, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月出口额-金额 | str | Y | 注意单位: 亿美元 |
当月出口额-同比增长 | str | Y | 注意单位: % |
当月出口额-环比增长 | str | Y | 注意单位: % |
当月进口额-金额 | str | Y | 注意单位: 亿美元 |
当月进口额-同比增长 | str | Y | 注意单位: % |
当月进口额-环比增长 | str | Y | 注意单位: % |
累计出口额-金额 | str | Y | 注意单位: 亿美元 |
累计出口额-同比增长 | str | Y | 注意单位: % |
累计进口额-金额 | str | Y | 注意单位: 亿美元 |
累计进口额-同比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_hgjck_df = PP.macro_china_hgjck()
print(macro_china_hgjck_df)
数据示例
月份 当月出口额-金额 当月出口额-同比增长 ... 累计出口额-同比增长 累计进口额-金额 累计进口额-同比增长
0 2020年07月份 2376.31 7.20% ... -4.10% 11062.48 -5.70%
1 2020年06月份 2135.74 0.50% ... -6.20% 9309.46 -7.10%
2 2020年05月份 2068.13 -3.30% ... -7.70% 7636.29 -8.20%
3 2020年04月份 2002.82 3.50% ... -9.00% 6200.48 -5.90%
4 2020年03月份 1851.48 -6.60% ... -13.30% 4650.11 -2.90%
.. ... ... ... ... ... ... ...
5 2008年05月份 1204.96 28.10% ... 22.90% 4670.27 30.40%
6 2008年04月份 1187.07 21.80% ... 21.50% 3665.73 27.90%
7 2008年03月份 1089.63 30.60% ... 21.40% 2644.79 28.60%
8 2008年02月份 873.68 6.50% ... 16.80% 1689.38 30.90%
9 2008年01月份 1096.40 26.60% ... 26.60% 901.74 27.60%
财政收入
接口: macro_china_czsr
目标地址: http://data.eastmoney.com/cjsj/czsr.html
描述: 获取中国财政收入, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | 注意单位: 亿元 |
当月-同比增长 | str | Y | 注意单位: % |
当月-环比增长 | str | Y | 注意单位: % |
累计 | str | Y | 注意单位: 亿美元 |
累计-同比增长 | str | Y | 注意单位: % |
接口示例
import PPshare as PP
macro_china_czsr_df = PP.macro_china_czsr()
print(macro_china_czsr_df)
数据示例
月份 当月 当月-同比增长 当月-环比增长 累计 累计-同比增长
0 2020年06月份 18504.00 3.22% 19.08% 96176.00 -10.80%
1 2020年05月份 15539.00 -10.01% -3.78% 77672.00 -13.60%
2 2020年04月份 16149.00 -14.98% 50.20% 62133.00 -14.50%
3 2020年03月份 10752.00 -26.11% 0.00% 45984.00 -14.30%
4 2020年02月份 0.00 0.00% 0.00% 35232.00 -9.90%
.. ... ... ... ... ... ...
3 2008年05月份 6268.18 52.60% -8.16% 29064.37 33.80%
4 2008年04月份 6824.90 17.02% 54.55% 22796.22 29.40%
5 2008年03月份 4416.00 24.67% 6.18% 15971.34 35.50%
6 2008年02月份 4158.80 36.55% -43.77% 11555.39 40.20%
7 2008年01月份 7396.64 42.35% 135.20% 7396.64 42.40%
外汇贷款数据
接口: macro_china_whxd
目标地址: http://data.eastmoney.com/cjsj/whxd.html
描述: 获取外汇贷款数据, 数据区间从 200802 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | 注意单位: 亿美元 |
同比增长 | str | Y | 注意单位: % |
环比增长 | str | Y | 注意单位: % |
累计 | str | Y | 注意单位: 亿美元 |
接口示例
import PPshare as PP
macro_china_whxd_df = PP.macro_china_whxd()
print(macro_china_whxd_df)
数据示例
月份 当月 同比增长 环比增长 累计
0 2020年07月份 192.00 256.10% 24.68% 8835.00
1 2020年06月份 154.00 294.94% -2.53% 8643.00
2 2020年05月份 158.00 154.84% -23.67% 8489.00
3 2020年04月份 207.00 200.49% 727.27% 8331.00
4 2020年03月份 -33.00 -153.23% -116.58% 8124.00
.. ... ... ... ... ...
13 2008年06月份 14.02 -84.35% -53.33% 2753.36
14 2008年05月份 30.04 -13.15% 40.70% 2739.34
15 2008年04月份 21.35 39.82% -79.40% 2709.30
16 2008年03月份 103.62 279.28% -52.25% 2687.95
17 2008年02月份 217.02 754.75% -90.83% 2584.33
本外币存款
接口: macro_china_wbck
目标地址: http://data.eastmoney.com/cjsj/wbck.html
描述: 获取本外币存款, 数据区间从 200802 至今, 月度数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
月份 | str | Y | – |
当月 | str | Y | 注意单位: 亿元 |
同比增长 | str | Y | 注意单位: % |
环比增长 | str | Y | 注意单位: % |
累计 | str | Y | 注意单位: 亿元 |
接口示例
import PPshare as PP
macro_china_wbck_df = PP.macro_china_wbck()
print(macro_china_wbck_df)
数据示例
月份 当月 同比增长 环比增长 累计
0 2020年07月份 1133.15 -79.29% -96.33% 2131019.48
1 2020年06月份 30853.36 33.17% 33.24% 2129886.33
2 2020年05月份 23155.64 88.19% 97.66% 2099032.97
3 2020年04月份 11715.18 377.15% -71.19% 2075877.33
4 2020年03月份 40661.59 129.27% 253.39% 2064162.15
.. ... ... ... ... ...
13 2008年06月份 7686.63 -14.22% -12.28% 450227.49
14 2008年05月份 8763.12 370.97% 22.04% 442540.86
15 2008年04月份 7180.81 69.12% -33.13% 433777.74
16 2008年03月份 10737.68 25.85% -19.69% 426596.93
17 2008年02月份 13370.18 152.67% -96.68% 415859.25
币净投放与净回笼
接口: macro_china_hb
目标地址: http://www.chinamoney.com.cn/chinese/hb/
描述: 央行币净投放与净回笼, 数据区间从 19970310 至今, 周频率
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
start_date | str | Y | 开始日期 |
net_put_in | str | Y | 净投放(亿) |
back | str | Y | 回笼量(亿) |
end_date | str | Y | 结束日期 |
put_in | str | Y | 投放量(亿) |
date | str | Y | 周期 |
接口示例
import PPshare as PP
macro_china_hb_df = PP.macro_china_hb()
print(macro_china_hb_df)
数据示例
start_date net_put_in back end_date put_in date
0 1997-03-10 0 0 1997-03-16 0 1997-11
1 1997-03-17 0 0 1997-03-23 0 1997-12
2 1997-03-24 0 0 1997-03-30 0 1997-13
3 1997-03-31 0 0 1997-04-06 0 1997-14
4 1997-04-07 0 0 1997-04-13 0 1997-15
... ... ... ... ... ...
1215 2020-07-20 -1650 3300 2020-07-26 1650 2020-30
1216 2020-07-27 1200 1600 2020-08-02 2800 2020-31
1217 2020-08-03 -2700 2800 2020-08-09 100 2020-32
1218 2020-08-10 4900 100 2020-08-16 5000 2020-33
1219 2020-08-17 -3500 5000 2020-08-23 1500 2020-34
央行公开市场操作
接口: macro_china_gksccz
目标地址: http://www.chinamoney.com.cn/chinese/yhgkscczh/
描述: 央行公开市场操作, 数据区间从 20040116 至今, 周频率
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
rate | str | Y | 中标利率(%) |
trading_method | str | Y | 正/逆回购 |
deal_amount | str | Y | 交易量(亿) |
period | str | Y | 期限(天) |
operation_from_date | str | Y | 操作日期 |
接口示例
import PPshare as PP
macro_china_gksccz_df = PP.macro_china_gksccz()
print(macro_china_gksccz_df)
数据示例
rate trading_method deal_amount period operation_from_date
0 2.82 逆回购 400 14 2004-01-16
1 2.83 正回购 50 91 2004-05-13
2 2.55 正回购 150 28 2004-05-13
3 2.65 正回购 300 28 2004-05-20
4 2.69 正回购 200 28 2004-05-27
... ... ... ... ...
1955 2.2 逆回购 500 7 2020-08-17
1956 2.2 逆回购 1000 7 2020-08-18
1957 2.2 逆回购 1500 7 2020-08-19
1958 2.35 逆回购 500 14 2020-08-21
1959 2.2 逆回购 1500 7 2020-08-21
新债券发行
接口: macro_china_bond_public
目标地址: http://www.chinamoney.com.cn/chinese/xzj
描述: 债券信息披露-新债券发行, 近期债券发行数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
issue_price | str | Y | – |
emit_enty | str | Y | – |
coupon_type | str | Y | – |
plnd_issue_vlmn_str | str | Y | – |
issue_price_str | str | Y | – |
issue_date | str | Y | – |
bond_type | str | Y | – |
plnd_issue_vlmn | str | Y | – |
bond_name | str | Y | – |
bond_code | str | Y | – |
rtng_shrt | str | Y | – |
bond_period | str | Y | – |
defined_code | str | Y | – |
接口示例
import PPshare as PP
macro_china_bond_public_df = PP.macro_china_bond_public()
print(macro_china_bond_public_df)
数据示例
issue_price emit_enty coupon_type ... rtng_shrt bond_period defined_code
0 None None 未计息 ... None 340日 eabej8aq8n
1 None None 零息式 ... AAA 340日 eabeitsg7n
2 None None 附息式固定利率 ... AAA 10年 eadgek956e
3 None None 附息式固定利率 ... AAA 15年 eadgdm86f1
4 None None 附息式固定利率 ... AAA 5年 eadgclnd8n
.. ... ... ... ... ... ... ...
410 None None 附息式固定利率 ... AAA 3年 digaam0gri
411 None None 附息式固定利率 ... AAA 3年 31101hrowk
412 None None 附息式固定利率 ... AA+ 5年 277522ta3a
413 None None 附息式固定利率 ... AA- 5年 djbgj9xcxt
414 None None 附息式固定利率 ... AAA 3年 djaabv3nd8
外汇和黄金储备
接口: macro_china_fx_gold
目标地址: http://data.eastmoney.com/cjsj/hjwh.html
描述: 获取中国外汇和黄金储备, 数据区间从 200801 至今, 月度数据
限量: 单次返回所有历史数据
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 |
---|---|---|---|
date | str | Y | 年度和月份 |
foreign_exchange_reserve | str | Y | 注意单位: 亿美元 |
gold_reserves | str | Y | 注意单位: 万盎司 |
接口示例
import PPshare as PP
macro_china_fx_gold_df = PP.macro_china_fx_gold()
print(macro_china_fx_gold_df)
数据示例
date foreign_exchange_reserve gold_reserves
0 08年1月 15898.104 1929
1 08年2月 16471.3371 1929
2 08年3月 16821.77 1929
3 08年4月 17566.5514 1929
4 08年5月 17969.6074 1929
.. ... ... ...
145 20年2月 31067.18 6264
146 20年3月 30606.33 6264
147 20年4月 30914.59 6264
148 20年5月 31016.92 6264
149 20年6月 31123.28 6264
上海银行业同业拆借报告
接口: macro_china_shibor_all
目标地址: https://datacenter.jin10.com/reportType/dc_shibor
描述: 获取上海银行业同业拆借报告, 数据区间从20170317-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
O/N_定价 | float | Y | – |
O/N_涨跌幅 | float | Y | 单位: 点 |
1W_定价 | float | Y | – |
1W_涨跌幅 | float | Y | 单位: 点 |
2W_定价 | float | Y | – |
2W_涨跌幅 | float | Y | 单位: 点 |
1M_定价 | float | Y | – |
1M_涨跌幅 | float | Y | 单位: 点 |
3M_定价 | float | Y | – |
3M_涨跌幅 | float | Y | 单位: 点 |
6M_定价 | float | Y | – |
6M_涨跌幅 | float | Y | 单位: 点 |
9M_定价 | float | Y | – |
9M_涨跌幅 | float | Y | 单位: 点 |
1Y_定价 | float | Y | – |
1Y_涨跌幅 | float | Y | 单位: 点 |
ON_定价 | float | Y | – |
ON_涨跌幅 | float | Y | 单位: 点 |
2M_定价 | float | Y | – |
2M_涨跌幅 | float | Y | 单位: 点 |
接口示例
import PPshare as PP
macro_china_shibor_all_df = PP.macro_china_shibor_all()
print(macro_china_shibor_all_df)
数据示例
O/N_定价 O/N_涨跌幅 1W_定价 1W_涨跌幅 ... ON_定价 ON_涨跌幅 2M_定价 2M_涨跌幅
2017-03-17 2.6330 NaN 2.7250 NaN ... NaN NaN NaN NaN
2017-03-20 2.6325 -0.05 3.9428 121.78 ... 2.0283 NaN 4.5915 NaN
2017-03-21 2.6477 1.52 3.9094 116.23 ... 2.3883 36.00 4.6113 1.98
2017-03-22 2.6507 0.30 4.3795 161.15 ... 2.3100 -7.83 4.8365 22.52
2017-03-23 2.6570 0.63 4.3538 156.28 ... 2.2263 -8.37 4.5410 -29.55
... ... ... ... ... ... ... ... ...
2020-04-16 0.7020 -9.90 1.3475 -28.45 ... 1.2485 5.68 1.9365 -2.60
2020-04-17 0.7160 1.40 1.3490 -30.80 ... 1.2717 2.32 1.9140 -2.25
2020-04-20 0.8960 18.00 1.4882 -24.88 ... 1.4213 14.97 2.0012 8.72
2020-04-21 0.9010 0.50 1.4832 -25.08 ... 1.3310 -9.03 1.9972 -0.40
2020-04-22 0.9010 0.00 1.4188 -18.72 ... 1.2177 -11.33 1.9992 0.20
人民币香港银行同业拆息
接口: macro_china_hk_market_info
目标地址: https://datacenter.jin10.com/reportType/dc_hk_market_info
描述: 获取香港同业拆借报告, 数据区间从20170320-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
O/N_定价 | float | Y | – |
O/N_涨跌幅 | float | Y | 单位: 点 |
1W_定价 | float | Y | – |
1W_涨跌幅 | float | Y | 单位: 点 |
2W_定价 | float | Y | – |
2W_涨跌幅 | float | Y | 单位: 点 |
1M_定价 | float | Y | – |
1M_涨跌幅 | float | Y | 单位: 点 |
3M_定价 | float | Y | – |
3M_涨跌幅 | float | Y | 单位: 点 |
6M_定价 | float | Y | – |
6M_涨跌幅 | float | Y | 单位: 点 |
9M_定价 | float | Y | – |
9M_涨跌幅 | float | Y | 单位: 点 |
1Y_定价 | float | Y | – |
1Y_涨跌幅 | float | Y | 单位: 点 |
ON_定价 | float | Y | – |
ON_涨跌幅 | float | Y | 单位: 点 |
2M_定价 | float | Y | – |
2M_涨跌幅 | float | Y | 单位: 点 |
接口示例
import PPshare as PP
macro_china_hk_market_info_df = PP.macro_china_hk_market_info()
print(macro_china_hk_market_info_df)
数据示例
O/N_定价 O/N_涨跌幅 1W_定价 1W_涨跌幅 ... ON_定价 ON_涨跌幅 2M_定价 2M_涨跌幅
2017-03-17 2.6330 NaN 2.7250 NaN ... NaN NaN NaN NaN
2017-03-20 2.6325 -0.05 3.9428 121.78 ... 2.0283 NaN 4.5915 NaN
2017-03-21 2.6477 1.52 3.9094 116.23 ... 2.3883 36.00 4.6113 1.98
2017-03-22 2.6507 0.30 4.3795 161.15 ... 2.3100 -7.83 4.8365 22.52
2017-03-23 2.6570 0.63 4.3538 156.28 ... 2.2263 -8.37 4.5410 -29.55
... ... ... ... ... ... ... ... ...
2020-04-16 0.7020 -9.90 1.3475 -28.45 ... 1.2485 5.68 1.9365 -2.60
2020-04-17 0.7160 1.40 1.3490 -30.80 ... 1.2717 2.32 1.9140 -2.25
2020-04-20 0.8960 18.00 1.4882 -24.88 ... 1.4213 14.97 2.0012 8.72
2020-04-21 0.9010 0.50 1.4832 -25.08 ... 1.3310 -9.03 1.9972 -0.40
2020-04-22 0.9010 0.00 1.4188 -18.72 ... 1.2177 -11.33 1.9992 0.20
其他指标
中国日度沿海六大电库存
接口: macro_china_daily_energy
目标地址: https://datacenter.jin10.com/reportType/dc_qihuo_energy_report
描述: 获取中国日度沿海六大电库存数据, 数据区间从20160101-至今, 不再更新, 只能获得历史数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
数值 | float | Y | energy |
接口示例
import PPshare as PP
macro_china_daily_energy_df = PP.macro_china_daily_energy()
print(macro_china_daily_energy_df)
数据示例
macro_china_daily_energy_df:
沿海六大电库存 日耗 存煤可用天数
2016-01-01 1167.60 64.20 18.19
2016-01-02 1162.90 63.40 18.34
2016-01-03 1160.80 62.60 18.54
2016-01-04 1185.30 57.60 20.58
2016-01-05 1150.20 57.20 20.11
... ... ...
2019-05-17 1639.47 61.71 26.56
2019-05-21 1591.92 62.67 25.40
2019-05-22 1578.63 59.54 26.51
2019-05-24 1671.83 60.65 27.56
2019-06-21 1786.64 66.57 26.84
人民币汇率中间价报告
接口: macro_china_rmb
目标地址: https://datacenter.jin10.com/reportType/dc_rmb_data
描述: 获取中国人民币汇率中间价报告, 数据区间从20170103-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
美元/人民币_中间价 | float | Y | – |
美元/人民币_涨跌幅 | float | Y | 单位: 点 |
欧元/人民币_中间价 | float | Y | – |
欧元/人民币_涨跌幅 | float | Y | 单位: 点 |
100日元/人民币_中间价 | float | Y | – |
100日元/人民币_涨跌幅 | float | Y | 单位: 点对 |
港元/人民币_中间价 | float | Y | – |
港元/人民币_涨跌幅 | float | Y | 单位: 点 |
英镑/人民币_中间价 | float | Y | – |
英镑/人民币_涨跌幅 | float | Y | 单位: 点 |
澳元/人民币_中间价 | float | Y | – |
澳元/人民币_涨跌幅 | float | Y | 单位: 点 |
新西兰元/人民币_中间价 | float | Y | – |
新西兰元/人民币_涨跌幅 | float | Y | 单位: 点 |
新加坡元/人民币_中间价 | float | Y | – |
新加坡元/人民币_涨跌幅 | float | Y | 单位: 点 |
瑞郎/人民币_中间价 | float | Y | – |
瑞郎/人民币_涨跌幅 | float | Y | 单位: 点 |
加元/人民币_中间价 | float | Y | – |
加元/人民币_涨跌幅 | float | Y | 单位: 点 |
人民币/马来西亚林吉特_中间价 | float | Y | – |
人民币/马来西亚林吉特_涨跌幅 | float | Y | 单位: 点 |
人民币/俄罗斯卢布_中间价 | float | Y | – |
人民币/俄罗斯卢布_涨跌幅 | float | Y | 单位: 点 |
人民币/南非兰特_中间价 | float | Y | – |
人民币/南非兰特_涨跌幅 | float | Y | 单位: 点 |
人民币/韩元_中间价 | float | Y | – |
人民币/韩元_涨跌幅 | float | Y | 单位: 点 |
人民币/阿联酋迪拉姆_中间价 | float | Y | – |
人民币/阿联酋迪拉姆_涨跌幅 | float | Y | 单位: 点 |
人民币/沙特里亚尔_中间价 | float | Y | – |
人民币/沙特里亚尔_涨跌幅 | float | Y | 单位: 点 |
人民币/匈牙利福林_中间价 | float | Y | – |
人民币/匈牙利福林_涨跌幅 | float | Y | 单位: 点 |
人民币/波兰兹罗提_中间价 | float | Y | – |
人民币/波兰兹罗提_涨跌幅 | float | Y | 单位: 点 |
人民币/丹麦克朗_中间价 | float | Y | – |
人民币/丹麦克朗_涨跌幅 | float | Y | 单位: 点 |
人民币/瑞典克朗_中间价 | float | Y | – |
人民币/瑞典克朗_涨跌幅 | float | Y | 单位: 点 |
人民币/丹麦克朗_中间价 | float | Y | – |
人民币/丹麦克朗_涨跌幅 | float | Y | 单位: 点 |
人民币/挪威克朗_中间价 | float | Y | – |
人民币/挪威克朗_涨跌幅 | float | Y | 单位: 点 |
人民币/土耳其里拉_中间价 | float | Y | – |
人民币/土耳其里拉_涨跌幅 | float | Y | 单位: 点 |
人民币/墨西哥比索_中间价 | float | Y | – |
人民币/墨西哥比索_涨跌幅 | float | Y | 单位: 点 |
人民币/泰铢_中间价 | float | Y | – |
人民币/泰铢_涨跌幅 | float | Y | 单位: 点 |
接口示例
import PPshare as PP
macro_china_rmb_df = PP.macro_china_rmb()
print(macro_china_rmb_df)
数据示例
macro_china_rmb_df:
美元/人民币_中间价 美元/人民币_涨跌幅 ... 人民币/泰铢_定价 人民币/泰铢_涨跌幅
2018-02-06 6.3072 NaN ... 5.0191 NaN
2018-02-07 6.2882 -190.0 ... 5.0178 -13.0
2018-02-08 6.2822 -60.0 ... 5.0429 251.0
2018-02-09 6.3194 372.0 ... 5.0406 -23.0
2018-02-12 6.3001 -193.0 ... 5.0310 -96.0
... ... ... ... ...
2020-04-16 7.0714 312.0 ... 4.6260 -156.0
2020-04-17 7.0718 4.0 ... 4.6083 -177.0
2020-04-20 7.0657 -61.0 ... 4.5977 -106.0
2020-04-21 7.0752 95.0 ... 4.5929 -48.0
2020-04-22 7.0903 151.0 ... 4.5843 -86.0
深圳融资融券报告
接口: macro_china_market_margin_sz
目标地址: https://datacenter.jin10.com/reportType/dc_market_margin_sz
描述: 获取深圳融资融券报告, 数据区间从20100331-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
融资买入额(元) | float | Y | – |
融资余额(元) | float | Y | – |
融券卖出量(股) | float | Y | – |
融券余量(股) | float | Y | – |
融券余额(元) | float | Y | – |
融资融券余额(元) | float | Y | – |
接口示例
import PPshare as PP
macro_china_market_margin_sz_df = PP.macro_china_market_margin_sz()
print(macro_china_market_margin_sz_df)
数据示例
融资买入额(元) 融资余额(元) 融券卖出量(股) 融券余量(股) 融券余额(元) \
2010-03-31 684569 670796 4000 3900 70895
2010-04-08 6713260 14467758 2100 3100 56023
2010-04-09 9357095 19732998 6700 5400 108362
2010-04-12 10406563 24813027 2200 1000 8100
2010-04-15 16607172 47980287 4200 5200 97676
... ... ... ... ...
2019-12-12 25190412075 423457288662 29769255 209557883 2504593151
2019-12-13 29636811209 423422868505 32820867 206092170 2509424768
2019-12-16 39166060634 428851154451 44000215 217123568 2647520178
2019-12-17 46930557203 433966722200 40492711 220945538 2750371397
2019-12-18 41043515833 438511398249 39150376 224554586 2761303194
融资融券余额(元)
2010-03-31 741691
2010-04-08 14523781
2010-04-09 19841360
2010-04-12 24821127
2010-04-15 48077963
...
2019-12-12 425961881813
2019-12-13 425932293273
2019-12-16 431498674629
2019-12-17 436717093597
2019-12-18 441272701443
上海融资融券报告
接口: macro_china_market_margin_sh
目标地址: https://datacenter.jin10.com/reportType/dc_market_margin_sse
描述: 获取上海融资融券报告, 数据区间从20100331-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
融资余额 | float | Y | 注意单位:元 |
融资买入额 | float | Y | 注意单位:元 |
融券余量 | float | Y | 注意单位:股 |
融券余额 | float | Y | 注意单位:元 |
融券卖出量 | float | Y | 注意单位:股 |
融资融券余额 | float | Y | 注意单位:元 |
接口示例
import PPshare as PP
macro_china_market_margin_sh_df = PP.macro_china_market_margin_sh()
print(macro_china_market_margin_sh_df)
数据示例
融资余额 融资买入额 ... 融券卖出量 融资融券余额
2010-03-31 5.824813e+06 5.866316e+06 ... 3100.0 5.848955e+06
2010-04-01 6.842114e+06 1.054024e+06 ... 0.0 6.859439e+06
2010-04-02 6.762781e+06 2.075160e+05 ... 0.0 6.774710e+06
2010-04-06 1.009124e+07 3.329461e+06 ... 0.0 1.010151e+07
2010-04-07 2.508683e+07 1.514140e+07 ... 1400.0 2.512524e+07
... ... ... ... ...
2020-08-17 7.320815e+11 6.532228e+10 ... 311910304.0 7.735001e+11
2020-08-18 7.371393e+11 5.588143e+10 ... 236068903.0 7.784736e+11
2020-08-19 7.381023e+11 5.470145e+10 ... 302792889.0 7.794299e+11
2020-08-20 7.368085e+11 3.763784e+10 ... 203660295.0 7.778967e+11
2020-08-21 7.352210e+11 3.599241e+10 ... 196118235.0 7.765762e+11
上海黄金交易所报告
接口: macro_china_au_report
目标地址: https://datacenter.jin10.com/reportType/dc_sge_report
描述: 获取上海黄金交易所报告, 数据区间从20140905-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
商品 | float | Y | – |
开盘价 | float | Y | – |
最高价 | float | Y | – |
最低价 | float | Y | – |
收盘价 | float | Y | – |
涨跌 | float | Y | – |
涨跌幅 | float | Y | – |
加权平均价 | float | Y | – |
成交量 | float | Y | – |
成交金额 | float | Y | – |
持仓量 | float | Y | – |
交收方向 | float | Y | – |
交收量 | float | Y | – |
接口示例
import PPshare as PP
macro_china_au_report_df = PP.macro_china_au_report()
print(macro_china_au_report_df)
数据示例
商品 开盘价 最高价 ... 持仓量 交收方向 交收量
日期 ...
2014-09-05 Pt9995 293.50 293.50 ... NaN NaN
2014-09-05 Ag(T+D) 4159.00 4197.00 ... 5.25224e+06 空支付多 NaN
2014-09-05 Ag99.99 4218.00 4218.00 ... 322 NaN
2014-09-05 Au(T+D) 250.52 252.48 ... 144574 多支付空 11848
2014-09-05 mAu(T+D) 250.87 252.50 ... 130808 多支付空 23644
... ... ... ... ... ... ...
2020-04-22 NYAuTN12 379.80 385.00 ... 63446 NaN
2020-04-22 PGC30g 375.83 379.50 ... NaN NaN
2020-04-22 Pt99.95 173.30 181.96 ... NaN NaN
2020-04-22 Au99.99 372.00 374.45 ... NaN NaN
2020-04-22 Ag(T+D) 3554.00 3620.00 ... 1.06485e+07 多支付给空 67050
中国电煤价格指数
全国综合电煤价格指数
接口: macro_china_ctci
目标地址: http://jgjc.ndrc.gov.cn/dmzs.aspx?clmId=741
描述: 获取中国电煤价格指数-全国综合电煤价格指数图, 20140101-至今的所有历史数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | str | Y | 日期 |
value | float | Y | – |
接口示例
import PPshare as PP
macro_china_ctci_df = PP.macro_china_ctci()
print(macro_china_ctci_df)
数据示例
date value
0 20140201 495.79
1 20140301 484.88
2 20140401 470.61
3 20140501 461.02
4 20140601 454.23
5 20140701 443.48
6 20140801 430.77
7 20140901 417.76
8 20141001 412.30
9 20141101 415.58
67 20190901 486.79
68 20191001 489.88
69 20191101 492.01
70 20191201 483.09
各价区电煤价格指数
接口: macro_china_ctci_detail
目标地址: http://jgjc.ndrc.gov.cn/dmzs.aspx?clmId=741
描述: 获取中国电煤价格指数-各价区电煤价格指数, 具体年具体月的历史数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
环比 | str | Y | 日期 |
上期 | float | Y | – |
同比 | float | Y | – |
本期 | float | Y | – |
接口示例
import PPshare as PP
macro_china_ctci_detail_df = PP.macro_china_ctci_detail()
print(macro_china_ctci_detail_df)
数据示例
环比 上期 同比 本期
全国 -1.81 492.01 -7.11 483.09
天津市 -1.72 482.96 -12.83 474.65
冀北 0.56 453.80 -6.82 456.32
冀南 -0.89 471.71 -8.22 467.51
山西省 -2.43 344.46 -11.06 336.08
蒙西 0.51 292.07 4.31 293.56
蒙东 -0.04 274.00 11.53 273.90
辽宁省 -1.25 545.90 -6.91 539.09
吉林省 -0.97 556.83 -5.14 551.43
黑龙江省 -0.27 540.51 -0.84 539.07
上海市 -1.43 519.98 -10.75 512.55
江苏省 -0.85 535.04 -9.17 530.51
浙江省 -0.29 571.41 -2.57 569.78
安徽省 -1.12 574.23 -8.08 567.78
福建省 -1.01 532.02 -13.31 526.62
江西省 0.41 649.13 -5.46 651.79
山东省 -1.62 547.18 -12.24 538.33
河南省 -2.10 499.34 -18.86 488.87
湖北省 -0.75 583.65 -10.48 579.30
湖南省 -0.55 616.56 -9.44 613.18
广东省 -1.38 562.91 -8.65 555.12
广西自治区 0.48 682.33 -6.23 685.59
海南省 3.02 505.27 -4.46 520.53
重庆市 -5.14 613.98 -4.42 582.43
四川省 -0.10 570.25 -8.56 569.70
贵州省 0.85 488.61 -1.55 492.78
云南省 -3.38 457.68 -19.56 442.19
陕西省 -2.02 393.92 -10.11 385.95
甘肃省 0.30 463.03 -9.62 464.42
青海省 2.49 529.57 2.57 542.76
宁夏自治区 -2.46 362.00 -3.44 353.08
新疆自治区 -0.33 258.74 0.09 257.89
历史电煤价格指数
接口: macro_china_ctci_detail_hist
目标地址: http://jgjc.ndrc.gov.cn/dmzs.aspx?clmId=741
描述: 获取中国电煤价格指数-历史电煤价格指数, 具体年的历史数据
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
year | str | Y | year=”2018″, 从 2014-2019 年 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
地区 | str | Y | 日期 |
月份 | float | Y | – |
— | — | — | – |
月份 | float | Y | – |
接口示例
import PPshare as PP
macro_china_ctci_detail_hist_df = PP.macro_china_ctci_detail_hist(year="2018")
print(macro_china_ctci_detail_hist_df)
数据示例
地区 2018年01月 2018年02月 2018年03月 2018年04月 2018年05月 2018年06月 2018年07月 \
0 全国 549.12 567.21 546.58 522.78 515.39 528.57 532.53
1 天津市 561.23 583.85 585.94 551.54 524.41 528.97 540.94
2 冀北 510.57 534.05 517.08 474.42 453.55 461.06 467.58
3 冀南 530.74 540.18 532.12 514.28 503.97 497.25 493.77
4 山西省 393.98 408.07 396.38 370.90 364.30 374.28 376.38
5 蒙西 301.63 301.46 292.33 276.21 275.37 286.48 281.19
6 蒙东 230.38 227.76 242.35 246.00 248.76 250.37 242.71
7 辽宁省 563.70 563.07 558.31 538.79 530.65 537.27 553.26
8 吉林省 543.02 548.27 535.59 513.15 506.41 522.02 544.06
9 黑龙江省 519.31 522.83 495.48 477.43 470.00 472.85 483.66
10 上海市 645.34 643.98 647.36 600.11 578.45 584.03 602.29
11 江苏省 644.64 651.17 624.19 588.70 576.74 583.94 589.85
12 浙江省 636.39 637.83 625.57 592.52 609.26 618.92 586.79
13 安徽省 647.37 661.77 635.92 604.14 587.82 592.20 603.95
14 福建省 656.82 650.69 649.71 613.20 573.53 600.93 618.63
15 江西省 751.64 765.61 739.68 691.16 662.62 677.83 690.77
16 山东省 628.53 649.27 634.08 592.92 573.53 586.10 594.91
17 河南省 613.92 631.25 621.77 594.66 593.18 601.12 608.91
18 湖北省 677.92 703.40 686.57 632.80 610.36 621.44 642.14
19 湖南省 718.96 737.04 719.14 668.50 640.31 649.64 678.89
20 广东省 651.36 657.91 649.06 634.28 630.47 640.65 639.35
21 广西自治区 756.91 754.45 757.12 745.06 716.98 721.96 705.18
22 海南省 614.98 625.04 637.07 593.45 525.72 565.77 587.75
23 重庆市 619.37 629.52 620.51 598.80 571.14 570.81 611.41
24 四川省 648.10 654.02 651.93 619.14 601.58 605.26 612.76
25 贵州省 518.60 505.77 500.04 497.16 493.63 486.77 489.90
26 云南省 467.09 388.74 421.98 447.52 482.76 513.48 510.29
27 陕西省 463.31 478.76 465.24 442.26 435.63 436.38 428.95
28 甘肃省 505.24 509.11 500.83 489.16 487.85 468.13 464.82
29 青海省 544.92 549.28 548.58 536.46 524.28 510.17 516.74
30 宁夏自治区 400.22 398.22 391.12 370.74 370.42 382.99 378.98
31 新疆自治区 254.34 269.80 250.79 235.72 238.54 245.57 234.11
2018年08月 2018年09月 2018年10月 2018年11月 2018年12月
0 522.40 522.16 523.47 520.09 522.20
1 544.64 541.17 548.94 544.48 541.99
2 466.16 471.52 485.16 489.72 490.16
3 500.48 499.84 505.87 509.36 513.28
4 371.11 371.23 378.49 377.88 375.88
5 273.10 282.96 286.80 281.42 284.51
6 228.15 242.71 251.47 245.58 250.44
7 563.19 573.65 577.80 579.09 563.81
8 573.05 588.78 592.40 581.29 568.79
9 520.07 539.22 537.95 543.64 535.24
10 607.19 585.45 574.96 574.26 555.67
11 583.12 577.07 582.36 584.04 576.59
12 575.81 583.42 587.16 584.79 587.46
13 599.81 598.09 605.65 617.72 610.69
14 609.29 604.87 601.59 607.44 608.93
15 690.62 691.52 695.14 689.43 678.53
16 590.17 588.25 596.28 613.43 616.25
17 605.13 595.11 597.53 602.47 599.72
18 638.43 625.53 629.82 647.10 653.36
19 677.36 671.32 678.18 677.13 668.14
20 629.72 626.41 616.66 607.70 612.66
21 712.84 724.77 729.57 731.13 716.45
22 587.61 590.36 558.11 544.82 534.33
23 594.85 597.89 608.23 609.34 618.87
24 622.66 608.49 601.19 623.04 642.92
25 502.76 503.33 498.03 500.56 513.44
26 530.24 540.00 541.58 549.68 569.41
27 412.37 418.11 420.12 429.35 434.98
28 454.77 482.04 502.39 513.85 501.55
29 522.63 516.94 517.64 529.17 546.25
30 374.67 376.04 372.16 365.67 368.41
31 229.33 251.85 254.20 257.66 265.38
美国宏观
经济状况
美国GDP
接口: macro_usa_gdp_monthly
目标地址: https://datacenter.jin10.com/reportType/dc_usa_gdp
描述: 获取美国国内生产总值(GDP)报告, 数据区间从20080228-至今
限量: 单次返回某一个所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_gdp_monthly_se = PP.macro_usa_gdp_monthly()
print(macro_usa_gdp_monthly_se.name)
print(macro_usa_gdp_monthly_se)
数据示例
macro_usa_gdp_monthly_se.name
gdp
macro_usa_gdp_monthly_se: pandas.Series
2008-02-28 0.6
2008-03-27 0.6
2008-04-30 0.9
2008-06-26 1
2008-07-31 1.9
...
2019-09-26 2
2019-10-30 2
2019-11-27 2
2019-12-20 2.1
2020-01-30 0
物价水平
美国CPI月率报告
接口: macro_usa_cpi_monthly
目标地址: https://datacenter.jin10.com/reportType/dc_usa_cpi
描述: 获取美国CPI月率报告, 数据区间从19700101-至今
限量: 单次返回某一个所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_cpi_monthly_se = PP.macro_usa_cpi_monthly()
print(macro_usa_cpi_monthly_se.name)
print(macro_usa_cpi_monthly_se)
数据示例
macro_usa_cpi_monthly_se.name
cpi_monthly
macro_usa_cpi_monthly_se: pandas.Series
1970-01-01 0.5
1970-02-01 0.5
1970-03-01 0.5
1970-04-01 0.5
1970-05-01 0.5
...
2019-09-12 0.1
2019-10-10 0.1
2019-11-13 0.4
2019-12-11 0.3
2020-01-14 0
美国核心CPI月率报告
接口: macro_usa_core_cpi_monthly
目标地址: https://datacenter.jin10.com/reportType/dc_usa_core_cpi
描述: 获取美国核心CPI月率报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_core_cpi_monthly_se = PP.macro_usa_core_cpi_monthly()
print(macro_usa_core_cpi_monthly_se.name)
print(macro_usa_core_cpi_monthly_se)
数据示例
macro_usa_core_cpi_monthly_se.name
usa_core_cpi
macro_usa_core_cpi_monthly_se: pandas.Series
1970-01-01 0.5
1970-02-01 0.5
1970-03-01 0.5
1970-04-01 0.8
1970-05-01 0.7
...
2019-09-12 0.3
2019-10-10 0.1
2019-11-13 0.2
2019-12-11 0.2
2020-01-14 0
美国个人支出月率报告
接口: macro_usa_personal_spending
目标地址: https://datacenter.jin10.com/reportType/dc_usa_personal_spending
描述: 获取美国个人支出月率报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_personal_spending_se = PP.macro_usa_personal_spending()
print(macro_usa_personal_spending_se.name)
print(macro_usa_personal_spending_se)
数据示例
macro_usa_personal_spending_se.name
usa_personal_spending
macro_usa_personal_spending_se: pandas.Series
1970-01-01 0.4
1970-02-01 1
1970-03-01 0.8
1970-04-01 -0.3
1970-05-01 0.6
...
2019-09-27 0.2
2019-10-31 0.2
2019-11-27 0.3
2019-12-20 0.4
2020-01-31 0
美国零售销售月率报告
接口: macro_usa_retail_sales
目标地址: https://datacenter.jin10.com/reportType/dc_usa_retail_sales
描述: 获取美国零售销售月率报告, 数据区间从19920301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_retail_sales_se = PP.macro_usa_retail_sales()
print(macro_usa_retail_sales_se.name)
print(macro_usa_retail_sales_se)
数据示例
macro_usa_retail_sales_se.name
usa_retail_sales
macro_usa_retail_sales_se: pandas.Series
1992-03-01 0.1
1992-04-01 -0.3
1992-05-01 0.6
1992-06-01 0.5
1992-07-01 0.3
...
2019-09-13 0.6
2019-10-16 -0.3
2019-11-15 0.4
2019-12-13 0.2
2020-01-16 0
美国进口物价指数报告
接口: macro_usa_import_price
目标地址: https://datacenter.jin10.com/reportType/dc_usa_import_price
描述: 获取美国进口物价指数报告, 数据区间从19890201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_import_price_se = PP.macro_usa_import_price()
print(macro_usa_import_price_se.name)
print(macro_usa_import_price_se)
数据示例
macro_usa_import_price_se.name
usa_import_price
macro_usa_import_price_se: pandas.Series
1989-02-01 2
1989-03-01 -0.5
1989-04-01 0.8
1989-05-01 0.8
1989-06-01 0.7
...
2019-09-13 -0.2
2019-10-11 0.1
2019-11-15 -0.5
2019-12-13 0.2
2020-01-16 0
美国出口价格指数报告
接口: macro_usa_export_price
目标地址: https://datacenter.jin10.com/reportType/dc_usa_export_price
描述: 获取美国出口价格指数报告, 数据区间从19890201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_export_price_se = PP.macro_usa_export_price()
print(macro_usa_export_price_se.name)
print(macro_usa_export_price_se)
数据示例
macro_usa_export_price_se.name
usa_export_price
macro_usa_export_price_se: pandas.Series
1989-02-01 1.2
1989-03-01 -0.3
1989-04-01 0.6
1989-05-01 -0.2
1989-06-01 0.4
...
2019-09-13 -0.6
2019-10-11 -0.2
2019-11-15 -0.1
2019-12-13 0.2
2020-01-16 0
劳动力市场
LMCI
接口: macro_usa_lmci
目标地址: https://datacenter.jin10.com/reportType/dc_usa_lmci
描述: 获取美联储劳动力市场状况指数报告, 数据区间从20141006-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_lmci_se = PP.macro_usa_lmci()
print(macro_usa_lmci_se.name)
print(macro_usa_lmci_se)
数据示例
macro_usa_lmci_se.name
lmci
macro_usa_lmci_se: pandas.Series
2014-10-06 4
2014-11-10 3.9
2014-12-08 5.5
2015-01-12 7.3
2015-02-09 4.9
...
2017-05-08 3.5
2017-06-05 0
2017-06-16 3.3
2017-07-10 1.5
2017-08-07 0
失业率
美国失业率报告
接口: macro_usa_unemployment_rate
目标地址: https://datacenter.jin10.com/reportType/dc_usa_unemployment_rate
描述: 获取美国失业率报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_unemployment_rate_se = PP.macro_usa_unemployment_rate()
print(macro_usa_unemployment_rate_se.name)
print(macro_usa_unemployment_rate_se)
数据示例
macro_usa_unemployment_rate_se.name
unemployment_rate
macro_usa_unemployment_rate_se: pandas.Series
1970-01-01 3.5
1970-02-01 3.9
1970-03-01 4.2
1970-04-01 4.4
1970-05-01 4.6
...
2019-09-06 3.7
2019-10-04 3.5
2019-11-01 3.6
2019-12-06 3.5
2020-01-10 3.5
美国挑战者企业裁员人数报告
接口: macro_usa_job_cuts
目标地址: https://datacenter.jin10.com/reportType/dc_usa_job_cuts
描述: 获取美国挑战者企业裁员人数报告, 数据区间从19940201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_job_cuts_se = PP.macro_usa_job_cuts()
print(macro_usa_job_cuts_se.name)
print(macro_usa_job_cuts_se)
数据示例
macro_usa_job_cuts_se.name
usa_job_cuts
macro_usa_job_cuts_se: pandas.Series
1994-02-01 10.89
1994-03-01 3.46
1994-04-01 4.9
1994-05-01 3.61
1994-06-01 3.63
...
2019-10-31 5.0275
2019-12-05 4.4569
2020-01-02 3.2843
2020-01-09 0
2020-02-06 0
就业人口
美国非农就业人数报告
接口: macro_usa_non_farm
目标地址: https://datacenter.jin10.com/reportType/dc_nonfarm_payrolls
描述: 获取美国非农就业人数报告, 数据区间从19700102-至今
限量: 单次返回某一个所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
今值(万人) | float | Y | 今值(万人) |
接口示例
import PPshare as PP
macro_usa_non_farm_se = PP.macro_usa_non_farm()
print(macro_usa_non_farm_se.name)
print(macro_usa_non_farm_se)
数据示例
macro_usa_non_farm_se.name
non_farm
macro_usa_non_farm_se: pandas.Series
1970-01-02 15.3
1970-02-06 -6.4
1970-03-06 12.8
1970-04-03 14.8
1970-05-01 -10.4
...
2019-07-05 19.3
2019-08-02 15.9
2019-09-06 16.8
2019-10-04 13.6
2019-11-01 0
美国ADP就业人数报告
接口: macro_usa_adp_employment
目标地址: https://datacenter.jin10.com/reportType/dc_adp_nonfarm_employment
描述: 获取美国ADP就业人数报告, 数据区间从20010601-至今
限量: 单次返回某一个所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
今值(万人) | float | Y | 今值(万人) |
接口示例
import PPshare as PP
macro_usa_adp_employment_se = PP.macro_usa_adp_employment()
print(macro_usa_adp_employment_se.name)
print(macro_usa_adp_employment_se)
数据示例
macro_usa_adp_employment_se.name
adp
macro_usa_adp_employment_se: pandas.Series
2001-06-01 -17.5
2001-07-01 -23
2001-08-01 -20.3
2001-09-01 -24.6
2001-10-01 -26.1
...
2019-09-05 15.7
2019-10-02 9.3
2019-10-30 12.1
2019-12-04 12.4
2020-01-08 20.2
消费者收入与支出
美国核心PCE物价指数年率报告
接口: macro_usa_core_pce_price
目标地址: https://datacenter.jin10.com/reportType/dc_usa_core_pce_price
描述: 获取美国核心PCE物价指数年率报告, 数据区间从19700101-至今
限量: 单次返回某一个所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_core_pce_price_se = PP.macro_usa_core_pce_price()
print(macro_usa_core_pce_price_se.name)
print(macro_usa_core_pce_price_se)
数据示例
macro_usa_core_pce_price_se.name
core_pce_price
macro_usa_core_pce_price_se: pandas.Series
1970-01-01 4.8
1970-02-01 4.7
1970-03-01 4.8
1970-04-01 4.7
1970-05-01 4.7
...
2019-09-27 1.8
2019-10-31 1.7
2019-11-27 1.7
2019-12-20 1.6
2020-01-31 0
美国实际个人消费支出季率初值报告
接口: macro_usa_real_consumer_spending
目标地址: https://datacenter.jin10.com/reportType/dc_usa_real_consumer_spending
描述: 获取美国实际个人消费支出季率初值报告, 数据区间从20131107-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_real_consumer_spending_se = PP.macro_usa_real_consumer_spending()
print(macro_usa_real_consumer_spending_se.name)
print(macro_usa_real_consumer_spending_se)
数据示例
macro_usa_real_consumer_spending_se.name
usa_real_consumer_spending
macro_usa_real_consumer_spending_se: pandas.Series
2013-11-07 1.5
2013-12-05 1.4
2013-12-20 2
2014-01-30 3.3
2014-02-28 2.6
...
2019-09-26 4.6
2019-10-30 2.9
2019-11-27 2.9
2019-12-20 3.2
2020-01-30 0
贸易状况
美国贸易帐报告
接口: macro_usa_trade_balance
目标地址: https://datacenter.jin10.com/reportType/dc_usa_trade_balance
描述: 获取美国贸易帐报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_trade_balance_se = PP.macro_usa_trade_balance()
print(macro_usa_trade_balance_se.name)
print(macro_usa_trade_balance_se)
数据示例
macro_usa_trade_balance_se.name
usa_trade_balance
macro_usa_trade_balance_se: pandas.Series
1970-01-01 2
1970-02-01 1
1970-03-01 2
1970-04-01 1
1970-05-01 1
...
2019-09-04 -540
2019-10-04 -550
2019-11-05 -511
2019-12-05 -469
2020-01-07 -431
美国经常帐报告
接口: macro_usa_current_account
目标地址: https://datacenter.jin10.com/reportType/dc_usa_current_account
描述: 获取美国经常帐报告, 数据区间从20080317-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_current_account_se = PP.macro_usa_current_account()
print(macro_usa_current_account_se.name)
print(macro_usa_current_account_se)
数据示例
macro_usa_current_account_se.name
usa_current_account
macro_usa_current_account_se: pandas.Series
2008-03-17 -1730
2008-06-17 -1760
2008-09-17 -1830
2008-12-17 -1740
2009-03-18 -1549
...
2019-03-21 0
2019-03-27 -1439
2019-06-20 -1362
2019-09-19 -1252
2019-12-19 -1241
产业指标
制造业
贝克休斯钻井报告
接口: macro_usa_rig_count
目标地址: https://datacenter.jin10.com/reportType/dc_rig_count_summary
描述: 获取贝克休斯钻井报告, 数据区间从19870717-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
钻井总数_钻井数 | float | Y | – |
钻井总数_变化 | float | Y | – |
美国石油钻井_钻井数 | float | Y | – |
美国石油钻井_变化 | float | Y | – |
混合钻井_钻井数 | float | Y | – |
混合钻井_变化 | float | Y | – |
美国天然气钻井_钻井数 | float | Y | – |
美国天然气钻井_变化 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_rig_count_df = PP.macro_usa_rig_count()
print(macro_usa_rig_count_df)
数据示例
钻井总数_钻井数 钻井总数_变化 美国石油钻井_钻井数 ... 混合钻井_变化 美国天然气钻井_钻井数 美国天然气钻井_变化
2020-04-03 66.4 -6.4 56.2 ... 0.0 10.0 -0.2
2020-03-27 72.8 -4.4 62.4 ... 0.0 10.2 -0.4
2020-03-20 77.2 -2.0 66.4 ... 0.0 10.6 -0.1
2020-03-13 79.2 -0.1 68.3 ... 0.0 10.7 -0.2
2020-03-06 79.3 0.3 68.2 ... 0.0 10.9 -0.1
... ... ... ... ... ... ...
1987-08-14 99.8 1.5 62.0 ... 0.5 35.2 0.3
1987-08-07 98.3 1.0 61.3 ... -0.1 34.9 0.3
1987-07-31 97.3 5.6 60.5 ... 0.1 34.6 1.5
1987-07-24 91.7 -0.5 56.5 ... -0.5 33.1 -0.6
1987-07-17 92.2 NaN 55.9 ... NaN 33.7 NaN
美国生产者物价指数(PPI)报告
接口: macro_usa_ppi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_ppi
描述: 获取美国生产者物价指数(PPI)报告, 数据区间从20080226-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_ppi_se = PP.macro_usa_ppi()
print(macro_usa_ppi_se.name)
print(macro_usa_ppi_se)
数据示例
macro_usa_ppi_se.name
usa_ppi
macro_usa_ppi_se: pandas.Series
2008-02-26 1
2008-03-18 0.3
2008-04-15 1.1
2008-05-20 0.2
2008-06-17 1.4
...
2019-09-11 0.1
2019-10-08 -0.3
2019-11-14 0.4
2019-12-12 0
2020-01-15 0
美国核心生产者物价指数(PPI)报告
接口: macro_usa_core_ppi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_core_ppi
描述: 获取美国核心生产者物价指数(PPI)报告, 数据区间从20080318-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_core_ppi_se = PP.macro_usa_core_ppi()
print(macro_usa_core_ppi_se.name)
print(macro_usa_core_ppi_se)
数据示例
macro_usa_core_ppi_se.name
usa_core_ppi
macro_usa_core_ppi_se: pandas.Series
2008-03-18 0.5
2008-04-15 0.2
2008-05-20 0.4
2008-06-17 0.2
2008-08-19 0.7
...
2019-09-11 0.3
2019-10-08 -0.3
2019-11-14 0.3
2019-12-12 -0.2
2020-01-15 0
美国API原油库存报告
接口: macro_usa_api_crude_stock
目标地址: https://datacenter.jin10.com/reportType/dc_usa_api_crude_stock
描述: 获取美国API原油库存报告, 数据区间从20120328-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_api_crude_stock_se = PP.macro_usa_api_crude_stock()
print(macro_usa_api_crude_stock_se.name)
print(macro_usa_api_crude_stock_se)
数据示例
macro_usa_api_crude_stock_se.name
usa_api_crude_stock
macro_usa_api_crude_stock_se: pandas.Series
2012-03-28 360.2
2012-04-04 784.8
2012-04-11 658.4
2012-04-18 340.9
2012-04-25 -98.5
...
2019-12-27 0
2020-01-01 0
2020-01-02 0
2020-01-08 -594.5
2020-01-15 0
美国Markit制造业PMI初值报告
接口: macro_usa_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_pmi
描述: 获取美国Markit制造业PMI初值报告, 数据区间从20120601-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_pmi_se = PP.macro_usa_pmi()
print(macro_usa_pmi_se.name)
print(macro_usa_pmi_se)
数据示例
macro_usa_pmi_se.name
usa_pmi
macro_usa_pmi_se: pandas.Series
2012-06-01 52.9
2012-07-02 52.5
2012-07-24 51.8
2012-08-01 51.4
2012-08-23 51.9
...
2019-11-22 52.2
2019-12-02 52.6
2019-12-16 52.6
2020-01-02 52.4
2020-01-24 0
美国ISM制造业PMI报告
接口: macro_usa_ism_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_ism_pmi
描述: 获取美国ISM制造业PMI报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_ism_pmi_se = PP.macro_usa_ism_pmi()
print(macro_usa_ism_pmi_se.name)
print(macro_usa_ism_pmi_se)
数据示例
macro_usa_ism_pmi_se.name
usa_ism_pmi
macro_usa_ism_pmi_se: pandas.Series
1970-01-01 52
1970-02-01 48.7
1970-03-01 47.4
1970-04-01 46.9
1970-05-01 45
...
2019-09-03 49.1
2019-10-01 47.8
2019-11-01 48.3
2019-12-02 48.1
2020-01-03 47.2
工业
美国工业产出月率报告
接口: macro_usa_industrial_production
目标地址: https://datacenter.jin10.com/reportType/dc_usa_industrial_production
描述: 获取美国工业产出月率报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_industrial_production_se = PP.macro_usa_industrial_production()
print(macro_usa_industrial_production_se.name)
print(macro_usa_industrial_production_se)
数据示例
macro_usa_industrial_production_se.name
usa_industrial_production
macro_usa_industrial_production_se: pandas.Series
1970-01-01 -0.3
1970-02-01 -1.9
1970-03-01 -0.1
1970-04-01 -0.1
1970-05-01 -0.3
...
2019-09-17 0.8
2019-10-17 -0.3
2019-11-15 -0.9
2019-12-17 1.1
2020-01-17 0
美国耐用品订单月率报告
接口: macro_usa_durable_goods_orders
目标地址: https://datacenter.jin10.com/reportType/dc_usa_durable_goods_orders
描述: 获取美国耐用品订单月率报告, 数据区间从20080227-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_durable_goods_orders_se = PP.macro_usa_durable_goods_orders()
print(macro_usa_durable_goods_orders_se.name)
print(macro_usa_durable_goods_orders_se)
数据示例
macro_usa_durable_goods_orders_se.name
usa_durable_goods_orders
macro_usa_durable_goods_orders_se: pandas.Series
2008-02-27 -5.3
2008-03-26 -1.1
2008-04-24 -0.3
2008-05-28 -0.6
2008-06-25 0
...
2019-10-24 -1.4
2019-11-27 0.2
2019-12-23 -2.1
2019-12-24 0
2020-01-28 0
美国工厂订单月率报告
接口: macro_usa_factory_orders
目标地址: https://datacenter.jin10.com/reportType/dc_usa_factory_orders
描述: 获取美国工厂订单月率报告, 数据区间从19920401-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_factory_orders_se = PP.macro_usa_factory_orders()
print(macro_usa_factory_orders_se.name)
print(macro_usa_factory_orders_se)
数据示例
macro_usa_factory_orders_se.name
usa_factory_orders
macro_usa_factory_orders_se: pandas.Series
1992-04-01 4.6
1992-05-01 1.9
1992-06-01 1.6
1992-07-01 -0.5
1992-08-01 -0.9
...
2019-09-05 1.4
2019-10-03 -0.1
2019-11-04 -0.8
2019-12-05 0.2
2020-01-07 -0.7
服务业
美国Markit服务业PMI初值报告
接口: macro_usa_services_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_services_pmi
描述: 获取美国Markit服务业PMI初值报告, 数据区间从20120701-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_services_pmi_se = PP.macro_usa_services_pmi()
print(macro_usa_services_pmi_se.name)
print(macro_usa_services_pmi_se)
数据示例
macro_usa_services_pmi_se.name
usa_services_pmi
macro_usa_services_pmi_se: pandas.Series
2012-07-01 53.2
2012-08-01 51.2
2012-09-01 52
2012-10-01 50.7
2012-11-01 52.7
...
2019-11-22 50.6
2019-12-04 51.6
2019-12-16 51.6
2020-01-06 52.8
2020-01-24 0
美国商业库存月率报告
接口: macro_usa_business_inventories
目标地址: https://datacenter.jin10.com/reportType/dc_usa_business_inventories
描述: 获取美国商业库存月率报告, 数据区间从19920301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_business_inventories_se = pp.macro_usa_business_inventories()
print(macro_usa_business_inventories_se.name)
print(macro_usa_business_inventories_se)
数据示例
macro_usa_business_inventories_se.name
usa_business_inventories
macro_usa_business_inventories_se: pandas.Series
1992-03-01 0.2
1992-04-01 0.4
1992-05-01 0.3
1992-06-01 -0.1
1992-07-01 0.7
...
2019-09-13 0.3
2019-10-16 -0.1
2019-11-15 -0.1
2019-12-13 0.2
2020-01-16 0
美国ISM非制造业PMI报告
接口: macro_usa_ism_non_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_usa_ism_non_pmi
描述: 获取美国ISM非制造业PMI报告, 数据区间从19970801-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_ism_non_pmi_se = PP.macro_usa_ism_non_pmi()
print(macro_usa_ism_non_pmi_se.name)
print(macro_usa_ism_non_pmi_se)
数据示例
macro_usa_ism_non_pmi_se.name
usa_ism_non_pmi
macro_usa_ism_non_pmi_se: pandas.Series
1997-08-01 56.7
1997-09-01 62
1997-10-01 56.2
1997-11-01 56.6
1997-12-01 58.5
...
2019-09-05 56.4
2019-10-03 52.6
2019-11-05 54.7
2019-12-04 53.9
2020-01-07 55.0
美国NAHB房产市场指数报告
接口: macro_usa_nahb_house_market_index
目标地址: https://datacenter.jin10.com/reportType/dc_usa_nahb_house_market_index
描述: 获取美国NAHB房产市场指数报告, 数据区间从19850201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_nahb_house_market_index_se = pp.macro_usa_nahb_house_market_index()
print(macro_usa_nahb_house_market_index_se.name)
print(macro_usa_nahb_house_market_index_se)
数据示例
macro_usa_nahb_house_market_index_se.name
usa_nahb_house_market_index
macro_usa_nahb_house_market_index_se: pandas.Series
1985-02-01 50
1985-03-01 58
1985-04-01 54
1985-05-01 49
1985-06-01 51
..
2019-09-17 68
2019-10-16 71
2019-11-18 71
2019-12-16 76
2020-01-16 0
房地产
美国NAHB房产市场指数报告
接口: macro_usa_nahb_house_market_index
目标地址: https://datacenter.jin10.com/reportType/dc_usa_nahb_house_market_index
描述: 获取美国NAHB房产市场指数报告, 数据区间从19850201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_nahb_house_market_index_se = PP.macro_usa_nahb_house_market_index()
print(macro_usa_nahb_house_market_index_se.name)
print(macro_usa_nahb_house_market_index_se)
数据示例
macro_usa_nahb_house_market_index_se.name
usa_nahb_house_market_index
macro_usa_nahb_house_market_index_se: pandas.Series
1985-02-01 50
1985-03-01 58
1985-04-01 54
1985-05-01 49
1985-06-01 51
..
2019-09-17 68
2019-10-16 71
2019-11-18 71
2019-12-16 76
2020-01-16 0
美国新屋开工总数年化报告
接口: macro_usa_house_starts
目标地址: https://datacenter.jin10.com/reportType/dc_usa_house_starts
描述: 获取美国新屋开工总数年化报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_house_starts_se = PP.macro_usa_house_starts()
print(macro_usa_house_starts_se.name)
print(macro_usa_house_starts_se)
数据示例
macro_usa_house_starts_se.name
usa_house_starts
macro_usa_house_starts_se: pandas.Series
1970-01-01 132.7
1970-02-01 108.5
1970-03-01 130.5
1970-04-01 131.9
1970-05-01 126.4
...
2019-09-18 138.6
2019-10-17 126.6
2019-11-19 132.3
2019-12-17 136.5
2020-01-17 0
美国新屋销售总数年化报告
接口: macro_usa_new_home_sales
目标地址: https://datacenter.jin10.com/reportType/dc_usa_new_home_sales
描述: 获取美国新屋销售总数年化报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_new_home_sales_se = PP.macro_usa_new_home_sales()
print(macro_usa_new_home_sales_se.name)
print(macro_usa_new_home_sales_se)
数据示例
macro_usa_new_home_sales_se.name
usa_new_home_sales
macro_usa_new_home_sales_se: pandas.Series
1970-01-01 45.2
1970-02-01 46.1
1970-03-01 37.3
1970-04-01 38.9
1970-05-01 44.5
...
2019-09-25 70.6
2019-10-24 73.8
2019-11-26 71
2019-12-23 71.9
2020-01-27 0
美国营建许可总数报告
接口: macro_usa_building_permits
目标地址: https://datacenter.jin10.com/reportType/dc_usa_building_permits
描述: 获取美国营建许可总数报告, 数据区间从20080220-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_building_permits_se = PP.macro_usa_building_permits()
print(macro_usa_building_permits_se.name)
print(macro_usa_building_permits_se)
数据示例
macro_usa_building_permits_se.name
usa_building_permits
macro_usa_building_permits_se: pandas.Series
2008-02-20 106
2008-03-18 98
2008-04-16 93
2008-05-16 98
2008-06-17 98
...
2019-09-18 142.5
2019-10-17 139.1
2019-11-19 146.1
2019-12-17 147.4
2020-01-17 0
美国成屋销售总数年化报告
接口: macro_usa_exist_home_sales
目标地址: https://datacenter.jin10.com/reportType/dc_usa_exist_home_sales
描述: 获取美国成屋销售总数年化报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_exist_home_sales_se = PP.macro_usa_exist_home_sales()
print(macro_usa_exist_home_sales_se.name)
print(macro_usa_exist_home_sales_se)
数据示例
macro_usa_exist_home_sales_se.name
usa_exist_home_sales
macro_usa_exist_home_sales_se: pandas.Series
1970-01-01 160
1970-02-01 153
1970-03-01 146
1970-04-01 137
1970-05-01 151
...
2019-09-19 550
2019-10-22 536
2019-11-21 544
2019-12-19 535
2020-01-22 0
美国FHFA房价指数月率报告
接口: macro_usa_house_price_index
目标地址: https://datacenter.jin10.com/reportType/dc_usa_house_price_index
描述: 获取美国FHFA房价指数月率报告, 数据区间从19910301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_house_price_index_se = PP.macro_usa_house_price_index()
print(macro_usa_house_price_index_se.name)
print(macro_usa_house_price_index_se)
数据示例
macro_usa_house_price_index_se.name
usa_house_price_index
macro_usa_house_price_index_se: pandas.Series
1991-03-01 0.5
1991-04-01 0
1991-05-01 -0.2
1991-06-01 0.1
1991-07-01 0.1
...
2019-09-24 0.4
2019-10-23 0.2
2019-11-26 0.6
2019-12-31 0.2
2020-01-22 0
美国S&P/CS20座大城市房价指数年率报告
接口: macro_usa_spcs20
目标地址: https://datacenter.jin10.com/reportType/dc_usa_spcs20
描述: 获取美国S&P/CS20座大城市房价指数年率报告, 数据区间从20010201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_spcs20_se = pp.macro_usa_spcs20()
print(macro_usa_spcs20_se.name)
print(macro_usa_spcs20_se)
数据示例
macro_usa_spcs20_se.name
usa_spcs20
macro_usa_spcs20_se: pandas.Series
2001-02-01 12.4
2001-03-01 12.2
2001-04-01 12
2001-05-01 11.4
2001-06-01 10.5
...
2019-09-24 2
2019-10-29 2
2019-11-26 2.1
2019-12-31 2.2
2020-01-28 0
美国成屋签约销售指数月率报告
接口: macro_usa_pending_home_sales
目标地址: https://datacenter.jin10.com/reportType/dc_usa_pending_home_sales
描述: 获取美国成屋签约销售指数月率报告, 数据区间从20010301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as pp
macro_usa_pending_home_sales_se = PP.macro_usa_pending_home_sales()
print(macro_usa_pending_home_sales_se.name)
print(macro_usa_pending_home_sales_se)
数据示例
macro_usa_pending_home_sales_se.name
usa_pending_home_sales
macro_usa_pending_home_sales_se: pandas.Series
2001-03-01 5.1
2001-04-01 -4.7
2001-05-01 -2.9
2001-06-01 2.7
2001-07-01 -3.4
...
2019-09-26 1.4
2019-10-29 1.4
2019-11-27 -1.3
2019-12-30 1.2
2020-01-29 0
领先指标
美国谘商会消费者信心指数报告
接口: macro_usa_cb_consumer_confidence
目标地址: https://cdn.jin10.com/reports/dc_usa_cb_consumer_confidence_all.js?v=1578576859
描述: 获取美国谘商会消费者信心指数报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_cb_consumer_confidence_se = PP.macro_usa_cb_consumer_confidence()
print(macro_usa_cb_consumer_confidence_se.name)
print(macro_usa_cb_consumer_confidence_se)
数据示例
macro_usa_cb_consumer_confidence_se.name
cb_consumer_confidence
macro_usa_cb_consumer_confidence_se: pandas.Series
1970-01-01 126
1970-02-01 126
1970-03-01 101.7
1970-04-01 101.7
1970-05-01 98
...
2019-09-24 126.3
2019-10-29 126.1
2019-11-26 126.8
2019-12-31 126.5
2020-01-28 0
美国NFIB小型企业信心指数报告
接口: macro_usa_nfib_small_business
目标地址: https://cdn.jin10.com/reports/dc_usa_nfib_small_business_all.js?v=1578576631
描述: 获取美国NFIB小型企业信心指数报告, 数据区间从19750201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_nfib_small_business_se = PP.macro_usa_nfib_small_business()
print(macro_usa_nfib_small_business_se.name)
print(macro_usa_nfib_small_business_se)
数据示例
macro_usa_nfib_small_business_se.name
nfib_small_business
macro_usa_nfib_small_business_se: pandas.Series
1975-02-01 86.67
1975-05-01 95.16
1975-08-01 99.36
1975-11-01 100.37
1976-02-01 102.01
...
2019-09-10 103.1
2019-10-08 101.8
2019-11-12 102.4
2019-12-10 104.7
2020-01-14 0
美国密歇根大学消费者信心指数初值报告
接口: macro_usa_michigan_consumer_sentiment
目标地址: https://cdn.jin10.com/reports/dc_usa_michigan_consumer_sentiment_all.js?v=1578576228
描述: 获取美国密歇根大学消费者信心指数初值报告, 数据区间从19700301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_michigan_consumer_sentiment_se = PP.macro_usa_michigan_consumer_sentiment()
print(macro_usa_michigan_consumer_sentiment_se.name)
print(macro_usa_michigan_consumer_sentiment_se)
数据示例
macro_usa_michigan_consumer_sentiment_se.name
michigan_consumer_sentiment
macro_usa_michigan_consumer_sentiment_se: pandas.Series
1970-03-01 78.1
1970-06-01 75.4
1970-09-01 77.6
1970-12-01 72.4
1971-03-01 78.1
...
2019-11-08 95.5
2019-11-22 96.8
2019-12-06 96.8
2019-12-20 99.3
2020-01-17 0
其他
美国EIA原油库存报告
接口: macro_usa_eia_crude_rate
目标地址: https://cdn.jin10.com/reports/dc_usa_michigan_consumer_sentiment_all.js?v=1578576228
描述: 获取美国EIA原油库存报告, 数据区间从19950801-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_eia_crude_rate_se = PP.macro_usa_eia_crude_rate()
print(macro_usa_eia_crude_rate_se.name)
print(macro_usa_eia_crude_rate_se)
数据示例
macro_usa_eia_crude_rate_se.name
eia_crude_rate
macro_usa_eia_crude_rate_se: pandas.Series
1982-09-01 -262.6
1982-10-01 -8
1982-11-01 -41.3
1982-12-01 -87.6
1983-01-01 51.3
...
2019-12-27 0
2019-12-28 -547.4
2020-01-04 -1146.3
2020-01-08 116.4
2020-01-15 0
美国初请失业金人数报告
接口: macro_usa_initial_jobless
目标地址: https://cdn.jin10.com/reports/dc_usa_michigan_consumer_sentiment_all.js?v=1578576228
描述: 获取美国初请失业金人数报告, 数据区间从19700101-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_initial_jobless_se = PP.macro_usa_initial_jobless()
print(macro_usa_initial_jobless_se.name)
print(macro_usa_initial_jobless_se)
数据示例
macro_usa_initial_jobless_se.name
initial_jobless
macro_usa_initial_jobless_se: pandas.Series
1970-01-01 22.1087
1970-02-01 24.9318
1970-03-01 25.85
1970-04-01 26.8682
1970-05-01 33.1591
...
2019-12-19 23.5
2019-12-26 22.4
2020-01-02 22.3
2020-01-09 21.4
2020-01-16 0
美国原油产量报告
接口: macro_usa_crude_inner
目标地址: https://cdn.jin10.com/reports/dc_usa_michigan_consumer_sentiment_all.js?v=1578576228
描述: 获取美国原油产量报告, 数据区间从19830107-至今, 每周三公布(美国节假日除外), 美国能源信息署(EIA)
限量: 单次返回所有历史数据
报告内容: 美国能源信息署(EIA)在北京时间每周三晚公布EIA报告,除了公布美国原油库存、汽油库存等数据外,报告还包含美国上周国内原油产量的数据。 报告组成:美国国内原油产量、美国本土48州原油产量和美国阿拉斯加州原油产量。 数据关系:美国国内原油产量=美国本土48州原油产量+美国阿拉斯加州原油产量 单位均为万桶/日。
数据解读: 该数据反映了美国原油供应侧的情况,理论而言,当美国国内原油产量录得增加,通常导致油价下跌;当产量减少,则通常导致油价上扬。
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
美国国内原油总量_产量 | float | Y | – |
美国国内原油总量_变化 | float | Y | – |
美国本土48州原油产量_产量 | float | Y | – |
美国本土48州原油产量_变化 | float | Y | – |
美国阿拉斯加州原油产量_产量 | float | Y | – |
美国阿拉斯加州原油产量_变化 | float | Y | – |
接口示例
import PPshare as PP
macro_usa_crude_inner_df = PP.macro_usa_crude_inner()
print(macro_usa_crude_inner_df)
数据示例
美国国内原油总量_产量 美国国内原油总量_变化 ... 美国阿拉斯加州原油产量_产量 美国阿拉斯加州原油产量_变化
2020-04-10 1230.0 -10.0 ... 47.7 -0.4
2020-04-03 1240.0 -60.0 ... 48.1 0.6
2020-03-27 1300.0 0.0 ... 47.5 1.6
2020-03-20 1300.0 -10.0 ... 45.9 -1.9
2020-03-13 1310.0 10.0 ... 47.8 0.5
... ... ... ... ...
1983-02-04 866.0 2.6 ... 0.0 0.0
1983-01-28 863.4 0.0 ... 0.0 0.0
1983-01-21 863.4 0.0 ... 0.0 0.0
1983-01-14 863.4 0.0 ... 0.0 0.0
1983-01-07 863.4 NaN ... 0.0 NaN
欧元区宏观
国民经济运行状况
经济状况
欧元区季度GDP年率报告
接口: macro_euro_gdp_yoy
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_gdp_yoy
描述: 获取欧元区季度GDP年率报告, 数据区间从20131114-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_gdp_yoy_se = PP.macro_euro_gdp_yoy()
print(macro_euro_gdp_yoy_se.name)
print(macro_euro_gdp_yoy_se)
数据示例
macro_euro_gdp_yoy_se.name
gdp_yoy
macro_euro_gdp_yoy_se: pandas.Series
2013-11-14 -0.4
2013-12-04 -0.4
2014-01-10 -0.3
2014-02-14 0.5
2014-03-05 0.5
...
2019-08-14 1.3
2019-09-06 1.2
2019-10-31 1.1
2019-11-14 1.2
2019-12-05 1.2
物价水平
欧元区CPI月率报告
接口: macro_euro_cpi_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_cpi_mom
描述: 获取欧元区CPI月率报告, 数据区间从19900301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_cpi_mom_se = PP.macro_euro_cpi_mom()
print(macro_euro_cpi_mom_se.name)
print(macro_euro_cpi_mom_se)
数据示例
macro_euro_cpi_mom_se.name
cpi_mom
macro_euro_cpi_mom_se: pandas.Series
1990-03-01 0.4
1990-04-01 0.2
1990-05-01 0.4
1990-06-01 0.2
1990-07-01 0.1
...
2019-09-18 0.1
2019-10-16 0.2
2019-11-15 0.1
2019-12-18 -0.3
2020-01-17 0
欧元区CPI年率报告
接口: macro_euro_cpi_yoy
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_cpi_yoy
描述: 获取欧元区CPI年率报告, 数据区间从19910201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_cpi_yoy_se = PP.macro_euro_cpi_yoy()
print(macro_euro_cpi_yoy_se.name)
print(macro_euro_cpi_yoy_se)
数据示例
macro_euro_cpi_yoy_se.name
cpi_yoy
macro_euro_cpi_yoy_se: pandas.Series
1991-02-01 3.9
1991-03-01 4.1
1991-04-01 3.9
1991-05-01 3.9
1991-06-01 4.1
...
2019-11-29 0.7
2019-12-18 1
2020-01-07 1.3
2020-01-17 0
2020-01-31 0
欧元区PPI月率报告
接口: macro_euro_ppi_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_ppi_mom
描述: 获取欧元区PPI月率报告, 数据区间从19810301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_ppi_mom_se = PP.macro_euro_ppi_mom()
print(macro_euro_ppi_mom_se.name)
print(macro_euro_ppi_mom_se)
数据示例
macro_euro_ppi_mom_se.name
ppi_mom
macro_euro_ppi_mom_se: pandas.Series
1981-03-01 1
1981-04-01 0.7
1981-05-01 1.5
1981-06-01 0.7
1981-07-01 0.6
...
2019-09-03 0.1
2019-10-03 -0.5
2019-11-05 0.1
2019-12-03 0.1
2020-01-06 0.2
欧元区零售销售月率报告
接口: macro_euro_retail_sales_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_retail_sales_mom
描述: 获取欧元区零售销售月率报告, 数据区间从20000301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_retail_sales_mom_se = PP.macro_euro_retail_sales_mom()
print(macro_euro_retail_sales_mom_se.name)
print(macro_euro_retail_sales_mom_se)
数据示例
macro_euro_retail_sales_mom_se.name
retail_sales_mom
macro_euro_retail_sales_mom_se: pandas.Series
2000-03-01 0.7
2000-04-01 -0.3
2000-05-01 0.7
2000-06-01 0.3
2000-07-01 0.1
...
2019-09-04 -0.5
2019-10-03 0.6
2019-11-06 -0.2
2019-12-05 -0.3
2020-01-07 1
劳动力市场
欧元区季调后就业人数季率报告
接口: macro_euro_employment_change_qoq
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_employment_change_qoq
描述: 获取欧元区季调后就业人数季率报告, 数据区间从20083017-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_employment_change_qoq_se = PP.macro_euro_employment_change_qoq()
print(macro_euro_employment_change_qoq_se.name)
print(macro_euro_employment_change_qoq_se)
数据示例
macro_euro_employment_change_qoq_se.name
employment_change_qoq
macro_euro_employment_change_qoq_se: pandas.Series
2008-03-17 0.2
2008-06-13 0.3
2008-09-12 0.2
2008-12-16 -0.1
2009-03-16 -0.4
...
2019-08-14 0.4
2019-09-06 0.2
2019-09-14 0
2019-11-14 0.2
2019-12-05 0.1
欧元区失业率报告
接口: macro_euro_unemployment_rate_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_unemployment_rate_mom
描述: 获取欧元区失业率报告, 数据区间从19980501-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_unemployment_rate_mom_se = PP.macro_euro_unemployment_rate_mom()
print(macro_euro_unemployment_rate_mom_se.name)
print(macro_euro_unemployment_rate_mom_se)
数据示例
macro_euro_unemployment_rate_mom_se.name
unemployment_rate_mom
macro_euro_unemployment_rate_mom_se: pandas.Series
1998-05-01 10.6
1998-06-01 10.5
1998-07-01 10.5
1998-08-01 10.4
1998-09-01 10.4
...
2019-09-30 7.5
2019-10-31 7.6
2019-11-29 7.5
2020-01-09 7.5
2020-01-30 0
贸易状况
欧元区未季调贸易帐报告
接口: macro_euro_trade_balance
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_trade_balance_mom
描述: 获取欧元区未季调贸易帐报告, 数据区间从19990201-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_trade_balance_se = PP.macro_euro_trade_balance()
print(macro_euro_trade_balance_se.name)
print(macro_euro_trade_balance_se)
数据示例
macro_euro_trade_balance_se.name
trade_balance
macro_euro_trade_balance_se: pandas.Series
1999-02-01 -27
1999-03-01 19
1999-04-01 27
1999-05-01 21
1999-06-01 -9
...
2019-09-13 248
2019-10-16 147
2019-11-15 187
2019-12-17 280
2020-01-15 0
欧元区经常帐报告
接口: macro_euro_current_account_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_current_account_mom
描述: 获取欧元区经常帐报告, 数据区间从20080221-至今, 前两个值需要去掉
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_current_account_mom_se = PP.macro_euro_current_account_mom()
print(macro_euro_current_account_mom_se.name)
print(macro_euro_current_account_mom_se)
数据示例
macro_euro_current_account_mom_se.name
current_account_mom
macro_euro_current_account_mom_se: pandas.Series
1999-02-01 0
2003-07-01 7
2008-02-21 -103
2008-03-26 -106
2008-04-24 43
...
2019-09-19 216
2019-10-18 285
2019-11-19 282
2019-12-20 324
2020-01-17 0
产业指标
欧元区工业产出月率报告
接口: macro_euro_industrial_production_mom
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_industrial_production_mom
描述: 获取欧元区工业产出月率报告, 数据区间从19910301-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_industrial_production_mom_se = PP.macro_euro_industrial_production_mom()
print(macro_euro_industrial_production_mom_se.name)
print(macro_euro_industrial_production_mom_se)
数据示例
macro_euro_industrial_production_mom_se.name
industrial_production_mom
macro_euro_industrial_production_mom_se: pandas.Series
1991-03-01 -1.1
1991-04-01 -1
1991-05-01 -0.5
1991-06-01 -0.1
1991-07-01 1.9
...
2019-09-12 -0.4
2019-10-14 0.4
2019-11-13 -0.1
2019-12-12 -0.5
2020-01-15 0
欧元区制造业PMI初值报告
接口: macro_euro_manufacturing_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_manufacturing_pmi
描述: 获取欧元区制造业PMI初值报告, 数据区间从20080222-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_manufacturing_pmi_se = PP.macro_euro_manufacturing_pmi()
print(macro_euro_manufacturing_pmi_se.name)
print(macro_euro_manufacturing_pmi_se)
数据示例
macro_euro_manufacturing_pmi_se.name
manufacturing_pmi
macro_euro_manufacturing_pmi_se: pandas.Series
2008-02-22 52.3
2008-03-03 52.3
2008-03-20 52
2008-04-01 52
2008-04-23 50.8
...
2019-11-22 46.6
2019-12-02 46.9
2019-12-16 45.9
2020-01-02 46.3
2020-01-24 0
欧元区服务业PMI终值报告
接口: macro_euro_services_pmi
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_services_pmi
描述: 获取欧元区服务业PMI终值报告, 数据区间从20080222-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_services_pmi_se = PP.macro_euro_services_pmi()
print(macro_euro_services_pmi_se.name)
print(macro_euro_services_pmi_se)
数据示例
macro_euro_services_pmi_se.name
services_pmi
macro_euro_services_pmi_se: pandas.Series
2008-02-22 52.3
2008-03-05 51.7
2008-04-03 51.6
2008-04-23 51.8
2008-05-06 52
...
2019-11-22 52.2
2019-12-04 51.9
2019-12-16 52.4
2020-01-06 52.8
2020-01-24 0
领先指标
欧元区ZEW经济景气指数报告
接口: macro_euro_zew_economic_sentiment
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_zew_economic_sentiment
描述: 获取欧元区ZEW经济景气指数报告, 数据区间从20080212-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_zew_economic_sentiment_se = PP.macro_euro_zew_economic_sentiment()
print(macro_euro_zew_economic_sentiment_se.name)
print(macro_euro_zew_economic_sentiment_se)
数据示例
macro_euro_zew_economic_sentiment_se.name
zew_economic_sentiment
macro_euro_zew_economic_sentiment_se: pandas.Series
2008-02-12 -41.4
2008-03-11 -35
2008-04-15 -44.8
2008-05-20 -43.6
2008-06-17 -52.7
...
2019-09-17 -22.4
2019-10-15 -23.5
2019-11-12 -1.0
2019-12-10 11.2
2020-01-21 0
欧元区Sentix投资者信心指数报告
接口: macro_euro_sentix_investor_confidence
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取欧元区Sentix投资者信心指数报告, 数据区间从20020801-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_euro_sentix_investor_confidence_se = PP.macro_euro_sentix_investor_confidence()
print(macro_euro_sentix_investor_confidence_se.name)
print(macro_euro_sentix_investor_confidence_se)
数据示例
macro_euro_sentix_investor_confidence_se.name
sentix_investor_confidence
macro_euro_sentix_investor_confidence_se: pandas.Series
2002-08-01 13
2002-10-01 -8.5
2003-02-01 -21.8
2003-03-01 -22.8
2003-04-01 -19.4
...
2019-09-09 -11.1
2019-10-07 -16.8
2019-11-04 -4.5
2019-12-09 0.7
2020-01-06 7.6
重要机构
全球最大黄金ETF—SPDR Gold Trust持仓报告
总库存
接口: macro_cons_gold_volume
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大黄金ETF—SPDR Gold Trust持仓报告-总库存(吨), 数据区间从20041118-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 总库存(吨) |
接口示例
import PPshare as PP
macro_cons_gold_volume_se = PP.macro_cons_gold_volume()
print(macro_cons_gold_volume_se.name)
print(macro_cons_gold_volume_se)
数据示例
macro_euro_sentix_investor_confidence_se.name
gold_volume
macro_euro_sentix_investor_confidence_se: pandas.Series
2004-11-18 8.09
2004-11-19 57.85
2004-11-22 87.09
2004-11-23 87.09
2004-11-24 96.42
...
2019-10-20 924.64
2019-10-21 924.64
2019-10-22 919.66
2019-10-23 918.48
2019-10-24 918.48
增持-减持
接口: macro_cons_gold_change
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大黄金ETF—SPDR Gold Trust持仓报告-增持-减持(吨), 数据区间从20041118-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 增持-减持(吨) |
接口示例
import PPshare as PP
macro_cons_gold_change_se = PP.macro_cons_gold_change()
print(macro_cons_gold_change_se.name)
print(macro_cons_gold_change_se)
数据示例
macro_cons_gold_change_se.name
gold_change
macro_cons_gold_change_se: pandas.Series
2004-11-18 0
2004-11-19 49.76
2004-11-22 29.24
2004-11-23 0.00
2004-11-24 9.33
...
2019-10-20 0.00
2019-10-21 0.00
2019-10-22 -4.98
2019-10-23 -1.18
2019-10-24 0.00
总价值
接口: macro_cons_gold_amount
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大黄金ETF—SPDR Gold Trust持仓报告-总价值(美元), 数据区间从20041118-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 总价值(美元) |
接口示例
import PPshare as PP
macro_cons_gold_amount_se = PP.macro_cons_gold_amount()
print(macro_cons_gold_amount_se.name)
print(macro_cons_gold_amount_se)
数据示例
macro_cons_gold_amount_se.name
gold_amount
macro_cons_gold_amount_se: pandas.Series
2004-11-18 114920000.00
2004-11-19 828806907.20
2004-11-22 1253785205.50
2004-11-23 1254751438.19
2004-11-24 1390568824.08
...
2019-10-20 44286078486.23
2019-10-21 44333677232.68
2019-10-22 43907962483.56
2019-10-23 44120217405.82
2019-10-24 44120217405.82
全球最大白银ETF–iShares Silver Trust持仓报告
总库存
接口: macro_cons_silver_volume
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大白银ETF–iShares Silver Trust持仓报告-总库存(吨), 数据区间从20060429-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 总库存(吨) |
接口示例
import PPshare as PP
macro_cons_silver_volume_se = PP.macro_cons_silver_volume()
print(macro_cons_silver_volume_se.name)
print(macro_cons_silver_volume_se)
数据示例
macro_cons_silver_volume_se.name
silver_volume
macro_cons_silver_volume_se: pandas.Series
2006-04-29 653.17
2006-05-02 653.17
2006-05-03 995.28
2006-05-04 1197.43
2006-05-05 1306.29
...
2019-10-17 11847.91
2019-10-18 11847.91
2019-10-21 11813.02
2019-10-22 11751.96
2019-10-23 11751.96
增持-减持
接口: macro_cons_silver_change
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大白银ETF–iShares Silver Trust持仓报告-增持-减持(吨), 数据区间从20060429-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 增持-减持(吨) |
接口示例
import PPshare as PP
macro_cons_silver_change_se = PP.macro_cons_silver_change()
print(macro_cons_silver_change_se.name)
print(macro_cons_silver_change_se)
数据示例
macro_cons_silver_change_se.name
silver_change
macro_cons_silver_change_se: pandas.Series
2006-04-29 0
2006-05-02 0.00
2006-05-03 342.11
2006-05-04 202.15
2006-05-05 108.86
...
2020-01-06 0.00
2020-01-07 -37.76
2020-01-08 0.00
2020-01-09 -101.66
2020-01-10 0.00
总价值
接口: macro_cons_silver_amount
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取全球最大白银ETF–iShares Silver Trust持仓报告-总价值(美元), 数据区间从20060429-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | 总价值(美元) |
接口示例
import PPshare as PP
macro_cons_silver_amount_se = PP.macro_cons_silver_amount()
print(macro_cons_silver_amount_se.name)
print(macro_cons_silver_amount_se)
数据示例
macro_cons_silver_amount_se.name
silver_amount
macro_cons_silver_amount_se: pandas.Series
2006-04-29 263651152
2006-05-02 263651152
2006-05-03 445408550
2006-05-04 555123947
2006-05-05 574713264
...
2019-10-17 Show All
2019-10-18 Show All
2019-10-21 Show All
2019-10-22 Show All
2019-10-23 Show All
欧佩克报告
欧佩克报告-变动
接口: macro_cons_opec_near_change, 此接口由于数据更新的缘故只能提取到 20190613 前数据, 可以自行使用 macro_cons_opec_month 提取后计算
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取欧佩克报告, 数据区间从20170118-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
值 | float | Y | – |
接口示例
import PPshare as PP
macro_cons_opec_near_change_df = PP.macro_cons_opec_near_change()
print(macro_cons_opec_near_change_df)
数据示例
macro_cons_opec_near_change_df
阿尔及利亚 安哥拉 厄瓜多尔 加蓬 伊朗 伊拉克 科威特 利比亚 尼日利亚 \
2017-01-18 -0.87 3.56 -0.25 -0.87 0.95 4.26 0.20 3.13 -11.35
2017-02-13 -4.17 -2.32 -1.67 -1.00 5.02 -16.57 -14.12 6.47 10.18
2017-03-14 -0.02 -1.82 -0.44 -0.69 3.61 -6.20 -0.93 -1.11 5.80
2017-04-12 0.45 -1.87 -0.28 0.19 -2.87 -0.85 -0.95 -6.08 -2.98
2017-05-11 -0.75 9.71 -0.06 0.88 -3.47 -3.91 0.03 -6.16 5.08
... ... ... ... ... ... ... ... ...
2018-11-13 -0.40 2.20 -0.30 0.30 -15.60 465.30 -3.30 6.00 -1.70
2018-12-12 -0.50 0.30 0.10 -1.10 -38.00 -2.30 4.50 -1.10 -3.00
2019-03-14 0.20 2.20 0.50 0.70 1.20 -7.00 -1.40 2.30 1.00
2019-04-10 -0.70 0.70 52.40 0.90 -2.80 -12.60 -0.10 19.60 1.10
2019-06-13 0.60 7.40 -0.10 2.30 -22.70 9.40 1.30 -0.30 -9.20
沙特 阿联酋 委内瑞拉 欧佩克产量
2017-01-18 -14.93 -0.63 -4.52 -22.09
2017-02-13 -49.62 -15.93 -3.05 -89.02
2017-03-14 -6.81 -3.69 -1.60 -13.95
2017-04-12 4.16 -3.27 -2.59 -15.27
2017-05-11 4.92 -6.23 -2.60 -1.82
... ... ... ...
2018-11-13 12.70 14.20 -4.00 12.70
2018-12-12 37.70 7.10 -5.20 -1.10
2019-03-14 -8.60 -0.40 -14.20 -22.10
2019-04-10 -32.40 -0.90 -28.90 -53.40
2019-06-13 -7.60 0.30 -3.50 -23.60
欧佩克报告-月度
接口: macro_cons_opec_month
目标地址: https://datacenter.jin10.com/reportType/dc_eurozone_sentix_investor_confidence
描述: 获取欧佩克报告, 数据区间从20170118-至今
限量: 单次返回所有历史数据, 以网页数据为准.
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 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
阿尔及利亚 | float | Y | – |
安哥拉 | float | Y | – |
厄瓜多尔 | float | Y | – |
加蓬 | float | Y | – |
伊朗 | float | Y | – |
伊拉克 | float | Y | – |
科威特 | float | Y | – |
利比亚 | float | Y | – |
尼日利亚 | float | Y | – |
沙特 | float | Y | – |
阿联酋 | float | Y | – |
委内瑞拉 | float | Y | – |
欧佩克产量 | float | Y | – |
接口示例
import PPshare as PP
macro_cons_opec_month_df = PP.macro_cons_opec_month()
print(macro_cons_opec_month_df)
数据示例
macro_cons_opec_month_df
日期 阿尔及利亚 安哥拉 厄瓜多尔 加蓬 伊朗 伊拉克 科威特 利比亚 尼日利亚 沙特 \
2016/12 108.7 167.4 54.4 20.9 372.5 464.2 285.9 61 147.4 1044.3
2017/01 105.3 165.8 53 20.3 378 447.5 272.2 67.8 153.3 980.9
2017/02 105.7 163.9 52.9 19.8 381.9 441.4 271.2 68.1 156.4 995.2
2017/03 105.1 159.9 52.5 20.2 379.2 442.5 270.2 61.2 145.6 990.5
2017/04 105.6 166.7 52.6 20.5 379.2 438.1 270.5 55.2 149.6 993.4
... ... ... ... ... ... ... ... ... ...
2019/08 101.6 138.5 54.3 20.4 219.3 478.1 263.8 107.4 187 985.1
2019/09 102 140.4 55 19.7 216.3 473.2 265.8 116.2 185.1 879.6
2019/10 101.9 135.8 45.9 20.7 214.7 469.3 264.8 116.6 180.9 1000.1
2019/11 102.8 128.3 52.8 19.7 210.7 464.1 270.1 118.3 179.4 987.3
2019/12 101.7 140.8 53.8 22.2 209.2 456.5 270.8 113.9 177 976.2
日期 阿联酋 委内瑞拉 欧佩克产量
2016/12 309 203.4 3302.9
2017/01 295.8 200.7 3202.6
2017/02 293.3 199.8 3208.6
2017/03 290.9 198.2 3177
2017/04 290.6 196.7 3197.4
... ... ...
2019/08 308.2 73.5 2980.9
2019/09 308.3 64.4 2871.6
2019/10 310.5 68.7 2975.3
2019/11 310.8 71.7 2960.6
2019/12 306.2 71.4 2944.4
伦敦金属交易所
持仓报告
接口: macro_euro_lme_holding
目标地址: https://datacenter.jin10.com/reportType/dc_lme_traders_report
描述: 获取伦敦金属交易所(LME)-持仓报告, 数据区间从 20151022-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的多头仓位、空头仓位和净仓位 |
接口示例
import PPshare as PP
macro_euro_lme_holding_df = PP.macro_euro_lme_holding()
print(macro_euro_lme_holding_df)
数据示例
铝-多头仓位 铝-空头仓位 铝-净仓位 ... 锡-多头仓位 锡-空头仓位 锡-净仓位
2015-10-22 327120.00 -304606.00 631726.00 ... 5462 -2129.0 7591.0
2015-10-23 326996.00 -304797.00 631793.00 ... 5339 -2090.0 7429.0
2015-10-26 327814.00 -305974.00 633788.00 ... 5388 -2239.0 7627.0
2015-10-27 331239.00 -305348.00 636587.00 ... 5338 -2289.0 7627.0
2015-10-28 331586.00 -302432.00 634018.00 ... 5264 -2370.0 7634.0
... ... ... ... ... ... ...
2020-05-01 737311.18 546268.81 191042.37 ... 12044 8966.0 3078.0
2020-05-07 715146.83 525746.88 189399.95 ... 11919 9101.0 2818.0
2020-05-15 741948.06 552763.07 189184.99 ... 11977 9159.0 2818.0
2020-05-22 726923.87 551171.11 175752.76 ... 11234 8762.0 2472.0
2020-05-29 730646.63 552041.55 178605.08 ... 11648 9110.0 2538.0
库存报告
接口: macro_euro_lme_stock
目标地址: https://datacenter.jin10.com/reportType/dc_lme_report
描述: 获取伦敦金属交易所(LME)-库存报告, 数据区间从 20140702-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的库存、注册仓单和注销仓单 |
接口示例
import PPshare as PP
macro_euro_lme_stock_df = PP.macro_euro_lme_stock()
print(macro_euro_lme_stock_df)
数据示例
铝-库存 铝-注册仓单 铝-注销仓单 铜-库存 ... 锡-注销仓单 锌-库存 锌-注册仓单 锌-注销仓单
2014-07-02 5066400 2075450 2990950 156775 ... 2470 666775 610175 56600
2014-07-03 5058325 2074950 2983375 157050 ... 2500 665600 610175 55425
2014-07-04 5049225 2074450 2974775 156500 ... 2500 664650 604050 60600
2014-07-07 5038525 2072925 2965600 159350 ... 2500 663650 603950 59700
2014-07-08 5034200 2070925 2963275 158050 ... 2470 663150 603950 59200
... ... ... ... ... ... ... ... ...
2020-06-01 1496050 1283000 213050 255725 ... 840 99575 80150 19425
2020-06-02 1505550 1295200 210350 254275 ... 910 97850 79650 18200
2020-06-03 1500900 1295200 205700 252375 ... 1005 97800 79650 18150
2020-06-04 1526250 1324400 201850 248275 ... 1030 96275 79475 16800
2020-06-05 1521325 1305725 215600 243750 ... 905 94675 79450 15225
美国商品期货交易委员会
外汇类非商业持仓报告
接口: macro_usa_cftc_nc_holding
目标地址: https://datacenter.jin10.com/reportType/dc_cftc_nc_report
描述: 获取美国商品期货交易委员会CFTC外汇类非商业持仓报告, 数据区间从 19830107-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的多头仓位、空头仓位和净仓位 |
接口示例
import PPshare as PP
macro_usa_cftc_nc_holding_df = PP.macro_usa_cftc_nc_holding()
print(macro_usa_cftc_nc_holding_df)
数据示例
美元-多头仓位 美元-空头仓位 美元-净仓位 瑞郎-多头仓位 ... 英镑-净仓位 澳元-多头仓位 澳元-空头仓位 澳元-净仓位
1986-01-15 0 0 0 0 ... 0 0 0 0
1986-01-31 0 0 0 0 ... 0 0 0 0
1986-02-14 0 0 0 0 ... 0 0 0 0
1986-02-28 0 0 0 0 ... 0 0 0 0
1986-03-14 0 0 0 0 ... 0 0 0 0
... ... ... ... ... ... ... ... ...
2020-05-05 324795 350743 -25948 12967 ... -12005 23541 56996 -33455
2020-05-12 337226 347594 -10368 12624 ... -13688 23719 59144 -35425
2020-05-19 359429 352735 6694 13678 ... -18989 25301 64859 -39558
2020-05-26 376764 388231 -11467 13246 ... -22257 25530 66068 -40538
2020-06-02 385801 394030 -8229 13364 ... -36044 26571 67362 -40791
商品类非商业持仓报告
接口: macro_usa_cftc_c_holding
目标地址: https://datacenter.jin10.com/reportType/dc_cftc_c_report
描述: 获取美国商品期货交易委员会CFTC商品类非商业持仓报告, 数据区间从 19830107-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的多头仓位、空头仓位和净仓位 |
接口示例
import PPshare as PP
macro_usa_cftc_c_holding_df = PP.macro_usa_cftc_c_holding()
print(macro_usa_cftc_c_holding_df)
数据示例
原糖-多头仓位 原糖-空头仓位 原糖-净仓位 大豆-多头仓位 ... 棉花-净仓位 玉米-多头仓位 玉米-空头仓位 玉米-净仓位
1986-01-15 0 0 0 47835 ... 0 45615 16565 29050
1986-01-31 0 0 0 42610 ... 0 32135 34145 -2010
1986-02-14 0 0 0 24555 ... 0 14030 50275 -36245
1986-02-28 0 0 0 22805 ... 0 17735 59835 -42100
1986-03-14 0 0 0 43290 ... 0 18725 58090 -39365
... ... ... ... ... ... ... ... ...
2020-05-05 177939 145745 32194 173136 ... -2633 213746 366836 -153090
2020-05-12 186688 142574 44114 188262 ... 1078 210833 388404 -177571
2020-05-19 208295 138673 69622 186743 ... 3320 218328 417374 -199046
2020-05-26 217461 130398 87063 182102 ... 3817 223361 443436 -220075
2020-06-02 221084 127678 93406 178933 ... 9596 235871 455309 -219438
外汇类商业持仓报告
接口: macro_usa_cftc_merchant_currency_holding
目标地址: https://datacenter.jin10.com/reportType/dc_cftc_merchant_currency
描述: 获取美国商品期货交易委员会CFTC外汇类商业持仓报告, 数据区间从 19860115-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的多头仓位、空头仓位和净仓位 |
接口示例
import PPshare as PP
macro_usa_cftc_merchant_currency_holding_df = PP.macro_usa_cftc_merchant_currency_holding()
print(macro_usa_cftc_merchant_currency_holding_df)
数据示例
美元-多头仓位 美元-空头仓位 美元-净仓位 瑞郎-多头仓位 ... 英镑-净仓位 澳元-多头仓位 澳元-空头仓位 澳元-净仓位
1986-01-15 0 0 0 0 ... 0 0 0 0
1986-01-31 0 0 0 0 ... 0 0 0 0
1986-02-14 0 0 0 0 ... 0 0 0 0
1986-02-28 0 0 0 0 ... 0 0 0 0
1986-03-14 0 0 0 0 ... 0 0 0 0
... ... ... ... ... ... ... ... ...
2020-05-05 761167 740678 20489 12783 ... 23207 90061 41987 48074
2020-05-12 764765 764586 179 16793 ... 28146 89686 39723 49963
2020-05-19 761649 773386 -11737 14422 ... 33299 91226 39980 51246
2020-05-26 790831 792542 -1711 14593 ... 35289 94516 40279 54237
2020-06-02 810672 794088 16584 14432 ... 44403 91638 37786 53852
商品类商业持仓报告
接口: macro_usa_cftc_merchant_goods_holding
目标地址: https://datacenter.jin10.com/reportType/dc_cftc_merchant_goods
描述: 获取美国商品期货交易委员会CFTC商品类商业持仓报告, 数据区间从 19860115-至今
限量: 单次返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
– | – | – | 不同品种的多头仓位、空头仓位和净仓位 |
接口示例
import PPshare as PP
macro_usa_cftc_merchant_goods_holding_df = PP.macro_usa_cftc_merchant_goods_holding()
print(macro_usa_cftc_merchant_goods_holding_df)
数据示例
原糖-多头仓位 原糖-空头仓位 原糖-净仓位 大豆-多头仓位 ... 棉花-净仓位 玉米-多头仓位 玉米-空头仓位 玉米-净仓位
1986-01-15 0 0 0 117120 ... 0 307790 307815 -25
1986-01-31 0 0 0 122430 ... 0 323200 247390 75810
1986-02-14 0 0 0 130140 ... 0 303885 205150 98735
1986-02-28 0 0 0 145015 ... 0 288625 204725 83900
1986-03-14 0 0 0 125300 ... 0 276865 220480 56385
... ... ... ... ... ... ... ... ...
2020-05-05 581116 619230 -38114 402631 ... 2543 749637 613914 135723
2020-05-12 586013 638394 -52381 423150 ... -1981 758783 603070 155713
2020-05-19 588614 670244 -81630 431829 ... -5068 764876 593689 171187
2020-05-26 589614 686994 -97380 440560 ... -4773 773465 589063 184402
2020-06-02 593359 695146 -101787 446474 ... -10899 787667 608847 178820
PPshare 能源数据
碳排放权
接口: energy_carbon
目标地址: https://www.bjets.com.cn/jyxx/
描述: 获取北京市碳排放权电子交易平台-北京市碳排放权公开交易行情
限量: 全部历史数据
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 |
---|---|---|---|
日期 | str | – | |
成交量(吨) | float | – | 注意单位 |
成交均价(元/吨) | float | – | 注意单位 |
成交额(元) | str | – | 注意单位 |
接口示例
import PPshare as PP
energy_carbon_df = PP.energy_carbon()
print(energy_carbon_df)
数据示例
日期 成交量(吨) 成交均价(元/吨) 成交额(元)
0 2019-12-13 1 60.00 60.00(BEA)
1 2019-12-12 9215 74.66 687,957.00(BEA)
2 2019-12-11 14315 76.48 1,094,789.50(BEA)
3 2019-12-10 780 75.38 58,800.00(BEA)
4 2019-12-03 9500 72.11 685,000.00(BEA)
... ... ... ...
1065 2013-12-11 100 50.50 5050
1066 2013-12-06 100 50.00 5000
1067 2013-12-05 100 50.20 5020
1068 2013-12-02 300 55.10 16530
1069 2013-11-28 800 51.25 41000
中国油价
汽柴油历史调价信息
接口: energy_oil_hist
目标地址: http://data.eastmoney.com/cjsj/oil_default.html
描述: 获取东方财富-数据中心-中国油价-汽柴油历史调价信息
限量: 全部中国油价的所有历史数据
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 |
---|---|---|---|
日期 | str | – | 价格调整的日期 |
汽油价格 | float | – | 价格(元/吨) |
柴油价格 | float | – | 价格(元/吨) |
汽油涨幅 | str | – | 价格(元/吨) |
柴油涨幅 | str | – | 价格(元/吨) |
接口示例
import PPshare as PP
energy_oil_hist_df = PP.energy_oil_hist()
print(energy_oil_hist_df)
数据示例
日期 汽油价格 柴油价格 汽油涨幅 柴油涨幅
0 2020/3/19 6090.0 5165.0 -1015.0 -975.0
1 2020/2/19 7105.0 6140.0 -415.0 -400.0
2 2020/2/5 7520.0 6540.0 -420.0 -405.0
3 2019/12/31 7940.0 6945.0 235.0 230.0
4 2019/12/3 7705.0 6715.0 55.0 50.0
.. ... ... ... ... ...
194 2000/10/20 3435.0 3440.0 NaN NaN
195 2000/9/20 3615.0 3070.0 NaN NaN
196 2000/8/18 3405.0 2770.0 NaN NaN
197 2000/7/15 3135.0 2610.0 NaN NaN
198 2000/6/6 2935.0 2430.0 NaN NaN
地区油价
接口: energy_oil_detail
目标地址: http://data.eastmoney.com/cjsj/oil_default.html
描述: 获取东方财富-数据中心-中国油价-地区油价
限量: 指定调价日的地区油价历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
date | str | Y | date=”2020-03-19″; 此日期为调价日期, 通过调用 energy_oil_hist 可以获取历史调价日期 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
DIM_DATE | str | – | 价格调整的日期 |
V_0 | float | – | 0#柴油价格(单位:元/升) |
V_92 | float | – | 92#汽油价格(单位:元/升) |
V_95 | str | – | 95#汽油价格(单位:元/升) |
V_89 | str | – | 89#汽油价格(单位:元/升) |
CITYNAME | str | – | 地区 |
ZDE_0 | str | – | 0#柴油涨幅(单位:元/升) |
ZDE_92 | str | – | 92#汽油涨幅(单位:元/升) |
ZDE_95 | str | – | 95#汽油涨幅(单位:元/升) |
ZDE_89 | str | – | 89#汽油涨幅(单位:元/升) |
QE_0 | str | – | 上一次调整时0#柴油价格(单位:元/升) |
QE_92 | str | – | 上一次调整时92#汽油价格(单位:元/升) |
QE_95 | str | – | 上一次调整时95#汽油价格(单位:元/升) |
QE_89 | str | – | 上一次调整时89#汽油价格(单位:元/升) |
接口示例
import PPshare as PP
energy_oil_detail_df = PP.energy_oil_detail()
print(energy_oil_detail_df)
数据示例
DIM_DATE V_0 V_92 ... QE_92 QE_95 QE_89
0 2020/3/19 5.130000 5.490000 ... 6.620000 7.100000 6.20000
1 2020/3/19 5.130000 5.500000 ... 6.650000 7.080000 6.23000
2 2020/3/19 5.100000 5.490000 ... 6.630000 7.070000 6.17000
3 2020/3/19 5.021243 5.411418 ... 6.548571 6.997642 6.14084
4 2020/3/19 5.110000 5.530000 ... 6.670000 7.230000 6.20000
5 2020/3/19 5.170000 5.570000 ... 6.720000 7.260000 6.25000
6 2020/3/19 5.210000 5.630000 ... 6.780000 7.160000 6.40000
7 2020/3/19 5.190000 5.570000 ... 7.770000 8.240000 7.18000
8 2020/3/19 5.090000 5.490000 ... 6.640000 7.020000 6.16000
9 2020/3/19 5.090000 5.500000 ... 6.800000 7.270000 NaN
10 2020/3/19 5.090000 5.510000 ... 7.000000 7.490000 NaN
11 2020/3/19 5.159620 5.474944 ... 6.610000 7.030000 6.20000
12 2020/3/19 5.070000 5.490000 ... 6.630000 7.050000 6.21000
13 2020/3/19 5.140000 5.480000 ... 6.620000 7.110000 6.15000
14 2020/3/19 5.010000 5.430000 ... 6.560000 6.930000 6.19000
15 2020/3/19 5.050000 5.460000 ... 6.610000 7.080000 6.20000
16 2020/3/19 5.090000 5.480000 ... 6.970000 7.480000 6.48000
17 2020/3/19 5.150000 5.480000 ... 6.610000 7.140000 6.19000
18 2020/3/19 5.020000 5.410000 ... 6.550000 6.920000 6.18000
19 2020/3/19 5.080000 5.470000 ... 6.620000 7.040000 6.17000
20 2020/3/19 5.210000 5.560000 ... 6.690000 7.210000 6.27000
21 2020/3/19 5.090000 5.490000 ... 6.640000 7.020000 6.16000
22 2020/3/19 5.670000 6.410000 ... 7.690000 8.130000 7.25000
23 2020/3/19 5.190505 5.648464 ... 7.134902 7.658112 6.57120
24 2020/3/19 5.090000 5.490000 ... 6.630000 7.050000 6.15000
PPshare 数字货币
接口: get_js_dc_current
目标地址: https://datacenter.jin10.com/reportType/dc_bitcoin_current
描述: 获取数字货币实时行情, 实时更新
限量: 单次返回主流数字货币当前时点行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
无 | 无 | 无 | 无 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
reported_at | str | Y | 日期时间-索引 |
bourse | float | Y | 市场 |
currency_pair | str | Y | 货币对代码 |
price | float | Y | 最新价(注意货币币种) |
up_down | str | Y | 涨跌幅 |
up_down_rate | float | Y | – |
hightest_price | str | Y | 24小时最高价(注意货币币种) |
lowest_price | float | Y | 24小时最低价(注意货币币种) |
volume | str | Y | 24小时成交量 |
接口示例
import PPshare as PP
get_js_dc_current_df = PP.get_js_dc_current()
print(get_js_dc_current_df)
数据示例
bourse currency_pair ... lowest_price volume reported_at ...
2020-02-28 16:37:15 Bitfinex(香港) LTCUSD ... 59.666 83980.753551
2020-02-28 16:37:15 Bitflyer(日本) BTCJPY ... 940368.000 6566.954034
2020-02-28 16:37:15 Bitstamp(美国) BTCUSD ... 8585.470 6958.242385
2020-02-28 16:36:27 CEX.IO(伦敦) BTCUSD ... 8653.900 129.747383
2020-02-28 16:37:15 KrPPen_EUR(美国) BTCEUR ... 7897.100 5300.456910
2020-02-28 16:36:27 KrPPen(美国) LTCUSD ... 58.410 40829.390880
2020-02-28 16:36:27 OKCoin(中国) BTCUSD ... 8614.120 756.123400
2020-02-28 16:36:27 Bitfinex(香港) BCHUSD ... 312.050 10427.392214
2020-02-28 16:37:15 Bitfinex(香港) BTCUSD ... 8569.200 5229.230908
2020-02-28 16:37:15 KrPPen(美国) BTCUSD ... 8553.200 3910.324878
PPshare 特色数据
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: 获取中国各大城市-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 | 必选 | 描述 |
---|---|---|---|
date | str | Y | date=”20190801″ |
city | str | Y | city=”北京”; 注意输入的格式, e.g., “北京”, “上海” |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime.datetime | Y | 日期-索引 |
Sunrise | str | Y | 日出 |
Sunset | float | Y | 日落 |
Length | str | Y | Daylength-Length |
Difference | float | Y | Daylength-Difference |
Start | str | Y | Astronomical Twilight-Start |
End | float | Y | Astronomical Twilight-End |
Start.1 | str | Y | Nautical Twilight-Start |
End.1 | float | Y | Nautical Twilight-End |
Start.2 | str | Y | Civil Twilight-Start |
End.2 | float | Y | Civil Twilight-End |
Time | str | Y | Solar Noon-Time |
Mil. km | float | Y | Solar Noon-Mil. km |
接口示例
import PPshare as PP
sunrise_daily_df = PP.sunrise_daily(date="20190801", city="北京")
print(sunrise_daily_df)
数据示例
八月 Sunrise Sunset ... End.2 Time Mil. km
2019-08-01 1 05:12 ↑ (65°) 19:28 ↑ (295°) ... 19:58 12:20 (68,2°) 151857
日出和日落-月
接口: sunrise_monthly
目标地址: https://www.timeanddate.com/sun/china/
描述: 获取中国各大城市-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 | 必选 | 描述 |
---|---|---|---|
date | str | Y | date=”20190801″ |
city | str | Y | city=”北京” |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
month | str | Y | 日期-索引; XXXX-XX 格式 |
Sunrise | str | Y | 日出 |
Sunset | float | Y | 日落 |
Length | str | Y | Daylength-Length |
Difference | float | Y | Daylength-Difference |
Start | str | Y | Astronomical Twilight-Start |
End | float | Y | Astronomical Twilight-End |
Start.1 | str | Y | Nautical Twilight-Start |
End.1 | float | Y | Nautical Twilight-End |
Start.2 | str | Y | Civil Twilight-Start |
End.2 | float | Y | Civil Twilight-End |
Time | str | Y | Solar Noon-Time |
Mil. km | float | Y | Solar Noon-Mil. km |
接口示例
import PPshare as PP
sunrise_monthly_df = PP.sunrise_monthly(date="20200328", city="北京")
print(sunrise_monthly_df)
数据示例
Mar Sunrise Sunset ... End.2 Time Mil. km
202003 1 06:47 ↑ (99°) 18:06 ↑ (261°) ... 18:33 12:26 (42.7°) 148.234
202003 2 06:46 ↑ (99°) 18:07 ↑ (262°) ... 18:34 12:26 (43.1°) 148.270
202003 3 06:44 ↑ (98°) 18:08 ↑ (262°) ... 18:35 12:26 (43.4°) 148.306
202003 4 06:43 ↑ (98°) 18:09 ↑ (263°) ... 18:36 12:26 (43.8°) 148.343
202003 5 06:41 ↑ (97°) 18:10 ↑ (263°) ... 18:37 12:25 (44.2°) 148.380
202003 6 06:40 ↑ (97°) 18:11 ↑ (264°) ... 18:38 12:25 (44.6°) 148.417
202003 7 06:38 ↑ (96°) 18:12 ↑ (264°) ... 18:39 12:25 (45.0°) 148.455
202003 8 06:37 ↑ (96°) 18:13 ↑ (265°) ... 18:40 12:25 (45.4°) 148.493
202003 9 06:35 ↑ (95°) 18:15 ↑ (265°) ... 18:42 12:24 (45.8°) 148.532
202003 10 06:33 ↑ (95°) 18:16 ↑ (266°) ... 18:43 12:24 (46.2°) 148.572
202003 11 06:32 ↑ (94°) 18:17 ↑ (266°) ... 18:44 12:24 (46.6°) 148.612
202003 12 06:30 ↑ (94°) 18:18 ↑ (267°) ... 18:45 12:24 (46.9°) 148.652
202003 13 06:29 ↑ (93°) 18:19 ↑ (267°) ... 18:46 12:23 (47.3°) 148.693
202003 14 06:27 ↑ (93°) 18:20 ↑ (268°) ... 18:47 12:23 (47.7°) 148.734
202003 15 06:25 ↑ (92°) 18:21 ↑ (268°) ... 18:48 12:23 (48.1°) 148.776
202003 16 06:24 ↑ (91°) 18:22 ↑ (269°) ... 18:49 12:23 (48.5°) 148.818
202003 17 06:22 ↑ (91°) 18:23 ↑ (269°) ... 18:50 12:22 (48.9°) 148.861
202003 18 06:21 ↑ (90°) 18:24 ↑ (270°) ... 18:51 12:22 (49.3°) 148.903
202003 19 06:19 ↑ (90°) 18:25 ↑ (270°) ... 18:52 12:22 (49.7°) 148.946
202003 20 06:17 ↑ (89°) 18:26 ↑ (271°) ... 18:53 12:21 (50.1°) 148.988
202003 21 06:16 ↑ (89°) 18:27 ↑ (271°) ... 18:54 12:21 (50.5°) 149.031
202003 22 06:14 ↑ (88°) 18:28 ↑ (272°) ... 18:55 12:21 (50.9°) 149.074
202003 23 06:13 ↑ (88°) 18:29 ↑ (272°) ... 18:56 12:20 (51.3°) 149.116
202003 24 06:11 ↑ (87°) 18:30 ↑ (273°) ... 18:57 12:20 (51.7°) 149.159
202003 25 06:09 ↑ (87°) 18:31 ↑ (273°) ... 18:58 12:20 (52.1°) 149.201
202003 26 06:08 ↑ (86°) 18:32 ↑ (274°) ... 18:59 12:20 (52.5°) 149.244
202003 27 06:06 ↑ (86°) 18:33 ↑ (274°) ... 19:00 12:19 (52.9°) 149.286
202003 28 06:04 ↑ (85°) 18:34 ↑ (275°) ... 19:01 12:19 (53.2°) 149.328
202003 29 06:03 ↑ (85°) 18:35 ↑ (275°) ... 19:02 12:19 (53.6°) 149.371
202003 30 06:01 ↑ (84°) 18:36 ↑ (276°) ... 19:03 12:18 (54.0°) 149.413
202003 31 06:00 ↑ (84°) 18:37 ↑ (276°) ... 19:04 12:18 (54.4°) 149.455
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: 获取河北省近 6 天空气质量情况
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: 单次返回 6 天的数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
city | str | Y | city=”定州市”, 返回具体市的数据; city=””, 则返回所有城市数据 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
城市 | str | Y | 城市-索引 |
Datadate | str | Y | 日期 |
Pollutant | float | Y | PM2.5 |
MinAQI | str | Y | 最小 |
MaxAQI | float | Y | 最大 |
Level | str | Y | 程度 |
接口示例
import PPshare as PP
air_quality_hebei_df = PP.air_quality_hebei(city="定州市")
print(air_quality_hebei_df)
数据示例
Datadate Pollutant MinAQI MaxAQI Level
定州市 2019/11/27 0:00:00 PM2.5 80 110 良-轻度
定州市 2019/11/28 0:00:00 PM2.5 90 120 良-轻度
定州市 2019/11/29 0:00:00 PM2.5 175 205 中度-重度
定州市 2019/11/30 0:00:00 PM2.5 175 205 中度-重度
定州市 2019/12/1 0:00:00 PM2.5 175 205 中度-重度
定州市 2019/12/2 0:00:00 PM2.5 80 110 良-轻度
空气质量-全国
城市列表
接口: air_city_list
目标地址: https://www.aqistudy.cn/
描述: 获取所有空气质量数据的城市列表
限量: 单次返回所有可以获取的城市的列表
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 |
---|---|---|---|
168城市列表 | list | Y | list |
接口示例
import PPshare as PP
air_city_list_map = PP.air_city_list()
print(air_city_list_map)
数据示例
['北京', '廊坊', '承德', '唐山', '晋城', '保定', '德阳', '秦皇岛', '天津', '朝阳', '临汾', '运城', '成都', '焦作', '长治', '锦州', '绵阳', '资阳', '葫芦岛', '广安', '长春', '石家庄', '三门峡', '兰州', '沧州', '沈阳', '哈尔滨', '衡水', '洛阳', '滨州', '眉山', '东营', '阳泉', '内江', '铜川', '宜宾', '淄博', '邢台', '晋中', '自贡', '新乡', '安阳', '邯郸', '南充', '忻州', '临沂', '太原', '重庆', '乐山', '潍坊', '张家口', '济南', '德州', '聊城', '鹤壁', '青岛', '亳州', '日照', '枣庄', '西安', '咸阳', '宝鸡', '宿州', '泰安', '商丘', '达州', '济宁', '南阳', '吕梁', '连云港', '雅安', '郑州', '南昌', '阜阳', '渭南', '周口', '宿迁', '许昌', '武汉', '徐州', '开封', '泸州', '平顶山', '驻马店', '信阳', '菏泽', '淮南', '漯河', '朔州', '孝感', '濮阳', '杭州', '呼和浩特', '银川', '遂宁', '随州', '湖州', '襄阳', '淮安', '宜昌', '益阳', '淮北', '常州', '泰州', '拉萨', '包头', '蚌埠', '盐城', '六安', '西宁', '岳阳', '九江', '镇江', '苏州', '广州', '贵阳', '大同', '乌鲁木齐', '荆门', '铜陵', '新余', '扬州', '鄂州', '南通', '常德', '荆州', '无锡', '长沙', '咸宁', '嘉兴', '衢州', '大连', '黄冈', '温州', '厦门', '黄石', '绍兴', '合肥', '宜春', '上海', '昆明', '福州', '株洲', '金华', '南京', '湘潭', '丽水', '马鞍山', '萍乡', '宣城', '芜湖', '滁州', '安庆', '池州', '佛山', '黄山', '江门', '南宁', '台州', '惠州', '宁波', '肇庆', '舟山', '中山', '东莞', '深圳', '珠海', '海口']
空气质量历史数据
接口: air_quality_hist
目标地址: https://www.zq12369.com/
描述: 获取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
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
city | str | Y | city=”北京”; 调用 air_city_list 接口获取所有城市列表 |
period | str | Y | 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 | Y | start_date=”2020-03-20″; 注意 start_date 和 end_date 跨度不宜过长 |
end_date | str | Y | end_date=”2020-04-27″; 注意 start_date 和 end_date 跨度不宜过长 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
time | str | Y | 日期时间索引 |
aqi | str | Y | AQI |
pm2_5 | float | Y | PM2.5 |
pm10 | str | Y | PM10 |
co | float | Y | CO |
no2 | str | Y | NO2 |
o3 | str | Y | O3 |
so2 | str | Y | SO2 |
complexindex | str | Y | 综合指数 |
rank | str | Y | 排名 |
primary_pollutant | str | Y | 主要污染物 |
temp | str | Y | 温度 |
humi | str | Y | 湿度 |
windlevel | str | Y | 风级 |
winddirection | str | Y | 风向 |
weather | str | Y | 天气 |
接口示例-小时频率
import PPshare as PP
air_quality_hist_df = PP.air_quality_hist(city="北京", period="hour", start_date="2020-04-25", end_date="2020-04-27")
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 PPshare as PP
air_quality_hist_df = PP.air_quality_hist(city="北京", period="day", start_date="2020-03-20", end_date="2020-04-27")
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 PPshare as PP
air_quality_hist_df = PP.air_quality_hist(city="北京", period="month", start_date="2019-04-25", end_date="2020-04-27")
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 | 必选 | 描述 |
---|---|---|---|
date | str | Y | date=”2020-03-12″; “实时”: 当前时刻空气质量排名; “2020-03-12”: 当日空气质量排名; “2020-03”: 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 | 默认显示 | 描述 |
---|---|---|---|
降序 | str | Y | 排名 |
省份 | str | Y | – |
城市 | str | Y | – |
AQI | float | Y | – |
空气质量 | str | Y | – |
PM2.5浓度 | str | Y | – |
首要污染物 | str | Y | – |
接口示例-实时
import PPshare as PP
air_quality_rank_df = PP.air_quality_rank(date="实时")
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 PPshare as PP
air_quality_rank_df = PP.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 PPshare as PP
air_quality_rank_df = PP.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 PPshare as PP
air_quality_rank_df = PP.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_list 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 PPshare as PP
air_quality_watch_point_df = PP.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: 获取指定年份财富世界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 | 必选 | 描述 |
---|---|---|---|
year | int | Y | year=”2019″ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
公司名称 | str | Y | – |
营业收入 | float | Y | 注意单位 |
利润 | float | Y | 注意单位 |
国家 | float | Y | – |
接口示例
import PPshare as PP
fortune_df = PP.fortune_rank(year="2019")
print(fortune_df)
数据示例
公司名称(中英文) 营业收入(百万美元) 利润(百万美元) 国家
0 沃尔玛(WALMART) 514405.0 6670.0 美国
1 中国石油化工集团公司(SINOPEC GROUP) 414649.9 5845.0 中国
2 荷兰皇家壳牌石油公司(ROYAL DUTCH SHELL) 396556.0 23352.0 荷兰
3 中国石油天然气集团公司(CHINA NATIONAL PETROLEUM) 392976.6 2270.5 中国
4 国家电网公司(STATE GRID) 387056.0 8174.8 中国
.. ... ... ... ...
495 纽柯(NUCOR) 25067.3 2360.8 美国
496 蒙特利尔银行(BANK OF MONTREAL) 25002.7 4235.1 加拿大
497 泰康保险集团(TAIKANG INSURANCE GROUP) 24931.7 1794.6 中国
498 Ultrapar控股公司(ULTRAPAR HOLDINGS) 24816.0 314.8 巴西
499 法国液化空气集团(AIR LIQUIDE) 24796.6 2494.2 法国
财富排行榜-英文
接口: fortune_rank_eng
目标地址: https://fortune.com/global500/
描述: 获取指定年份财富世界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 | 必选 | 描述 |
---|---|---|---|
year | int | Y | year=”2019″ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
rank | str | Y | 排名 |
– | float | Y | 以当年的数据为准, 输入的字段不一 |
接口示例
import PPshare as PP
fortune_df = PP.fortune_rank_eng(year="2015")
print(fortune_df)
数据示例
rank revenues ... hqCountry title
476 1 175835.60 ... Japan Mitsubishi Corporation
477 2 171490.50 ... Japan Mitsui & Co., Ltd.
478 3 167824.70 ... Japan Itochu Corporation
479 4 162475.90 ... Japan Sumitomo Corporation
480 5 154951.20 ... U.S. General Motors Corporation
.. ... ... ... ... ...
194 496 7919.20 ... Germany Quelle Group
195 497 7868.70 ... Germany SPAR Handels AG
196 498 7857.10 ... U.S. Banc One Corporation
197 499 7849.50 ... Japan New Oji Paper Co., Ltd.
198 500 7843.80 ... Japan Toyo Seikan Kaisha, Ltd.
电影票房-实时
接口: box_office_spot(疫情期间,暂无数据)
目标地址: https://maoyan.com/board/1
描述: 获取上映中电影的实时票房数据
限量: 将昨日国内热映的影片, 按照昨日票房从高到低排序, 每天上午 10 点更新
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 |
---|---|---|---|
电影名称 | str | – | – |
主演 | str | – | – |
上映时间 | str | – | 注意具体时区 |
实时票房 | str | – | 注意票房单位 |
总票房 | str | – | 注意票房单位 |
接口示例
import PPshare as PP
box_office_spot_df = PP.box_office_spot()
print(box_office_spot_df)
数据示例
电影名称 主演 上映时间 实时票房 \
0 误杀 主演:肖央,谭卓,陈冲 上映时间:2019-12-13 实时票房:7981.7万
1 天·火 主演:王学圻,昆凌,窦骁 上映时间:2019-12-12 实时票房:3569.5万
2 冰雪奇缘2 主演:克里斯汀·贝尔,伊迪娜·门泽尔,乔纳森·格罗夫 上映时间:2019-11-22 实时票房:1649.3万
3 勇敢者游戏2:再战巅峰 主演:道恩·强森,凯伦·吉兰,杰克·布莱克 上映时间:2019-12-06 实时票房:1395.1万
4 被光抓走的人 主演:黄渤,王珞丹,谭卓 上映时间:2019-12-13 实时票房:1176.2万
5 我为你牺牲 主演:李琦,国永振,陈姝 上映时间:2019-12-05 实时票房:1012.7万
6 南方车站的聚会 主演:胡歌,桂纶镁,廖凡 上映时间:2019-12-06 实时票房:514.8万
7 早安公主 主演:田雨,朱颜曼滋,邱雨铄 上映时间:2019-12-13 实时票房:411.0万
8 唐顿庄园 主演:休·博纳维尔,劳拉·卡尔迈克尔,吉姆·卡特 上映时间:2019-12-13 实时票房:403.3万
9 利刃出鞘 主演:丹尼尔·克雷格,克里斯·埃文斯,安娜·德·阿玛斯 上映时间:2019-11-29 实时票房:369.6万
总票房
0 总票房:2.25亿
1 总票房:1.41亿
2 总票房:7.84亿
3 总票房:2.69亿
4 总票房:5894.0万
5 总票房:4696.0万
6 总票房:1.95亿
7 总票房:1170.0万
8 总票房:1171.0万
9 总票房:1.92亿
生活成本
接口: cost_living
目标地址: https://expatistan.com/cost-of-living/index
描述: 获取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 PPshare as PP
cost_living_df = PP.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: 获取新经济死亡公司数据库
限量: 返回所有历史数据
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 |
---|---|---|---|
公司名称 | str | – | – |
成立时间 | str | – | – |
倒闭时间 | str | – | – |
存活天数 | str | – | – |
总投资 | str | – | – |
所属行业 | str | – | – |
所属省份 | str | – | – |
接口示例
import PPshare as PP
death_df = PP.death_company()
print(death_df)
数据示例
com_name born com_change_close_date ... total_money cat_name com_prov
0 空车位 2015-06-01 2017-08-07 ... None 汽车交通 北京
1 禅啸星空 2015-06-01 2017-08-07 ... None 文娱传媒 北京
2 壹校招 2015-05-01 2017-08-07 ... None 企业服务 广东
3 灵犀Linkhere 2015-10-01 2017-08-07 ... None 社交网络 上海
4 弹个吉他 2015-04-01 2017-08-07 ... None 教育 北京
5 共时数据 2014-11-01 2017-08-07 ... None 金融 浙江
6 缘分市集 2015-03-01 2017-08-07 ... None 社交网络 北京
7 馋一指 2014-12-01 2017-08-07 ... None 电子商务 内蒙古
8 红果生活 2014-10-01 2017-08-07 ... None 本地生活 云南
9 壹手车 2014-12-01 2017-08-07 ... None 汽车交通 北京
独角兽公司
接口: nicorn_company
目标地址: https://www.itjuzi.com
描述: 获取独角兽公司数据库
限量: 返回所有历史数据
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 |
---|---|---|---|
公司名称 | str | – | – |
成立时间 | str | – | – |
总投资 | str | – | – |
所属行业 | str | – | – |
所属省份 | str | – | – |
接口示例
import PPshare as PP
nicorn_df = PP.nicorn_company()
print(nicorn_df)
数据示例
com_id com_logo_archive com_name \
0 18092 https://cdn.itjuzi.com/images/900637e42dec75cc... 蚂蚁金服
1 34048160 https://cdn.itjuzi.com/images/c36e423fd300b774... 字节跳动
2 24348 https://cdn.itjuzi.com/images/116bef02d9859fbf... 阿里云
3 157 https://cdn.itjuzi.com/images/8badb6e5188dbfb3... 滴滴
4 16470 https://cdn.itjuzi.com/images/2b4263b060d94abd... 陆金所
225 1634 https://cdn.itjuzi.com/images/f2d94f031e8ed8fe... 返利网
226 335 https://cdn.itjuzi.com/images/141dd540d2894608... 一起教育科技
227 25188 https://cdn.itjuzi.com/images/9d06a4ebeed7bee1... 微鲸科技
228 53629 https://cdn.itjuzi.com/images/3acab9539a788f02... Momenta
229 17081 https://cdn.itjuzi.com/images/6948f54e6b3e28c3... 云鸟配送
com_prov com_city invse_year invse_month invse_day \
0 浙江 杭州 2018 6 23
1 北京 海淀区 2018 10 20
2 浙江 杭州 2015 7 29
3 北京 海淀区 2019 7 25
4 上海 浦东新区 2018 12 15
225 上海 崇明县 2015 4 21
226 上海 嘉定区 2018 3 20
227 上海 浦东新区 2015 8 14
228 北京 海淀区 2018 10 18
229 北京 海淀区 2017 2 13
invse_guess_particulars invse_detail_money invse_currency_id \
0 100000000 160000 1
1 7500000 400000 2
2 43550000 600000 1
3 5800000 60000 2
4 3940000 133000 2
225 100000 10000 2
226 100000 25000 2
227 650000 200000 1
228 100000 20000 2
229 100000 10000 2
invse_similar_money_id cat_name sub_cat_name invse_round_id \
0 4 金融 金融综合服务 11
1 4 文娱传媒 媒体及阅读 7
2 4 企业服务 IT基础设施 11
3 4 汽车交通 交通出行 11
4 4 金融 理财 4
225 4 电子商务 电商解决方案 4
226 4 教育 K12 6
227 4 硬件 消费电子 2
228 4 汽车交通 自动/无人驾驶 11
229 4 物流 同城物流 5
money invse_money round
0 15384615.38 ¥16亿 战略投资
1 7500000.00 $40亿 F轮-上市前
2 6700000.00 ¥60亿 战略投资
3 5800000.00 $6亿 战略投资
4 3940000.00 $13.3亿 C轮
225 100000.00 $1亿 C轮
226 100000.00 $2.5亿 E轮
227 100000.00 ¥20亿 A轮
228 100000.00 $2亿 战略投资
229 100000.00 $1亿 D轮
千里马公司
接口: maxima_company
目标地址: https://www.itjuzi.com
描述: 获取千里马公司数据库
限量: 返回所有历史数据
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 |
---|---|---|---|
公司名称 | str | – | – |
成立时间 | str | – | – |
总投资 | str | – | – |
所属行业 | str | – | – |
所属省份 | str | – | – |
接口示例
import PPshare as PP
maxima_df = PP.maxima_company()
print(maxima_df)
数据示例
com_id com_logo_archive com_name \
0 71450 https://cdn.itjuzi.com/images/f7b24798925366be... 震坤行工业超市
1 51816 https://cdn.itjuzi.com/images/aea5b40629a453f8... 能力风暴
2 13023 https://cdn.itjuzi.com/images/4875e1ca28fdee9e... 达令
3 77478 https://cdn.itjuzi.com/images/a3e1719475670315... 奈雪的茶
4 10727 https://cdn.itjuzi.com/images/53dec5f8b5b69de2... 车置宝
652 20743 https://cdn.itjuzi.com/images/37c552ea7b695bc0... 未来域
653 33390 https://cdn.itjuzi.com/images/6c118658e0e9d487... 慧择保险
654 32967275 https://cdn.itjuzi.com/images/da96ddf10e8709bb... 微天下
655 15553 https://cdn.itjuzi.com/images/7b8d53bbc21e5ed8... 小熊尼奥
656 17958 https://cdn.itjuzi.com/images/435f1f5e7fe4882b... 好彩头
com_scope_id cat_name com_prov invse_year invse_month invse_day \
0 145 电子商务 上海 2019 6 18
1 103 硬件 上海 2016 10 8
2 145 电子商务 北京 2017 11 3
3 70 本地生活 广东 2018 3 19
4 28 汽车交通 江苏 2018 6 6
652 38 房产服务 北京 2017 6 8
653 12 金融 广东 2016 8 3
654 126 企业服务 浙江 2018 6 15
655 1 教育 上海 2016 10 21
656 145 电子商务 福建 2015 2 15
invse_similar_money_id invse_guess_particulars invse_detail_money \
0 4 96000 16000
1 4 600000 60000
2 3 600000 0
3 4 600000 0
4 4 600000 80000
652 4 100000 20000
653 4 100000 10000
654 4 100000 20000
655 4 100000 25000
656 4 100000 20000
invse_currency_id invse_round_id money invse_money round
0 2 5 624000.0 $1.6亿 D轮
1 1 2 600000.0 ¥6亿 A轮
2 1 11 600000.0 ¥数千万 战略投资
3 1 14 600000.0 ¥亿元及以上 A+轮
4 1 5 600000.0 ¥8亿 D轮
652 1 3 100000.0 ¥2亿 B轮
653 1 16 100000.0 ¥1亿 B+轮
654 1 2 100000.0 ¥2亿 A轮
655 1 3 100000.0 ¥2.5亿 B轮
656 1 2 100000.0 ¥2亿 A轮
特许经营许可
接口: franchise_china
目标地址: http://txjy.syggs.mofcom.gov.cn/
描述: 获取中国-特许经营许可数据
限量: 单次返回所有特许经营许可数据
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 |
---|---|---|---|
特许人名称 | str | Y | – |
备案时间 | str | Y | – |
地址 | str | Y | – |
接口示例
import PPshare as PP
franchise_china_df = PP.franchise_china()
print(franchise_china_df)
数据示例
特许人名称 ... 地址
0 特许人名称:深圳市百果园投资发展有限公司 ... 地址:深圳市龙岗区南湾街道下李朗社区平吉大道1号建昇大厦B1305
1 特许人名称:深圳市唯爱控股有限公司 ... 地址:深圳市福田区福保街道石厦北三街4号雅云轩29楼A室
2 特许人名称:广州绿色医药贸易有限公司 ... 地址:广州市白云区京溪桥东侧广州新百佳小商品城B1303室
3 特许人名称:广州萌茶茶餐饮管理有限公司 ... 地址:广州市天河区黄埔大道中309号自编3-18-7
4 特许人名称:福州汕之膳餐饮管理有限公司 ... 地址:福建省福州市台江区瀛洲街道江滨中大道116号君临闽江公寓1-7#楼连地下1层216铺位
... ... ...
5395 特许人名称:北京车爵仕汽车用品有限公司 ... 地址:北京市宣武区广安门外马连道路11号1125室
5396 特许人名称:北京风尚引力投资顾问有限公司 ... 地址:北京市大兴区魏善庄镇工业区龙江路95号
5397 特许人名称:奥力赛克服装(北京)有限公司 ... 地址:北京市宣武区宣武门外大街6号(庄胜广场北办公室楼902)
5398 特许人名称:中达睿信投资管理(北京)有限公司 ... 地址:北京市丰台区航丰路1号院2号楼1015、1016、1017房间
5399 特许人名称:DDBR International LLC ... 地址:The Corporation Trust Company, Corporation ...
慈善中国
慈善组织查询
接口: charity_china_organization
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/a/csmhaindex.html
描述: 获取慈善中国-慈善组织查询数据
限量: 单次返回所有慈善中国-慈善组织查询数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
序号 | str | Y | – |
统一社会信用代码 | str | Y | – |
组织名称 | str | Y | – |
成立时间 | str | Y | – |
登记管理机关 | str | Y | – |
接口示例
import PPshare as PP
charity_china_organization_df = PP.charity_china_organization()
print(charity_china_organization_df)
数据示例
序号 统一社会信用代码 组织名称 成立时间 登记管理机关
0 1 53330000501876705E 温州市人民教育基金会 Jan 1, 1989 浙江省民政厅
1 2 51440100572156377E 广州市乐善助学促进会 Mar 14, 2011 广州市民政局
2 3 51440106C149234018 广州市天河区慈善会 Mar 26, 1995 广州市天河区民政局
3 4 13220100013829643R 长春市红十字会 Nov 11, 1998 长春市机构编制委员会
4 5 514206245037423566 南漳县慈善会 Apr 3, 1994 南漳民政局
5 6 12420624MB1856281C 南漳县红十字会 Aug 13, 2018 南漳县事业单位登记管理局
6 7 51370103MJD7207131 济南市中慈善总会 Aug 30, 2005 济南市市中区民政局
7 8 13330726674784083R 浦江县红十字会 Jun 15, 2010 浦江县机构编制委员会
8 9 13450100007578462M 南宁市红十字会 Dec 29, 2001 南宁市机构编制委员会
9 10 51222402774243137N 图们市慈善总会 Aug 29, 2003 图们市民政局
10 11 51110102500530454R 北京西城慈善协会 Sep 10, 1995 北京市西城区民政局
11 12 12411402554217009W 商丘市梁园区红十字会 Oct 16, 1998 商丘市梁园区编制委员会
12 13 51661200697824762N 新疆生产建设兵团第十二师红十字会 Oct 24, 2008 第十二师民政局
13 14 11421304MB1C163392 随县红十字会 Sep 30, 2009 中共随县县委机构编制委员会办公室
14 15 123203054665457747 徐州市贾汪区红十字会 Sep 20, 2012 徐州市贾汪区民政局
慈善信托查询
接口: charity_china_trust
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/e/csmheindex.html
描述: 获取慈善中国-慈善信托查询数据
限量: 单次返回所有慈善中国-慈善信托查询数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
序号 | str | Y | – |
慈善信托名称 | str | Y | – |
备案单位 | str | Y | – |
受托人 | str | Y | – |
财产总规模(万元) | str | Y | – |
信托期限 | str | Y | – |
接口示例
import PPshare as PP
charity_china_trust_df = PP.charity_china_trust()
print(charity_china_trust_df)
数据示例
序号 慈善信托名称 ... 财产总规模(万元) 信托期限
0 1 华宝善行•抗击新型冠状病毒肺炎疫情慈善信托 ... 272.81 2年
1 2 华信信托-抗击新型肺炎慈善信托 ... 100.00 无固定期限
2 3 “上善”系列赴鄂救援抗击疫情慈善信托 ... 500.00 2年
3 4 泰来县红十字会 ... 30000.00 5年
4 5 天信世嘉·信德众志成城抗击新型肺炎01期慈善信托 ... 50.00 1年
5 6 根生博爱慈善信托 ... 114.70 永续
6 7 中融-深圳市慈善会托普思维慈善信托 ... 50.00 10
7 8 重庆信托·温暖童心慈善信托 ... 7.00 1年
8 9 华润信托•银杏乐天慈善信托 ... 100.00 10年
9 10 光信善·益中专项教育慈善信托 ... 1000.00 无固定期限
10 11 光信善·祥生扶贫1号阳光益投系列慈善信托 ... 5.00 2年
11 12 骏昆慈善信托 ... 5.00 无固定期限
12 13 厦门信托-星之助公益进堂慈善信托 ... 12.00 不设固定期限
13 14 光信善·瀚京尊享1号阳光益投系列慈善信托 ... 10.00 3年
14 15 光信善·云焕慈善信托 ... 10.00 永续
募捐方案备案
接口: charity_china_plan
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/c/csmhcindex.html
描述: 获取慈善中国-募捐方案备案数据
限量: 单次返回所有慈善中国-募捐方案备案数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
组织 | str | Y | – |
状态 | str | Y | – |
名称 | str | Y | – |
备案号 | str | Y | – |
接口示例
import PPshare as PP
charity_china_plan_df = PP.charity_china_plan()
print(charity_china_plan_df)
数据示例
组织 ... 备案号
0 重庆市慈善总会 ... 募捐方案备案编号:51500000504029915YA20015
1 重庆市慈善总会 ... 募捐方案备案编号:51500000504029915YA20014
2 重庆市慈善总会 ... 募捐方案备案编号:51500000504029915YA20013
3 新疆维吾尔族自治区资助教育基金会 ... 募捐方案备案编号:536501045762170776A20003
4 钦州市红十字会 ... 募捐方案备案编号:13450700K32947229MA20001
5 山东省红十字会 ... 募捐方案备案编号:133700000045025699A20001
6 南宁市红十字会 ... 募捐方案备案编号:13450100007578462MA20001
7 天祝藏族自治县红十字会 ... 募捐方案备案编号:11620623576286750DA20001
慈善项目进展
接口: charity_china_progress
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/b/csmhbindex.html
描述: 获取慈善中国-慈善项目进展数据
限量: 单次返回所有慈善中国-慈善项目进展数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
组织 | str | Y | – |
名称 | str | Y | – |
项目编号 | str | Y | – |
发起慈善组织 | str | Y | – |
项目状态 | str | Y | – |
接口示例
import PPshare as PP
charity_china_progress_df = PP.charity_china_progress()
print(charity_china_progress_df)
数据示例
组织 名称 ... 发起慈善组织 项目状态
0 中国华侨公益基金会 爱步寒冷—冰雪徒步志愿服务项目 ... 中国华侨公益基金会 已完成
1 中国华侨公益基金会 童沐书香 首都图书馆文化志愿服务讲故事智力脱贫项目 ... 中国华侨公益基金会 已完成
2 中国华侨公益基金会 经典导读,点亮心灯 ... 中国华侨公益基金会 已完成
3 中国华侨公益基金会 山区帮扶励志“阳光小讲台”志愿服务活动 ... 中国华侨公益基金会 已完成
4 中国华侨公益基金会 青春守护点对点 关爱留守儿童 ... 中国华侨公益基金会 已完成
5 中国华侨公益基金会 爱心部落·公益超市 ... 中国华侨公益基金会 已完成
6 中国华侨公益基金会 农村牧区“12345”扶贫攻坚义工队 ... 中国华侨公益基金会 已完成
7 中国华侨公益基金会 “授渔”-呼和浩特天使公益协会山区贫困儿童家庭精准扶贫项目 ... 中国华侨公益基金会 已完成
慈善组织年报
接口: charity_china_report
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/d/csmhdindex.html
描述: 获取慈善中国-慈善组织年报数据
限量: 单次返回所有慈善中国-慈善组织年报数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
序号 | str | Y | – |
统一社会信用代码 | str | Y | – |
组织名称 | str | Y | – |
社会组织类别 | str | Y | – |
年度 | str | Y | – |
操作 | str | Y | 提供下载 PDF 的地址 |
接口示例
import PPshare as PP
charity_china_report_df = PP.charity_china_report()
print(charity_china_report_df)
数据示例
序号 ... 操作
0 1 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
1 2 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
2 3 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
3 4 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
4 5 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
5 6 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
6 7 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
7 8 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
8 9 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
9 10 ... http://cishan.chinanpo.gov.cn/mz/upload/pub/lo...
募捐信息平台
接口: charity_china_platform
目标地址: http://cishan.chinanpo.gov.cn/biz/ma/csmh/h/csmhhindex.html
描述: 获取慈善中国-募捐信息平台数据
限量: 单次返回所有慈善中国-募捐信息平台数据, 但是要注意网络稳定性, 建议获取后存储
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 |
---|---|---|---|
网址 | str | Y | – |
组织 | str | Y | – |
名称 | str | Y | – |
联系方式 | str | Y | – |
接口示例
import PPshare as PP
charity_china_platform_df = PP.charity_china_platform()
print(charity_china_platform_df)
数据示例
网址 ... 联系方式
0 http://gongyi.qq.com/ ... gongyi_TS@tencent.com
1 https://gongyi.taobao.com/ ... 0571-88157858
2 https://love.alipay.com/ ... 0571-88158090
3 http://gongyi.weibo.com ... 010-60618539
4 http://gongyi.m.jd.com/index.html?&utm_source=... ... 010-89126602
5 http://gongyi.baidu.com/ ... 010-50803597
6 http://www.gongyibao.cn/ ... 010-82609011
7 http://xhgy.xinhuanet.com ... 4000260110
8 https://www.qschou.com/ ... 10101019
9 https://www.lianquan.org/index.jsp ... 021-60146234-801
10 http://www.gyufc.org ... 4008599595
11 http://gongyi.meituan.com ... 4000810990
12 javascript:void(0) ... didigongyi@didiglobal.com
13 https://www.shanyuanfoundation.com ... sygy@17shanyuan.com
14 http://channels1.mall.icbc.com.cn/channels/pc/... ... 4009195588
15 http://www.shuidichou.com/gongyi ... gongyi@shuidichou.com
16 https://gongyi.suning.com ... gongyi@cnsuning.com
17 https://www.bangbangwang.cn ... 010-85693651
18 http://gongyi.yeepay.com ... 4001-500-800
19 http://www.zgshfp.com.cn ... 400-600-1017
20 http://www.mca.gov.cn/ ... None
21 http://www.chinanpo.gov.cn/index.html ... None
22 http://www.chinavolunteer.cn/ ... None
23 http://www.jianzai.gov.cn/DRpublish/ ... None
24 http://www.neusoft.com/cn/ ... None
25 http://www.foundationcenter.org.cn ... None
26 # ... None
27 # ... None
微博舆情报告
接口: stock_js_weibo_report
目标地址: https://datacenter.jin10.com/market
描述: 获取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 | 必选 | 描述 |
---|---|---|---|
time_period | str | Y | 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 | 默认显示 | 描述 |
---|---|---|---|
name | str | Y | 股票名称 |
rate | str | Y | 人气排行指数 |
接口示例
import PPshare as PP
stock_js_weibo_report_df = PP.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
接口: index_bloomberg_billionaires
目标地址: https://www.bloomberg.com/billionaires/
描述: 获取彭博亿万富豪指数, 全球前 500 名
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 | 必选 | 描述 |
---|---|---|---|
– | – | – | – |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
rank | str | Y | Rank |
name | str | Y | Name |
total_net_worth | str | Y | Total net worth |
last_change | str | Y | $ Last change |
YTD_change | str | Y | $ YTD change |
country | str | Y | Country |
industry | str | Y | Industry |
接口示例
import PPshare as PP
index_bloomberg_billionaires_df = PP.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 Consume
PPshare 指数数据
中国股票指数数据
实时行情数据
接口: stock_zh_index_spot
目标地址: http://vip.stock.finance.sina.com.cn/mkt/
描述: 中国股票指数数据-所有指数
限量: 单次返回所有指数的实时行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
– | – | – | – |
输出参数-实时行情数据
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
代码 | str | Y | – |
名称 | str | Y | – |
最新价 | float | Y | – |
涨跌幅 | float | Y | – |
涨跌额 | float | Y | – |
买入 | float | Y | – |
卖出 | float | Y | – |
成交量 | float | Y | – |
成交额 | float | Y | – |
今开 | float | Y | – |
昨收 | float | Y | – |
最高 | float | Y | – |
最低 | float | Y | – |
接口示例
import PPshare as PP
stock_df = PP.stock_zh_index_spot()
print(stock_df)
数据示例-实时行情数据
symbol name trade pricechange changepercent buy sell \
0 sh000001 上证指数 2891.3431 -18.527 -0.637 0 0
1 sh000002 A股指数 3029.2626 -19.372 -0.635 0 0
2 sh000003 B股指数 255.2202 -2.955 -1.145 0 0
3 sh000004 工业指数 2265.4238 -19.259 -0.843 0 0
4 sh000005 商业指数 2625.3647 -31.024 -1.168 0 0
.. ... ... ... ... ... ... ...
556 sz399994 信息安全 1632.732 -10.892 -0.663 0.000 0.000
557 sz399995 基建工程 3537.133 -60.242 -1.675 0.000 0.000
558 sz399996 智能家居 2542.981 -18.931 -0.739 0.000 0.000
559 sz399997 中证白酒 8291.824 -56.333 -0.675 0.000 0.000
560 sz399998 中证煤炭 1166.536 -14.255 -1.207 0.000 0.000
settlement open high low volume amount \
0 2909.8697 2911.3500 2917.8293 2891.2043 135519463 152576392736
1 3048.6349 3050.1878 3057.0351 3029.1168 135417123 152529532272
2 258.1752 258.2375 258.2375 255.2202 102341 46860464
3 2284.6832 2284.4955 2288.8948 2265.4238 81989859 100573430149
4 2656.3890 2654.1212 2661.1885 2624.7153 9706663 10959125999
.. ... ... ... ... ... ...
556 1643.624 1639.190 1660.037 1632.520 2080351534 37408606715
557 3597.375 3592.926 3593.429 3537.133 713555150 4222607122
558 2561.912 2554.687 2591.331 2542.960 3722590965 53372657908
559 8348.157 8348.558 8365.188 8284.100 100483206 7398284729
560 1180.791 1181.090 1181.739 1165.898 338309880 2216286578
code ticktime
0 000001 15:02:03
1 000002 15:02:03
2 000003 15:02:03
3 000004 15:02:03
4 000005 15:02:03
.. ... ...
556 399994 15:01:48
557 399995 15:01:48
558 399996 15:01:48
559 399997 15:01:48
560 399998 15:01:48
历史行情数据
历史行情数据-新浪
接口: stock_zh_index_daily
目标地址: https://finance.sina.com.cn/realcompany/sz399552/nc.shtml(示例)
描述: 股票指数数据是从新浪财经获取的数据, 历史数据按日频率更新
限量: 单次返回具体某个指数的所有历史行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”sz399552″ |
输出参数-历史行情数据
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | str | Y | 新浪的数据开始时间, 不是证券上市时间 |
open | float | Y | – |
close | float | Y | – |
high | float | Y | – |
low | float | Y | – |
amount | float | Y | – |
接口示例
import PPshare as PP
stock_zh_index_daily_df = PP.stock_zh_index_daily(symbol="sz399552")
print(stock_zh_index_daily_df)
数据示例-历史行情数据
open high low close volume
date
2013-06-06 3353.536 3367.362 3325.742 3331.724 6.976691e+08
2013-06-07 3325.795 3338.029 3264.914 3276.253 7.975941e+08
2013-06-13 3227.157 3227.157 3138.502 3170.727 9.214073e+08
2013-06-14 3168.941 3190.161 3157.245 3184.553 7.290986e+08
2013-06-17 3189.969 3196.282 3153.118 3158.014 7.514038e+08
... ... ... ... ...
2019-11-11 7903.771 7903.771 7812.036 7827.082 1.500865e+09
2019-11-12 7826.054 7846.032 7759.229 7804.985 1.387154e+09
2019-11-13 7816.080 7817.346 7759.580 7803.760 1.169749e+09
2019-11-14 7815.102 7826.694 7785.544 7803.063 1.886548e+09
2019-11-15 7813.952 7823.045 7752.760 7752.760 1.514993e+09
历史行情数据-腾讯
接口: stock_zh_index_daily_tx
目标地址: http://gu.qq.com/sh000919/zs
描述: 获取股票指数(或者股票)历史行情数据
限量: 单次返回具体某个股票指数(或者股票)的所有历史行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”sh000919″ |
输出参数-历史行情数据
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 腾讯的数据开始时间, 不是证券上市时间 |
open | float | Y | – |
close | float | Y | – |
high | float | Y | – |
low | float | Y | – |
amount | float | Y | – |
接口示例
import PPshare as PP
stock_zh_index_daily_tx_df = PP.stock_zh_index_daily_tx(symbol="sh000919")
print(stock_zh_index_daily_tx_df)
数据示例-历史行情数据
open close high low amount
date
2005-01-04 993.11 978.14 993.11 976.82 4235500.0
2005-01-05 976.94 981.50 985.52 972.79 3366739.0
2005-01-06 982.37 968.90 982.37 966.52 3137880.0
2005-01-07 968.77 967.72 978.27 963.10 3340480.0
2005-01-10 967.81 977.77 978.15 963.31 2680019.0
... ... ... ... ...
2020-01-21 5057.77 4985.22 5057.77 4983.42 47773440.0
2020-01-22 4964.64 4993.16 5003.42 4916.75 44316915.0
2020-01-23 4952.00 4851.44 4952.00 4823.68 59821336.0
2020-02-03 4414.92 4486.51 4544.62 4414.92 87252491.0
2020-02-04 4472.27 4591.61 4595.76 4472.27 81098211.0
历史行情数据-东方财富
接口: stock_zh_index_daily_em
目标地址: http://quote.eastmoney.com/center/hszs.html
描述: 东方财富股票指数数据, 历史数据按日频率更新
限量: 单次返回具体某个指数的所有历史行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”sz399552″ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | str | Y | 东方财富的数据开始时间, 不是证券上市时间 |
open | float | Y | – |
close | float | Y | – |
high | float | Y | – |
low | float | Y | – |
volume | float | Y | – |
amount | float | Y | – |
接口示例
import PPshare as PP
stock_zh_index_daily_em_df = PP.stock_zh_index_daily_em(symbol="sz399812")
print(stock_zh_index_daily_em_df)
数据示例
date open close ... low volume amount
0 2005-01-04 996.03 989.56 ... 986.46 675733.0 4.986503e+08
1 2005-01-05 989.87 1008.59 ... 989.46 1037894.0 9.068431e+08
2 2005-01-06 1008.88 1002.81 ... 999.76 779152.0 5.631133e+08
3 2005-01-07 1002.10 1004.06 ... 999.56 898377.0 7.554397e+08
4 2005-01-10 1002.63 1014.12 ... 1000.90 651187.0 5.609582e+08
... ... ... ... ... ... ...
3785 2020-07-31 9925.95 10076.45 ... 9856.84 25572982.0 8.913588e+10
3786 2020-08-03 10171.99 10277.40 ... 10078.86 30955440.0 1.042277e+11
3787 2020-08-04 10261.82 10260.95 ... 10194.95 33366317.0 1.187024e+11
3788 2020-08-05 10183.52 10329.20 ... 10116.86 26614930.0 8.924673e+10
3789 2020-08-06 10337.09 10175.92 ... 10049.05 32541265.0 1.055893e+11
中国股票指数成份
最新成份
接口: index_stock_cons
目标地址: http://vip.stock.finance.sina.com.cn/corp/view/vII_NewestComponent.php?page=1&indexid=399639
描述: 获取指定指数的最新成份股票信息, 注意该接口返回的数据有部分是重复会导致数据缺失, 可以调用 index_stock_cons_sina 获取主流指数数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
index | str | Y | index=”000300″, 获取沪深300最新成份股, 指数代码见 股票指数信息一览表 |
股票指数信息一览表(可以在 PPShare 中通过如下代码获取本表)
import PPshare as PP
index_stock_info_df = PP.index_stock_info()
print(index_stock_info_df)
index_code | display_name | publish_date |
---|---|---|
000001 | 上证指数 | 1991/7/15 |
000002 | A股指数 | 1992/2/21 |
000003 | B股指数 | 1992/2/21 |
000004 | 工业指数 | 1993/5/3 |
000005 | 商业指数 | 1993/5/3 |
000006 | 地产指数 | 1993/5/3 |
000007 | 公用指数 | 1993/5/3 |
000008 | 综合指数 | 1993/5/3 |
000009 | 上证380 | 2010/11/29 |
000010 | 上证180 | 2002/7/1 |
000011 | 基金指数 | 2000/6/9 |
000012 | 国债指数 | 2003/1/2 |
000013 | 上证企业债指数 | 2003/6/9 |
000015 | 红利指数 | 2005/1/4 |
000016 | 上证50 | 2004/1/2 |
000017 | 新综指 | 2006/1/4 |
000018 | 180金融 | 2007/12/10 |
000019 | 治理指数 | 2008/1/2 |
000020 | 中型综指 | 2008/5/12 |
000021 | 180治理 | 2008/9/10 |
000022 | 上证公司债指数 | 2008/11/19 |
000025 | 180基建 | 2008/12/15 |
000026 | 180资源 | 2008/12/15 |
000027 | 180运输 | 2008/12/15 |
000028 | 180成长 | 2009/1/9 |
000029 | 180价值 | 2009/1/9 |
000030 | 180R成长 | 2009/1/9 |
000031 | 180R价值 | 2009/1/9 |
000032 | 上证能源 | 2009/1/9 |
000033 | 上证材料 | 2009/1/9 |
000034 | 上证工业 | 2009/1/9 |
000035 | 上证可选 | 2009/1/9 |
000036 | 上证消费 | 2009/1/9 |
000037 | 上证医药 | 2009/1/9 |
000038 | 上证金融 | 2009/1/9 |
000039 | 上证信息 | 2009/1/9 |
000040 | 上证电信 | 2009/1/9 |
000041 | 上证公用 | 2009/1/9 |
000042 | 上证央企 | 2009/3/30 |
000043 | 超大盘 | 2009/4/23 |
000044 | 上证中盘 | 2009/7/3 |
000045 | 上证小盘 | 2009/7/3 |
000046 | 上证中小 | 2009/7/3 |
000047 | 上证全指 | 2009/7/3 |
000048 | 责任指数 | 2009/8/5 |
000049 | 上证民企 | 2009/8/25 |
000050 | 50等权 | 2011/1/4 |
000051 | 180等权 | 2011/5/24 |
000052 | 50基本 | 2012/1/9 |
000053 | 180基本 | 2012/1/9 |
000054 | 上证海外 | 2010/1/4 |
000055 | 上证地企 | 2010/1/4 |
000056 | 上证国企 | 2010/1/4 |
000057 | 全指成长 | 2010/1/4 |
000058 | 全指价值 | 2010/1/4 |
000059 | 全R成长 | 2010/1/4 |
000060 | 全R价值 | 2010/1/4 |
000061 | 沪企债30 | 2010/1/4 |
000062 | 上证沪企 | 2010/1/4 |
000063 | 上证周期 | 2010/2/3 |
000064 | 非周期 | 2010/2/3 |
000065 | 上证龙头 | 2010/2/9 |
000066 | 上证商品 | 2010/4/30 |
000067 | 上证新兴 | 2010/4/30 |
000068 | 上证资源 | 2010/5/28 |
000069 | 消费80 | 2010/5/28 |
000070 | 能源等权 | 2010/8/18 |
000071 | 材料等权 | 2010/8/18 |
000072 | 工业等权 | 2010/8/18 |
000073 | 可选等权 | 2010/8/18 |
000074 | 消费等权 | 2010/8/18 |
000075 | 医药等权 | 2010/8/18 |
000076 | 金融等权 | 2010/8/18 |
000077 | 信息等权 | 2010/8/18 |
000078 | 电信等权 | 2010/8/18 |
000079 | 公用等权 | 2010/8/18 |
000090 | 上证流通 | 2010/12/2 |
000091 | 沪财中小 | 2011/4/6 |
000092 | 资源50 | 2011/5/10 |
000093 | 180分层 | 2011/5/24 |
000094 | 上证上游 | 2011/5/10 |
000095 | 上证中游 | 2011/5/10 |
000096 | 上证下游 | 2011/5/10 |
000097 | 高端装备 | 2011/5/24 |
000098 | 上证F200 | 2011/7/1 |
000099 | 上证F300 | 2011/7/1 |
000100 | 上证F500 | 2011/7/1 |
000101 | 5年信用 | 2013/4/1 |
000102 | 沪投资品 | 2011/6/13 |
000103 | 沪消费品 | 2011/6/13 |
000104 | 380能源 | 2011/6/13 |
000105 | 380材料 | 2011/6/13 |
000106 | 380工业 | 2011/6/13 |
000107 | 380可选 | 2011/6/13 |
000108 | 380消费 | 2011/6/13 |
000109 | 380医药 | 2011/6/13 |
000110 | 380金融 | 2011/6/13 |
000111 | 380信息 | 2011/6/13 |
000112 | 380电信 | 2011/6/13 |
000113 | 380公用 | 2011/6/13 |
000114 | 持续产业 | 2011/8/22 |
000115 | 380等权 | 2011/8/12 |
000116 | 信用100 | 2013/2/26 |
000117 | 380成长 | 2011/10/18 |
000118 | 380价值 | 2011/10/18 |
000119 | 380R成长 | 2011/10/18 |
000120 | 380R价值 | 2011/10/18 |
000121 | 医药主题 | 2011/10/18 |
000122 | 农业主题 | 2011/10/18 |
000123 | 180动态 | 2013/2/8 |
000125 | 180稳定 | 2013/2/8 |
000126 | 消费50 | 2011/12/9 |
000128 | 380基本 | 2012/1/9 |
000129 | 180波动 | 2012/1/9 |
000130 | 380波动 | 2012/1/9 |
000131 | 上证高新 | 2012/2/10 |
000132 | 上证100 | 2012/4/20 |
000133 | 上证150 | 2012/4/20 |
000134 | 上证银行 | 2012/5/29 |
000135 | 180高贝 | 2012/8/6 |
000136 | 180低贝 | 2012/8/6 |
000137 | 380高贝 | 2012/8/6 |
000138 | 380低贝 | 2012/8/6 |
000139 | 上证转债 | 2012/9/12 |
000141 | 380动态 | 2013/2/8 |
000142 | 380稳定 | 2013/2/8 |
000145 | 优势资源 | 2012/5/29 |
000146 | 优势制造 | 2012/5/29 |
000147 | 优势消费 | 2012/5/29 |
000148 | 消费领先 | 2012/5/29 |
000149 | 180红利 | 2012/7/20 |
000150 | 380红利 | 2012/7/20 |
000151 | 上国红利 | 2012/7/20 |
000152 | 上央红利 | 2012/7/20 |
000153 | 上民红利 | 2012/7/20 |
000155 | 市值百强 | 2012/7/20 |
000158 | 上证环保 | 2012/9/25 |
000159 | 上证沪股通指数 | 2014/11/17 |
000160 | 上证一带一路主题指数 | 2015/6/24 |
000161 | 上证中国制造2025主题指数 | 2015/10/29 |
000162 | 上证互联网+主题指数 | 2015/10/29 |
000171 | 新兴成指 | 2017/1/25 |
000188 | 中国波指 | 2016/11/28 |
000300 | 沪深300 | 2005/4/8 |
000801 | 资源80 | 2011/11/8 |
000802 | 500沪市 | 2011/11/8 |
000803 | 300波动 | 2012/1/9 |
000804 | 500波动 | 2012/1/9 |
000805 | A股资源 | 2012/1/6 |
000806 | 消费服务 | 2012/2/10 |
000807 | 食品饮料 | 2012/2/17 |
000808 | 医药生物 | 2012/2/17 |
000809 | 细分农业 | 2012/4/11 |
000810 | 细分能源 | 2012/4/11 |
000811 | 细分有色 | 2012/4/11 |
000812 | 细分机械 | 2012/4/11 |
000813 | 细分化工 | 2012/4/11 |
000814 | 细分医药 | 2012/4/11 |
000815 | 细分食品 | 2012/4/11 |
000816 | 细分地产 | 2012/4/11 |
000817 | 兴证海峡 | 2011/9/27 |
000818 | 细分金融 | 2012/4/11 |
000819 | 有色金属 | 2012/5/9 |
000820 | 煤炭指数 | 2012/5/9 |
000821 | 300红利 | 2012/7/20 |
000822 | 500红利 | 2012/7/20 |
000823 | 中证800有色金属指数 | 2012/12/21 |
000824 | 国企红利 | 2012/7/20 |
000825 | 央企红利 | 2012/7/20 |
000826 | 民企红利 | 2012/7/20 |
000827 | 中证环保 | 2012/9/25 |
000828 | 300高贝 | 2012/8/6 |
000829 | 300低贝 | 2012/8/6 |
000830 | 500高贝 | 2012/8/6 |
000831 | 500低贝 | 2012/8/6 |
000832 | 中证转债 | 2012/9/12 |
000833 | 中高企债 | 2012/9/10 |
000838 | 创业价值 | 2012/9/26 |
000839 | 浙企综指 | 2012/11/9 |
000840 | 浙江民企 | 2012/11/9 |
000841 | 800医药 | 2012/12/21 |
000842 | 800等权 | 2012/12/21 |
000843 | 300动态 | 2013/1/7 |
000844 | 300稳定 | 2013/1/7 |
000846 | ESG100 | 2012/10/16 |
000847 | 中证腾安价值100指数 | 2013/11/18 |
000849 | 沪深300非银行金融指数 | 2012/12/21 |
000850 | 沪深300有色金属指数 | 2012/12/21 |
000851 | 中证百度百发策略100指数 | 2014/7/30 |
000852 | 中证1000指数 | 2014/10/17 |
000853 | 中证申万一带一路主题投资指数 | 2015/4/23 |
000854 | 500原料 | 2013/11/6 |
000855 | 央视财经500指数 | 2014/11/3 |
000856 | 500工业 | 2013/11/6 |
000857 | 500医药 | 2013/11/6 |
000858 | 500信息 | 2013/11/6 |
000891 | 中国战略新兴产业综合指数 | 2017/1/25 |
000901 | 小康指数 | 2010/4/1 |
000902 | 中证流通 | 2006/2/27 |
000903 | 中证100 | 2006/5/29 |
000904 | 中证200 | 2007/1/15 |
000905 | 中证500 | 2007/1/15 |
000906 | 中证800 | 2007/1/15 |
000907 | 中证700 | 2007/1/15 |
000908 | 300能源 | 2007/7/2 |
000909 | 300材料 | 2007/7/2 |
000910 | 300工业 | 2007/7/2 |
000911 | 300可选 | 2007/7/2 |
000912 | 300消费 | 2007/7/2 |
000913 | 300医药 | 2007/7/2 |
000914 | 300金融 | 2007/7/2 |
000915 | 300信息 | 2007/7/2 |
000916 | 300电信 | 2007/7/2 |
000917 | 300公用 | 2007/7/2 |
000918 | 300成长 | 2008/1/21 |
000919 | 300价值 | 2008/1/21 |
000920 | 300R成长 | 2008/1/21 |
000921 | 300R价值 | 2008/1/21 |
000922 | 中证红利 | 2008/5/26 |
000923 | 公司债 | 2008/11/19 |
000925 | 基本面50 | 2009/2/26 |
000926 | 中证央企 | 2009/3/30 |
000927 | 央企100 | 2009/3/30 |
000928 | 中证能源 | 2009/7/3 |
000929 | 中证材料 | 2009/7/3 |
000930 | 中证工业 | 2009/7/3 |
000931 | 中证可选 | 2009/7/3 |
000932 | 中证消费 | 2009/7/3 |
000933 | 中证医药 | 2009/7/3 |
000934 | 中证金融 | 2009/7/3 |
000935 | 中证信息 | 2009/7/3 |
000936 | 中证电信 | 2009/7/3 |
000937 | 中证公用 | 2009/7/3 |
000938 | 中证民企 | 2009/8/25 |
000939 | 民企200 | 2009/8/25 |
000940 | 财富大盘 | 2009/9/25 |
000941 | 新能源 | 2009/10/28 |
000942 | 内地消费 | 2009/10/28 |
000943 | 内地基建 | 2009/10/28 |
000944 | 内地资源 | 2009/10/28 |
000945 | 内地运输 | 2009/10/28 |
000946 | 内地金融 | 2009/10/28 |
000947 | 内地银行 | 2009/10/28 |
000948 | 内地地产 | 2009/10/28 |
000949 | 内地农业 | 2009/10/28 |
000950 | 300基建 | 2009/10/28 |
000951 | 300银行 | 2009/10/28 |
000952 | 300地产 | 2009/10/28 |
000953 | 中证地企 | 2010/2/9 |
000954 | 地企100 | 2010/2/9 |
000955 | 中证国企 | 2010/2/9 |
000956 | 国企200 | 2010/2/9 |
000957 | 300运输 | 2009/6/16 |
000958 | 创业成长 | 2010/3/24 |
000959 | 银河99 | 2010/2/9 |
000960 | 中证龙头 | 2010/2/9 |
000961 | 中证上游 | 2010/4/16 |
000962 | 中证中游 | 2010/4/16 |
000963 | 中证下游 | 2010/4/16 |
000964 | 中证新兴 | 2010/4/30 |
000965 | 基本200 | 2010/6/2 |
000966 | 基本400 | 2010/6/2 |
000967 | 基本600 | 2010/6/2 |
000968 | 300周期 | 2010/5/28 |
000969 | 300非周 | 2010/5/28 |
000970 | ESG40 | 2010/9/17 |
000971 | 等权90 | 2010/12/2 |
000972 | 300沪市 | 2010/12/2 |
000973 | 技术领先 | 2011/1/4 |
000974 | 中证800金融指数 | 2013/5/9 |
000975 | 钱江30 | 2014/1/2 |
000976 | 新华金牛 | 2014/2/18 |
000977 | 内地低碳 | 2011/1/21 |
000978 | 医药100 | 2011/3/18 |
000979 | 大宗商品 | 2011/8/22 |
000980 | 中证超大 | 2011/5/10 |
000981 | 300分层 | 2011/6/13 |
000982 | 500等权 | 2011/6/13 |
000983 | 智能资产 | 2011/6/17 |
000984 | 300等权 | 2011/8/2 |
000985 | 中证全指 | 2011/8/2 |
000986 | 全指能源 | 2011/8/2 |
000987 | 全指材料 | 2011/8/2 |
000988 | 全指工业 | 2011/8/2 |
000989 | 全指可选 | 2011/8/2 |
000990 | 全指消费 | 2011/8/2 |
000991 | 全指医药 | 2011/8/2 |
000992 | 全指金融 | 2011/8/2 |
000993 | 全指信息 | 2011/8/2 |
000994 | 全指电信 | 2011/8/2 |
000995 | 全指公用 | 2011/8/2 |
000996 | 领先行业 | 2011/8/2 |
000997 | 大消费 | 2011/11/11 |
000998 | 中证TMT | 2011/11/8 |
000999 | 中证两岸三地500指数 | 2010/1/18 |
399001 | 深证成指 | 1995/1/23 |
399002 | 深成指R | 1995/1/23 |
399003 | 成份B指 | 1995/1/23 |
399004 | 深证100R | 2003/1/2 |
399005 | 中小板指 | 2006/1/24 |
399006 | 创业板指 | 2010/6/1 |
399007 | 深证300 | 2009/11/4 |
399008 | 中小300 | 2010/3/22 |
399009 | 深证200 | 2011/9/1 |
399010 | 深证700 | 2011/9/1 |
399011 | 深证1000 | 2011/9/1 |
399012 | 创业300 | 2013/1/7 |
399013 | 深市精选 | 2014/5/30 |
399015 | 深证中小创新指数 | 2015/3/24 |
399016 | 深证创新指数 | 2016/12/1 |
399017 | 中小板创新指数 | 2016/12/1 |
399018 | 创业板创新指数 | 2016/12/1 |
399050 | 创新引擎 | 2018/7/31 |
399100 | 新指数 | 2006/2/16 |
399101 | 中小板综 | 2005/12/1 |
399102 | 创业板综合指数 | 2010/8/20 |
399103 | 乐富指数 | 2011/12/2 |
399106 | 深证综指 | 1991/4/4 |
399107 | 深证A指 | 1992/10/4 |
399108 | 深证B指 | 1992/10/6 |
399231 | 农林指数 | 2013/3/4 |
399232 | 采矿指数 | 2013/3/4 |
399233 | 制造指数 | 2013/3/4 |
399234 | 水电指数 | 2013/3/4 |
399235 | 建筑指数 | 2013/3/4 |
399236 | 批零指数 | 2013/3/4 |
399237 | 运输指数 | 2013/3/4 |
399238 | 餐饮指数 | 2013/3/4 |
399239 | IT指数 | 2013/3/4 |
399240 | 金融指数 | 2013/3/4 |
399241 | 地产指数 | 2013/3/4 |
399242 | 商务指数 | 2013/3/4 |
399243 | 科研指数 | 2013/3/4 |
399244 | 公共指数 | 2013/3/4 |
399248 | 文化指数 | 2013/3/4 |
399249 | 综企指数 | 2013/3/4 |
399286 | 区块链50 | 2019/12/23 |
399290 | 深转交债 | 2019/6/6 |
399291 | 创精选88 | 2019/11/6 |
399292 | 民企发展 | 2019/3/5 |
399293 | 创业大盘 | 2019/4/18 |
399294 | 中小创Q | 2019/6/6 |
399295 | 创业蓝筹 | 2019/1/23 |
399296 | 创成长 | 2019/1/23 |
399298 | 深证中高等级信用债指数 | 2014/9/25 |
399299 | 深证中低等级信用债指数 | 2014/9/25 |
399300 | 沪深300 | 2005/4/8 |
399301 | 深信用债 | 2013/1/11 |
399302 | 深公司债 | 2013/1/11 |
399303 | 国证2000 | 2014/3/28 |
399305 | 基金指数 | 2000/7/3 |
399306 | 深证ETF | 2011/12/2 |
399307 | 深证转债 | 2014/8/27 |
399310 | 国证50 | 2005/9/5 |
399311 | 国证1000 | 2005/2/3 |
399312 | 国证300 | 2005/2/3 |
399313 | 巨潮100 | 2005/2/3 |
399314 | 巨潮大盘 | 2005/2/3 |
399315 | 巨潮中盘 | 2005/2/3 |
399316 | 巨潮小盘 | 2005/2/3 |
399317 | 国证A指 | 2005/2/3 |
399318 | 巨潮B股指数 | 2005/2/3 |
399319 | 资源优势 | 2005/1/4 |
399320 | 国证服务 | 2005/1/4 |
399321 | 国证红利 | 2005/1/4 |
399322 | 国证治理 | 2005/12/12 |
399324 | 深证红利 | 2006/1/24 |
399326 | 成长40 | 2006/1/24 |
399328 | 深证治理 | 2006/1/24 |
399330 | 深证100 | 2006/1/24 |
399332 | 深证创新(旧) | 2006/2/27 |
399333 | 中小板R | 2006/12/27 |
399335 | 深证央企 | 2009/8/3 |
399337 | 深证民营 | 2009/8/3 |
399339 | 深证科技 | 2009/8/3 |
399341 | 深证责任 | 2009/8/3 |
399344 | 深证300R | 2009/11/4 |
399346 | 深证成长 | 2009/11/4 |
399348 | 深证价值 | 2009/11/4 |
399350 | 皖江30 | 2012/12/18 |
399351 | 深报指数 | 2004/9/1 |
399352 | 深报综指 | 2005/2/3 |
399353 | 国证物流 | 2005/3/1 |
399354 | 分析师指数 | 2006/11/25 |
399355 | 长三角 | 2007/7/2 |
399356 | 珠三角 | 2007/7/2 |
399357 | 环渤海 | 2007/7/2 |
399358 | 泰达指数 | 2008/1/2 |
399359 | 国证基建 | 2009/8/3 |
399360 | 国证装备 | 2009/8/3 |
399361 | 国证商业 | 2009/8/3 |
399362 | 国证民营 | 2009/8/3 |
399363 | 计算机指 | 2009/8/3 |
399364 | 中金消费 | 2009/8/3 |
399365 | 国证农业 | 2009/11/4 |
399366 | 国证大宗 | 2009/11/4 |
399367 | 巨潮地产 | 2009/11/4 |
399368 | 国证军工 | 2009/11/4 |
399369 | CBN-兴全 | 2009/11/4 |
399370 | 国证成长 | 2010/1/4 |
399371 | 国证价值 | 2010/1/4 |
399372 | 大盘成长 | 2010/1/4 |
399373 | 大盘价值 | 2010/1/4 |
399374 | 中盘成长 | 2010/1/4 |
399375 | 中盘价值 | 2010/1/4 |
399376 | 小盘成长 | 2010/1/4 |
399377 | 小盘价值 | 2010/1/4 |
399378 | 南方低碳 | 2010/9/20 |
399379 | 国证基金 | 2011/12/2 |
399380 | 国证ETF | 2011/12/2 |
399381 | 1000能源 | 2011/12/2 |
399382 | 1000材料 | 2011/12/2 |
399383 | 1000工业 | 2011/12/2 |
399384 | 1000可选 | 2011/12/2 |
399385 | 1000消费 | 2011/12/2 |
399386 | 1000医药 | 2011/12/2 |
399387 | 1000金融 | 2011/12/2 |
399388 | 1000信息 | 2011/12/2 |
399389 | 国证通信 | 2011/12/2 |
399390 | 1000公用 | 2011/12/2 |
399391 | 投资时钟 | 2012/3/26 |
399392 | 国证新兴 | 2012/3/28 |
399393 | 国证地产 | 2012/8/20 |
399394 | 国证医药 | 2012/10/29 |
399395 | 国证有色 | 2012/10/29 |
399396 | 国证食品 | 2012/10/29 |
399397 | OCT文化 | 2012/11/9 |
399398 | 绩效指数 | 2012/11/19 |
399399 | 中经GDP | 2012/11/23 |
399400 | 大中盘 | 2013/3/20 |
399401 | 中小盘 | 2013/3/20 |
399402 | 周期100 | 2013/10/28 |
399403 | 防御100 | 2013/10/28 |
399404 | 大盘低波 | 2013/12/5 |
399405 | 大盘高贝 | 2013/12/5 |
399406 | 中盘低波 | 2013/12/5 |
399407 | 中盘高贝 | 2013/12/5 |
399408 | 小盘低波 | 2013/12/5 |
399409 | 小盘高贝 | 2013/12/5 |
399410 | 苏州率先 | 2013/12/12 |
399411 | 红利100 | 2014/4/10 |
399412 | 国证新能 | 2014/5/16 |
399413 | 国证转债 | 2014/8/27 |
399415 | I100 | 2014/9/12 |
399416 | I300 | 2014/9/12 |
399417 | 国证新能源汽车指数 | 2014/9/24 |
399418 | 国证国家安全指数 | 2014/11/21 |
399419 | 国证高铁指数 | 2014/12/10 |
399420 | 国证保险证券指数 | 2014/12/10 |
399423 | 中关村50指数 | 2015/2/5 |
399427 | 国证德高行专利领先指数 | 2015/2/17 |
399428 | 国证定向增发指数 | 2015/2/17 |
399429 | 新丝路指数 | 2015/1/8 |
399431 | 国证银行行业指数 | 2014/12/30 |
399432 | 国证汽车与汽车零配件行业指数 | 2014/12/30 |
399433 | 国证交通运输行业指数 | 2014/12/30 |
399434 | 国证传媒行业指数 | 2014/12/30 |
399435 | 国证农牧渔产品行业指数 | 2014/12/30 |
399436 | 国证煤炭行业指数 | 2014/12/30 |
399437 | 国证证券行业指数 | 2014/12/30 |
399438 | 国证电力公用事业行业指数 | 2014/12/30 |
399439 | 国证石油天然气行业指数 | 2014/12/30 |
399440 | 国证黑色金属行业指数 | 2014/12/30 |
399441 | 国证生物医药指数 | 2015/1/20 |
399481 | 企债指数 | 2003/1/2 |
399550 | 央视50 | 2012/6/6 |
399551 | 央视创新 | 2013/6/6 |
399552 | 央视成长 | 2013/6/6 |
399553 | 央视回报 | 2013/6/6 |
399554 | 央视治理 | 2013/6/6 |
399555 | 央视责任 | 2013/6/6 |
399556 | 央视生态 | 2014/6/6 |
399557 | 央视文化 | 2014/6/6 |
399602 | 中小成长 | 2010/5/24 |
399604 | 中小价值 | 2010/5/24 |
399606 | 创业板R | 2010/6/1 |
399608 | 科技100 | 2010/10/18 |
399610 | TMT50 | 2010/11/8 |
399611 | 中创100R | 2011/2/28 |
399612 | 中创100 | 2011/2/28 |
399613 | 深证能源 | 2011/6/15 |
399614 | 深证材料 | 2011/6/15 |
399615 | 深证工业 | 2011/6/15 |
399616 | 深证可选 | 2011/6/15 |
399617 | 深证消费 | 2011/6/15 |
399618 | 深证医药 | 2011/6/15 |
399619 | 深证金融 | 2011/6/15 |
399620 | 深证信息 | 2011/6/15 |
399621 | 深证电信 | 2011/6/15 |
399622 | 深证公用 | 2011/6/15 |
399623 | 中小基础 | 2011/7/25 |
399624 | 中创400 | 2011/8/15 |
399625 | 中创500 | 2011/8/15 |
399626 | 中创成长 | 2011/8/15 |
399627 | 中创价值 | 2011/8/15 |
399628 | 700成长 | 2011/9/1 |
399629 | 700价值 | 2011/9/1 |
399630 | 1000成长 | 2011/9/1 |
399631 | 1000价值 | 2011/9/1 |
399632 | 深100EW | 2011/10/28 |
399633 | 深300EW | 2011/10/28 |
399634 | 中小板EW | 2011/10/28 |
399635 | 创业板EW | 2011/10/28 |
399636 | 深证装备 | 2011/11/15 |
399637 | 深证地产 | 2011/11/15 |
399638 | 深证环保 | 2011/11/15 |
399639 | 深证大宗 | 2011/11/15 |
399640 | 创业基础 | 2012/1/16 |
399641 | 深证新兴 | 2012/2/1 |
399642 | 中小新兴 | 2012/2/1 |
399643 | 创业新兴 | 2012/2/1 |
399644 | 深证时钟 | 2012/3/26 |
399645 | 100低波 | 2012/6/12 |
399646 | 深消费50 | 2012/8/6 |
399647 | 深医药50 | 2012/8/6 |
399648 | 深证GDP | 2012/8/8 |
399649 | 中小红利 | 2012/8/20 |
399650 | 中小治理 | 2012/8/20 |
399651 | 中小责任 | 2012/8/20 |
399652 | 中创高新 | 2012/9/17 |
399653 | 深证龙头 | 2012/9/25 |
399654 | 深证文化 | 2012/11/9 |
399655 | 深证绩效 | 2012/11/19 |
399656 | 100绩效 | 2012/11/19 |
399657 | 300绩效 | 2012/11/19 |
399658 | 中小绩效 | 2012/11/19 |
399659 | 深成指EW | 2012/11/23 |
399660 | 中创EW | 2012/11/23 |
399661 | 深证低波 | 2012/12/20 |
399662 | 深证高贝 | 2012/12/20 |
399663 | 中小低波 | 2012/12/20 |
399664 | 中小高贝 | 2012/12/20 |
399665 | 中创低波 | 2012/12/20 |
399666 | 中创高贝 | 2012/12/20 |
399667 | 创业板G | 2013/1/7 |
399668 | 创业板V | 2013/1/7 |
399669 | 深证农业 | 2013/6/24 |
399670 | 深周期50 | 2013/10/28 |
399671 | 深防御50 | 2013/10/28 |
399672 | 深红利50 | 2014/4/10 |
399673 | 创业板50 | 2014/6/18 |
399674 | 深A医药卫生指数 | 2015/6/8 |
399675 | 深A软件与互联网指数 | 2015/6/8 |
399676 | 深A医药卫生等权指数 | 2015/6/8 |
399677 | 深A软件与互联网等权指数 | 2015/6/8 |
399678 | 深证次新股指数 | 2015/6/18 |
399679 | 深证200指数 | 2015/6/18 |
399680 | 深成能源行业指数 | 2015/8/31 |
399681 | 深成原材料行业指数 | 2015/8/31 |
399682 | 深成工业行业指数 | 2015/8/31 |
399683 | 深成可选消费行业指数 | 2015/8/31 |
399684 | 深成主要消费行业指数 | 2015/8/31 |
399685 | 深成医药卫生行业指数 | 2015/8/31 |
399686 | 深成金融地产行业指数 | 2015/8/31 |
399687 | 深成信息技术行业指数 | 2015/8/31 |
399688 | 深成电信业务行业指数 | 2015/8/31 |
399689 | 深成公用事业行业指数 | 2015/8/31 |
399690 | 深证中小板专利领先指数 | 2016/5/23 |
399691 | 深证创业板专利领先指数 | 2016/5/23 |
399692 | 创业300低波动率指数 | 2016/12/20 |
399693 | 安防产业 | 2016/6/20 |
399694 | 创业高贝 | 2016/12/20 |
399695 | 深证节能环保指数 | 2017/4/28 |
399696 | 深证创投 | 2016/10/21 |
399697 | 中关村60 | 2017/1/10 |
399698 | 深证优势成长 | 2017/6/15 |
399699 | 金融科技 | 2017/6/9 |
399701 | 深证F60 | 2010/5/10 |
399702 | 深证F120 | 2010/5/10 |
399703 | 深证F200 | 2010/5/10 |
399704 | 深证上游 | 2011/10/18 |
399705 | 深证中游 | 2011/10/18 |
399706 | 深证下游 | 2011/10/18 |
399707 | 中证申万证券行业指数 | 2015/4/16 |
399802 | 500深市 | 2012/9/5 |
399803 | 中证工业4.0指数 | 2015/3/10 |
399804 | 中证体育产业指数 | 2015/2/9 |
399805 | 中证互联网金融指数 | 2015/2/10 |
399806 | 中证环境治理指数 | 2014/7/21 |
399807 | 中证高铁产业指数 | 2015/1/20 |
399808 | 中证新能源指数 | 2015/2/10 |
399809 | 中证方正富邦保险主题指数 | 2015/2/13 |
399810 | 中证申万传媒行业投资指数 | 2015/8/3 |
399811 | 中证申万电子行业投资指数 | 2015/8/3 |
399812 | 中证养老产业指数 | 2014/6/6 |
399813 | 中证国防安全指数 | 2015/1/29 |
399814 | 中证大农业指数 | 2014/7/22 |
399817 | 中证阿拉善生态主题100指数 | 2015/10/21 |
399901 | 中证南方小康产业指数 | 2010/4/1 |
399902 | 中证流通指数 | 2006/2/27 |
399903 | 中证100指数 | 2006/5/29 |
399904 | 中证中盘200指数 | 2007/1/15 |
399905 | 中证500 | 2007/1/15 |
399906 | 中证800指数 | 2007/1/15 |
399907 | 中证中小盘700指数 | 2007/1/15 |
399908 | 沪深300能源指数 | 2007/7/2 |
399909 | 沪深300原材料指数 | 2007/7/2 |
399910 | 沪深300工业指数 | 2007/7/2 |
399911 | 沪深300可选消费指数 | 2007/7/2 |
399912 | 沪深300主要消费指数 | 2007/7/2 |
399913 | 沪深300医药卫生指数 | 2007/7/2 |
399914 | 沪深300金融地产指数 | 2007/7/2 |
399915 | 沪深300信息技术指数 | 2007/7/2 |
399916 | 沪深300电信业务指数 | 2007/7/2 |
399917 | 沪深300公用事业指数 | 2007/7/2 |
399918 | 沪深300成长指数 | 2008/1/21 |
399919 | 沪深300价值指数 | 2008/1/21 |
399920 | 沪深300相对成长指数 | 2008/1/21 |
399922 | 中证红利指数 | 2008/5/26 |
399923 | 公司债 | 2008/11/19 |
399925 | 中证锐联基本面50指数 | 2009/2/26 |
399926 | 中证中央企业综合指数 | 2009/3/30 |
399927 | 中证中央企业100指数 | 2009/3/30 |
399928 | 中证能源指数 | 2009/7/3 |
399929 | 中证原材料指数 | 2009/7/3 |
399930 | 中证工业指数 | 2009/7/3 |
399931 | 中证可选消费指数 | 2009/7/3 |
399932 | 中证主要消费指数 | 2009/7/3 |
399933 | 中证医药卫生指数 | 2009/7/3 |
399934 | 中证金融地产指数 | 2009/7/3 |
399935 | 中证信息技术指数 | 2009/7/3 |
399936 | 中证电信业务指数 | 2009/7/3 |
399937 | 中证公用事业指数 | 2009/7/3 |
399938 | 中证民营企业综合指数 | 2009/8/25 |
399939 | 中证民营企业200指数 | 2009/8/25 |
399940 | 中证财富大盘指数 | 2009/9/25 |
399941 | 中证内地新能源主题指数 | 2009/10/28 |
399942 | 中证内地消费主题指数 | 2009/10/28 |
399943 | 中证内地基建主题指数 | 2009/10/28 |
399944 | 中证内地资源主题指数 | 2009/10/28 |
399945 | 中证内地运输主题指数 | 2009/10/28 |
399946 | 中证内地金融主题指数 | 2009/10/28 |
399947 | 中证内地银行主题指数 | 2009/10/28 |
399948 | 中证内地地产主题指数 | 2009/10/28 |
399949 | 中证内地农业主题指数 | 2009/10/28 |
399950 | 沪深300基建主题指数 | 2009/10/28 |
399951 | 沪深300银行指数 | 2009/10/28 |
399952 | 沪深300地产指数 | 2009/10/28 |
399953 | 中证地方国有企业综合指数 | 2010/2/9 |
399954 | 中证地方国有企业100指数 | 2010/2/9 |
399955 | 中证国有企业综合指数 | 2010/2/9 |
399956 | 中证国有企业200指数 | 2010/2/9 |
399957 | 沪深300运输指数 | 2009/6/16 |
399958 | 中证创业成长指数 | 2010/3/24 |
399959 | 军工指数 | 2011/8/30 |
399960 | 中证龙头企业指数 | 2010/2/9 |
399961 | 中证上游资源产业指数 | 2010/4/16 |
399962 | 中证中游制造产业指数 | 2010/4/16 |
399963 | 中证下游消费与服务产业指数 | 2010/4/16 |
399964 | 中证新兴产业指数 | 2010/4/30 |
399965 | 800地产 | 2014/4/4 |
399966 | 800非银 | 2014/4/4 |
399967 | 中证军工 | 2013/12/26 |
399968 | 沪深300周期行业指数 | 2010/5/28 |
399969 | 沪深300非周期行业指数 | 2010/5/28 |
399970 | 中证移动互联网指数 | 2014/5/5 |
399971 | 中证传媒指数 | 2014/4/15 |
399972 | 300深市 | 2012/6/21 |
399973 | 中证国防指数 | 2014/4/15 |
399974 | 中证国有企业改革指数 | 2014/8/7 |
399975 | 中证全指证券公司指数(四级行业) | 2013/7/15 |
399976 | 中证新能源汽车指数 | 2014/11/28 |
399977 | 中证内地低碳经济主题指数 | 2011/1/21 |
399978 | 中证医药100指数 | 2011/3/18 |
399979 | 中证大宗商品股票指数 | 2011/8/22 |
399980 | 中证超级大盘指数 | 2011/5/10 |
399981 | 沪深300行业分层等权重指数 | 2011/6/13 |
399982 | 中证500等权重指数 | 2011/6/13 |
399983 | 沪深300地产等权重指数 | 2013/11/22 |
399984 | 沪深300等权重指数 | 2011/8/2 |
399985 | 中证全指指数 | 2011/8/2 |
399986 | 中证银行指数 | 2013/7/15 |
399987 | 中证酒指数 | 2014/12/10 |
399989 | 中证医疗指数 | 2014/10/31 |
399990 | 中证煤炭等权指数 | 2015/1/21 |
399991 | 中证一带一路主题指数 | 2015/2/16 |
399992 | 中证万得并购重组指数 | 2015/5/8 |
399993 | 中证万得生物科技指数 | 2015/5/8 |
399994 | 中证信息安全主题指数 | 2015/3/12 |
399995 | 中证基建工程指数 | 2015/3/12 |
399996 | 中证智能家居指数 | 2014/9/17 |
399997 | 中证白酒指数 | 2015/1/21 |
399998 | 中证煤炭指数 | 2015/2/13 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
品种代码 | str | Y | 股票代码 |
品种名称 | str | Y | 股票名称 |
纳入日期 | str | Y | 成份股纳入日期 |
接口示例
import PPshare as PP
index_stock_cons_df = PP.index_stock_cons(index="000300")
print(index_stock_cons_df)
数据示例
品种代码 品种名称 纳入日期
0 603501 韦尔股份 2019-12-16
1 600989 宝丰能源 2019-12-16
2 000723 美锦能源 2019-12-16
3 601236 红塔证券 2019-12-16
4 603899 晨光文具 2019-12-16
.. ... ... ...
295 000157 中联重科 2005-04-08
296 000069 华侨城A 2005-04-08
297 000063 中兴通讯 2005-04-08
298 000001 深发展A 2005-04-08
299 000002 万科A 2005-04-08
历史成份
接口: index_stock_hist
目标地址: http://stock.jrj.com.cn/share,sh000300,2015nlscf_2.shtml
描述: 获取指定股票指数的历史成份股票信息
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
index | str | Y | index=”sh000300″; 带市场前缀的指数代码 |
import PPshare as PP
stock_index_hist_df = PP.index_stock_hist(index="sh000001")
print(stock_index_hist_df)
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
stock_code | str | Y | 股票代码 |
in_date | str | Y | 进入时间 |
out_date | str | Y | 退出时间 |
数据示例
stock_code in_date out_date
0 000630 2005-04-08 2020-06-15
1 002294 2017-12-11 2020-06-15
2 300070 2014-12-15 2020-06-15
3 002411 2017-06-12 2020-06-15
4 600100 2005-04-08 2020-06-15
.. ... ... ...
20 600489 2005-04-08 2005-07-01
21 000562 2005-04-08 2005-07-01
22 600757 2005-04-08 2005-07-01
23 600748 2005-04-08 2005-07-01
24 600271 2005-04-08 2005-07-01
全球指数数据
接口: index_investing_global
目标地址: https://cn.investing.com/indices/
描述: 获取世界主要国家的各种指数, 由于涉及国家和指数(1000 + 个指数)具体参见国家-指数目录 具体的调用方式可以参照:
- 先查询指数所在的国家名称;
- 复制网页上国家名称(推荐复制), 如 美国;
- 复制所显示的具体指数名称(推荐复制, 如果英文中间有空格, 也需要保留空格), 如 美元指数; 也可以调用 PP.index_investing_global_country_name_url(“美国”) 获取需要国家的具体指数名称
- 在安装 PPShare 后输入, 如 PP.index_investing_global(country=”美国”, index_name=”VIX恐慌指数”, period=”每月”, start_date=”2005-01-01”, end_date=”2020-06-05”);
- 稍后就可以获得所需数据.
限量: 单次返回某一个国家的具体某一个指数, 建议用 for 循环获取多个国家的多个指数, 注意不要大量获取, 以免给对方服务器造成压力!
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
country | str | Y | country=”美国” |
index_name | str | Y | index_name=”美元指数”; 可以通过 PP.index_investing_global_country_name_url(“美国”) 获取 |
period | str | Y | period=”每月”; choice of {“每日”, “每周”, “每月”} |
start_date | str | Y | start_date=’2000-01-01′ |
end_date | str | Y | end_date=’2019-10-17′ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | 日期-索引 |
收盘 | float | Y | 收盘 |
开盘 | float | Y | 开盘 |
高 | float | Y | 高 |
低 | float | Y | 低 |
交易量 | float | Y | 交易量 |
接口示例
import PPshare as PP
index_investing_global_df = PP.index_investing_global(country="美国", index_name="VIX恐慌指数", period="每月", start_date="2005-01-01", end_date="2020-06-05")
print(index_investing_global_df)
数据示例
收盘 开盘 高 低 交易量
日期
2020-06-01 24.30 28.90 30.60 23.60 0.0
2020-05-01 27.51 38.17 40.32 25.92 0.0
2020-04-01 34.15 57.38 60.59 30.54 0.0
2020-03-01 53.54 34.86 85.47 24.93 0.0
2020-02-01 40.11 18.64 49.48 13.38 0.0
... ... ... ... ...
2005-05-01 13.29 15.45 17.70 11.65 0.0
2005-04-01 15.31 13.64 18.59 11.20 0.0
2005-03-01 14.02 11.95 14.89 11.66 0.0
2005-02-01 12.08 12.80 13.20 10.90 0.0
2005-01-01 12.82 13.39 14.75 12.29 0.0
微博指数数据
接口: weibo_index
目标地址: https://data.weibo.com/newindex
描述: 获取指定 词语 的微博指数
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
word | str | Y | word=”股票” |
time_type | str | Y | time_type=”1hour”; 1hour, 1day, 1month, 3month 选其一 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 日期-索引 |
index | float | Y | 指数 |
接口示例
import PPshare as PP
df_index = PP.weibo_index(word="期货", time_type="3month")
print(df_index)
数据示例
期货
index
20190901 13334
20190902 46214
20190903 49017
20190904 53229
20190905 68506
...
20191127 68081
20191128 42348
20191129 62141
20191130 23448
20191201 16169
百度搜索指数
接口: baidu_search_index
目标地址: http://index.baidu.com/v2/main/index.html
描述: 获取指定 词语 的百度搜索指数
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
word | str | Y | word=”股票” |
start_date | str | Y | start_date=”2010-12-27″ |
end_date | str | Y | end_date=”2019-12-01″ |
cookie | str | Y | cookie=”您在网页端登录百度指数后的 cookie 数据”; 如下图所示 |
如下图中游览器请求头中的蓝色选中部分内容到 cookie 即可
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 日期-索引 |
index | float | Y | 指数 |
接口示例
import PPshare as PP
cookie = '此处输入您在网页端登录百度指数后的 cookie 数据' # 此处请用单引号
baidu_search_index_df = PP.baidu_search_index(word="螺纹钢", start_date='2010-12-27', end_date='2019-12-01', cookie=cookie)
print(baidu_search_index_df)
数据示例
index
date
2010-12-27 294
2011-01-03 494
2011-01-10 527
2011-01-17 462
2011-01-24 411
...
2019-10-28 706
2019-11-04 758
2019-11-11 810
2019-11-18 936
2019-11-25 924
百度资讯指数
接口: baidu_info_index
目标地址: http://index.baidu.com/v2/main/index.html
描述: 获取指定 词语 的百度资讯指数
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
word | str | Y | word=”股票” |
start_date | datetime.datetime | Y | start_date=”2017-07-03″ |
end_date | datetime.datetime | Y | end_date=”2019-12-01″ |
cookie | str | Y | cookie=”您在网页端登录百度指数后的 cookie 数据”; 如下图所示 |
如下图中游览器请求头中的蓝色选中部分内容到 cookie 即可
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 日期-索引 |
index | float | Y | 指数 |
接口示例
import PPshare as PP
cookie = '此处输入您在网页端登录百度指数后的 cookie 数据' # 此处请用单引号
baidu_info_index_df = PP.baidu_info_index(word="螺纹钢", start_date='2017-07-03', end_date='2019-12-01', cookie=cookie)
print(baidu_info_index_df)
数据示例
index
date
2017-07-03 12727
2017-07-10 12670
2017-07-17 8722
2017-07-24 6054
2017-07-31 10763
...
2019-10-28 24363
2019-11-04 18594
2019-11-11 38890
2019-11-18 30896
2019-11-25 55445
百度媒体指数
接口: baidu_media_index
目标地址: http://index.baidu.com/v2/main/index.html
描述: 获取指定 词语 的百度媒体指数
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
word | str | Y | word=”股票” |
start_date | datetime.datetime | Y | start_date=”2010-12-27″ |
end_date | datetime.datetime | Y | end_date=”2019-12-01″ |
cookie | str | Y | cookie=”您在网页端登录百度指数后的 cookie 数据”; 如下图所示 |
如下图中游览器请求头中的蓝色选中部分内容到 cookie 即可
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 日期-索引 |
index | float | Y | 指数 |
接口示例
import PPshare as PP
cookie = '此处输入您在网页端登录百度指数后的 cookie 数据' # 此处请用单引号
baidu_media_index_df = PP.baidu_media_index(word="螺纹钢", start_date='2010-12-27', end_date='2019-12-01', cookie=cookie)
print(baidu_media_index_df)
数据示例
index
date
2010-12-27 0
2011-01-03 13
2011-01-10 30
2011-01-17 33
2011-01-24 27
...
2019-10-28 5
2019-11-04 6
2019-11-11 4
2019-11-18 5
2019-11-25 8
谷歌趋势指数
接口: google_index
目标地址: https://trends.google.com/trends/?geo=US
描述: 获取指定 词语 的谷歌趋势指数, 需要通过代理访问
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
word | str | Y | word=”python” |
start_date | datetime.datetime | Y | start_date=”2004-01-01″, 如果要获取具体的实时分钟或小时数据, 请输入如 start_date=”2019-12-10T10″ , end_date=”2019-12-10T23″ |
end_date | datetime.datetime | Y | end_date=”2019-12-01″, 如果要获取具体的实时分钟或小时数据, 请输入如 start_date=”2019-12-10T10″ , end_date=”2019-12-10T23″ |
plot | Bool | Y | plot=True, 则画图 |
start_date=”2019-12-10T10” 中的 T10 表示 10 点, 以 24 小时制计算, 2019年12月10日上午 10 点
end_date=”2019-12-10T23” 中的 T10 表示 23 点, 以 24 小时制计算, 2019年12月10日晚上 23 点
中美时间会有一天左右时差
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
date | datetime | Y | 日期-索引 |
index | float | Y | 指数 |
接口示例-长时间
import PPshare as PP
google_index_df = PP.google_index(word="python", start_date='2004-01-01', end_date='2019-12-01', plot=True)
print(google_index_df)
数据示例-长时间
date
2004-01-01 43
2004-02-01 40
2004-03-01 41
2004-04-01 38
2004-05-01 40
...
2019-08-01 87
2019-09-01 98
2019-10-01 99
2019-11-01 100
2019-12-01 60
Name: python, Length: 192, dtype: int32
图片示例-长时间
接口示例-短时间
import PPshare as PP
index_df = df = PP.google_index(word="AI", start_date="2019-12-10T10", end_date="2019-12-10T23", plot=True)
print(index_df)
数据示例-短时间
date
2019-12-10 10:00:00 31
2019-12-10 10:08:00 42
2019-12-10 10:16:00 42
2019-12-10 10:24:00 73
2019-12-10 10:32:00 83
..
2019-12-10 22:24:00 12
2019-12-10 22:32:00 0
2019-12-10 22:40:00 12
2019-12-10 22:48:00 12
2019-12-10 22:56:00 62
Name: 人工智能, Length: 98, dtype: int32
图片示例-短时间
申万一级行业实时行情
接口: sw_index_spot
目标地址: http://www.swsindex.com/idx0120.aspx?columnid=8832
描述: 获取申万一级行业实时行情数据
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 |
---|---|---|---|
指数代码 | str | Y | |
指数名称 | str | Y | |
昨收盘 | float | Y | |
今开盘 | float | Y | |
成交额 | float | Y | |
最高价 | float | Y | |
最低价 | float | Y | |
最新价 | float | Y | |
成交量 | float | Y |
接口示例
import PPshare as PP
sw_index_spot_df = PP.sw_index_spot()
print(sw_index_spot_df)
数据示例
指数代码 指数名称 昨收盘 今开盘 成交额 最高价 最低价 \
0 801010 农林牧渔 3272.12 3278.67 10632127513.00 3301.17 3263.88
1 801020 采掘 2378.17 2378.25 3688421635.00 2378.70 2365.45
2 801030 化工 2493.00 2492.71 21243935761.00 2505.70 2489.63
3 801040 钢铁 2027.81 2025.36 2182396591.00 2034.42 2019.31
4 801050 有色金属 2715.12 2710.45 14929258171.00 2719.40 2708.82
5 801080 电子 3296.53 3297.50 83835352265.00 3346.92 3293.55
6 801110 家用电器 7300.79 7310.10 7211608777.00 7371.99 7304.79
7 801120 食品饮料 14953.12 14989.38 18729948179.00 15286.60 14989.37
8 801130 纺织服装 1785.56 1783.75 2820139838.00 1799.21 1782.26
9 801140 轻工制造 2108.66 2109.56 8047875339.00 2127.92 2105.88
10 801150 医药生物 7722.43 7733.86 25595067955.00 7774.75 7709.18
11 801160 公用事业 1938.40 1941.14 5974962455.00 1941.26 1930.84
12 801170 交通运输 2264.88 2269.50 6242927002.00 2283.77 2264.84
13 801180 房地产 3938.34 3940.38 8647068776.00 3955.22 3934.40
14 801200 商业贸易 3122.51 3128.76 4137020879.00 3153.07 3128.76
15 801210 休闲服务 5859.08 5883.74 1647276734.00 5903.78 5853.36
16 801230 综合 1962.27 1960.96 3119372157.00 1970.41 1954.48
17 801710 建筑材料 5581.24 5587.85 5438633403.00 5602.77 5564.02
18 801720 建筑装饰 1985.84 1987.95 5920618857.00 1991.93 1982.52
19 801730 电气设备 4099.89 4098.35 13939419861.00 4131.52 4090.35
20 801740 国防军工 1092.14 1092.34 6157230977.00 1097.11 1088.90
21 801750 计算机 4465.68 4464.80 40529540333.00 4486.20 4429.60
22 801760 传媒 619.46 618.81 24921253034.00 629.75 617.73
23 801770 通信 2175.99 2178.60 14877087262.00 2196.10 2168.42
24 801780 银行 3690.74 3697.36 7989722487.00 3703.54 3677.90
25 801790 非银金融 1986.05 1988.34 21572483701.00 1991.80 1978.63
26 801880 汽车 3687.03 3687.86 13890877424.00 3687.86 3660.98
27 801890 机械设备 1096.74 1096.78 19039342701.00 1103.92 1095.24
最新价 成交量
0 3273.24 762843661
1 2378.54 675383283
2 2505.70 2242816595
3 2033.62 523542522
4 2717.11 1627640796
5 3346.92 5865791446
6 7351.03 537292047
7 15286.60 579595101
8 1799.20 418346826
9 2127.92 970261252
10 7774.75 1510059102
11 1941.09 1018563967
12 2283.77 913935513
13 3955.22 1205411968
14 3153.07 628748493
15 5891.18 140257228
16 1969.75 269570972
17 5602.77 548904394
18 1991.93 819923009
19 4131.52 1390432678
20 1097.11 481212023
21 4486.20 2659642631
22 629.75 3095214341
23 2195.80 1092450575
24 3694.55 971965702
25 1991.02 1642748437
26 3676.52 1504640443
27 1103.92 1881425427
申万一级行业成份
接口: sw_index_cons
目标地址: http://www.swsindex.com/idx0210.aspx?swindexcode=801010
描述: 获取申万一级行业成份股数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
index_code | str | Y | index_code=”801010″ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
stock_code | str | Y | |
stock_name | str | Y | |
start_date | float | Y | |
weight | float | Y |
接口示例
import PPshare as PP
sw_index_df = PP.sw_index_cons(index_code="801010")
print(sw_index_df)
数据示例
stock_code stock_name start_date weight
0 000048 康达尔 2011-10-10 00:00:00 0.4648
1 000505 京粮控股 2018-07-16 00:00:00 0.2636
2 000576 广东甘化 2018-07-16 00:00:00 0.3266
3 000592 平潭发展 2015-11-03 00:00:00 0.7277
4 000702 正虹科技 2008-06-02 00:00:00 0.2174
.. ... ... ... ...
79 603566 普莱柯 2015-06-24 00:00:00 0.5235
80 603609 禾丰牧业 2014-07-31 00:00:00 0.9313
81 603668 天马科技 2016-12-01 21:19:00 0.2899
82 603718 海利生物 2016-02-05 00:00:00 0.4451
83 603739 蔚蓝生物 2019-01-04 10:00:00 0.1789
申万一级行业历史行情
接口: sw_index_daily
目标地址: http://www.swsindex.com/idx0200.aspx?columnid=8838&type=Day
描述: 获取申万一级行业历史行情数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
index_code | str | Y | index_code=”801010″ |
start_date | str | Y | start_date=”2019-12-01″ |
end_date | str | Y | end_date=”2019-12-07″ |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
index_code | str | Y | |
index_name | str | Y | |
date | str | Y | |
open | float | Y | |
high | float | Y | |
low | float | Y | |
close | float | Y | |
vol | float | Y | |
amount | float | Y | |
change_pct | float | Y |
接口示例
import PPshare as PP
sw_index_df = PP.sw_index_daily(index_code="801010", start_date="2019-12-01", end_date="2019-12-07")
print(sw_index_df)
数据示例
index_code index_name date open high low close vol \
0 801010 农林牧渔 2019-12-06 3278.67 3301.18 3263.89 3273.24 7.63
1 801010 农林牧渔 2019-12-05 3278.81 3278.81 3252.86 3272.12 6.93
2 801010 农林牧渔 2019-12-04 3274.92 3278.03 3227.42 3268.57 7.44
3 801010 农林牧渔 2019-12-03 3295.98 3315.15 3270.35 3287.12 6.80
4 801010 农林牧渔 2019-12-02 3280.31 3321.77 3280.31 3297.97 7.33
amount change_pct
0 106.32 0.03
1 85.40 0.11
2 93.57 -0.56
3 91.33 -0.33
4 105.91 1.37
申万一级行业历史行情指标
接口: sw_index_daily_indicator
目标地址: http://www.swsindex.com/idx0200.aspx?columnid=8838&type=Day
描述: 获取申万一级行业历史行情指标数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
index_code | str | Y | index_code=”801010″ |
start_date | str | Y | start_date=”2019-12-01″ |
end_date | str | Y | end_date=”2019-12-07″ |
data_type | str | Y | data_type=”Day”; “Day”: 日报表, “Week”: 周报表 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
index_code | str | Y | |
index_name | str | Y | |
date | str | Y | |
close | float | Y | |
volume | float | Y | |
chg_pct | float | Y | |
turn_rate | float | Y | |
pe | float | Y | |
pb | float | Y | |
vwap | float | Y | |
float_mv | float | Y | |
avg_float_mv | float | Y | |
dividend_yield_ratio | float | Y | |
turnover_pct | float | Y |
接口示例-天
import PPshare as PP
sw_index_df = PP.sw_index_daily_indicator(index_code="801010", start_date="2019-12-01", end_date="2019-12-07", data_type="Day")
print(sw_index_df)
数据示例-天
index_code index_name date close volume chg_pct turn_rate pe \
0 801010 农林牧渔 2019-12-06 3273.24 7.63 0.03 1.1533 31.62
1 801010 农林牧渔 2019-12-05 3272.12 6.93 0.11 1.0484 31.62
2 801010 农林牧渔 2019-12-04 3268.57 7.44 -0.56 1.1242 31.59
3 801010 农林牧渔 2019-12-03 3287.12 6.80 -0.33 1.0281 31.77
4 801010 农林牧渔 2019-12-02 3297.97 7.33 1.37 1.1087 31.88
pb vwap float_mv avg_float_mv dividend_yield_ratio turnover_pct
0 3.51 12.24 8,360.39 99.53 1.19 2.64
1 3.51 12.17 8,357.91 99.50 1.19 2.05
2 3.50 12.14 8,354.00 99.45 1.19 2.68
3 3.52 12.19 8,373.92 99.69 1.19 2.68
4 3.54 12.19 8,389.36 99.87 1.18 3.16
接口示例-周
import PPshare as PP
sw_index_df = PP.sw_index_daily_indicator(index_code="801010", start_date="2019-12-01", end_date="2019-12-07", data_type="Week")
print(sw_index_df)
数据示例-周
index_code index_name date close volume chg_pct turn_rate pe \
0 801010 农林牧渔 2019-12-06 3273.24 36.13 0.61 1.1533 31.62
1 801010 农林牧渔 2019-11-29 3253.34 36.30 -1.48 1.0256 31.43
2 801010 农林牧渔 2019-11-22 3302.08 39.75 -1.23 1.1851 31.89
3 801010 农林牧渔 2019-11-15 3343.26 42.56 -4.95 1.3313 32.27
4 801010 农林牧渔 2019-11-08 3517.40 58.51 -1.35 1.5961 33.90
pb vwap float_mv avg_float_mv dividend_yield_ratio turnover_pct
0 3.51 12.24 8,360.39 99.53 1.19 2.62
1 3.49 12.07 8,275.56 98.52 1.20 2.60
2 3.54 12.26 8,411.33 100.13 1.18 2.69
3 3.58 12.44 8,488.62 101.06 1.17 3.18
4 3.76 13.08 8,918.01 106.17 1.11 4.12
商品现货价格指数
接口: spot_goods
目标地址: http://finance.sina.com.cn/futuremarket/spotprice.shtml#titlePos_0
描述: 获取商品现货价格指数
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”波罗的海干散货指数”, 指数目录请参考 现货指数一览表 |
现货指数一览表
名称 | 时间段 |
---|---|
进口大豆价格指数 | 2000-2016 |
波罗的海干散货指数 | 2007-至今 |
钢坯价格指数 | 2005-至今 |
普氏62%铁矿石指数 | 2011-至今 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | |
指数 | float | Y | |
涨跌额 | float | Y | |
涨跌幅 | float | Y |
接口示例-天
import PPshare as PP
spot_df = PP.spot_goods(symbol="波罗的海干散货指数")
print(spot_df)
数据示例-天
日期 指数 涨跌额 涨跌幅
0 2006-06-23 2808.00 83.00 0.0305
1 2006-06-30 2964.00 156.00 0.0556
2 2006-07-07 2870.00 -94.00 -0.0317
3 2006-07-14 2968.00 98.00 0.0341
4 2006-07-21 3191.00 223.00 0.0751
... ... ... ...
2424 2019-12-11 1460.00 -68.00 -4.4500
2425 2019-12-12 1388.00 -72.00 -4.9300
2426 2019-12-13 1355.00 -33.00 -2.3800
2427 2019-12-16 1315.00 -40.00 -2.9500
2428 2019-12-17 1281.00 -34.00 -2.5900
义乌小商品指数
接口: index_yw
目标地址: http://www.ywindex.com/Home/Product/
描述: 获取义乌小商品指数, 返回所有历史数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”周价格指数”, 三选一, “周价格指数”, “月价格指数”, “月景气指数” |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
期数 | str | Y | |
景气指数 | float | Y | |
规模指数 | float | Y | |
效益指数 | float | Y | |
市场信心指数 | float | Y |
接口示例-天
import PPshare as PP
index_yw_df = PP.index_yw(symbol="月景气指数")
print(index_yw_df)
数据示例
期数 景气指数 规模指数 效益指数 市场信心指数
0 2019-12-01 1166.21 876.42 1714.5 1004.3
1 2019-11-01 1182.63 889.31 1750.16 1006.2
2 2019-10-01 1166.56 904.9 1673.57 1008.44
3 2019-09-01 1146.21 901.67 1608.72 1009.76
4 2019-08-01 1169.04 900.81 1686.27 1009.46
5 2019-07-01 1144.33 888.45 1619.71 1010.1
6 2019-06-01 1146.25 889.61 1620.87 1013.81
7 2019-05-01 1193.03 903.56 1767.35 1004.67
8 2019-04-01 1177.85 885.08 1745.17 1000.88
9 2019-02-01 1145.52 873.83 1649.29 1004.01
10 2019-01-01 1150.15 875.37 1663.42 1003.26
11 2018-12-01 1193.24 870.16 1818.35 998.92
恐慌指数
接口: index_vix
目标地址: https://datacenter.jin10.com/market
描述: 获取恐慌指数-芝加哥期权交易所 VIX 指数(CBOE Volatility Index)的分钟级别数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
start_date | str | Y | start_date=”2020-03-20″; 注意开始和结束之间的时间跨度不能太长, 只能获取当前交易日近一个月内的数据 |
end_date | str | Y | end_date=”2020-03-27″; 只能获取当前交易日近一个月内的数据 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期时间 | str | Y | |
开盘价 | float | Y | |
当前价 | float | Y | |
涨跌 | float | Y | |
涨跌幅 | float | Y |
数据解释
VIX全名是芝加哥期权交易所波动率指数(Chicago Board Options Exchange Volatility Index),用以反映S&P 500指数期货的波动程度,测量未来30天市场预期的波动程度,通常用来评估未来风险,因此它被称作“恐慌指数”。VIX指数虽然是反映未来30天的波动程度,却是以年化百分比表示,并且以常态分布的机率出现。 举个例子,假设VIX指数为15,表示未来30天预期的年化波动率为15%,因此可以推断指数期权市场预期未来30天标准普尔500指数向上或向下波动15%/√12 = 4.33% 。也就是,指数期权的定价假设是:标准普尔500指数未来30天的波动率在正负4.33%以内的几率为68%。
数据解读
- 当VIX指数超过40,表示市场对未来的非理性恐慌,可能于短期内出现反弹。
- 当VIX指数低于15,表示市场出现非理性繁荣,可能会伴随着卖压杀盘。
- 即使在1998年的金融风暴时,VIX指数也未曾超过60,VIX指数不一定能准确预测走向,但是多少反映当时市场的气氛。
接口示例
import PPshare as PP
index_vix_df = PP.index_vix(start_date="2020-06-11", end_date="2020-06-11") # 只能获取当前交易日近一个月内的数据
print(index_vix_df)
数据示例
开盘价 当前价 涨跌 涨跌幅
2020-03-20 00:00 76.45 76.68 0.23 0.30
2020-03-20 00:01 76.45 76.79 0.34 0.44
2020-03-20 00:02 76.45 76.95 0.5 0.65
2020-03-20 00:03 76.45 76.89 0.44 0.58
2020-03-20 00:04 76.45 77.24 0.79 1.03
... ... ... ...
2020-03-27 04:10 61 60.99 -0.01 -0.02
2020-03-27 04:11 61 61.11 0.11 0.18
2020-03-27 04:12 61 61.14 0.14 0.23
2020-03-27 04:13 61 61.17 0.17 0.28
2020-03-27 04:14 61 61 0 0.00
中证指数
接口: stock_zh_index_hist_csindex
目标地址: http://www.csindex.com.cn/zh-CN/indices/index-detail/H30374
描述: 获取中证指数数据, 该接口只返回最近 5 年指数日频率收盘价数据
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
symbol | str | Y | symbol=”H30374″; 指数代码 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
日期 | str | Y | |
收盘价 | float | Y |
接口示例
import PPshare as PP
stock_zh_index_hist_csindex_df = PP.stock_zh_index_hist_csindex(symbol="H30374")
print(stock_zh_index_hist_csindex_df)
数据示例
date close
0 2015-07-22 3948.79
1 2015-07-23 4031.31
2 2015-07-24 3974.93
3 2015-07-27 3705.04
4 2015-07-28 3645.59
... ...
1290 2020-07-15 4388.49
1291 2020-07-16 4194.77
1292 2020-07-17 4225.59
1293 2020-07-20 4330.10
1294 2020-07-21 4381.20
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.