AkShare 事件数据
优质
小牛编辑
130浏览
2023-12-01
COVID
COVID-19-网易
接口: covid_19_163
目标地址: https://news.163.com/special/epidemic/
描述: 获取网易-新型冠状病毒肺炎-疫情数据
限量: 单次返回指定 indicator 的数据
输入参数-数据说明
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="数据说明"; 返回网易对相关字段的数据说明 |
输出参数-数据说明
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| info | - | - | 数据说明 |
接口示例-数据说明
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="数据说明") print(covid_19_163_df)
数据示例-数据说明
info 0 数据来源：国家卫健委、各省市区卫健委、各省市区政府、港澳台官方渠道公开数据。 1 数据更新时间：实时更新全国、各省市区数据，因核实计算需要，与官方的发布时间相比，将有一定时... 2 实时数据统计原则：① 每日上午优先将全国各类数据与国家卫健委公布数据对齐（此时各省市区数据... 3 疫情趋势图：全国数据使用国家卫健委公布的截至前一日24:00数据，每日更新一次。 4 网易新闻全力以赴提供权威、准确、及时的疫情数据，如有任何疑问，欢迎通过网易新闻客户端留言反馈。
输入参数-中国实时数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国实时数据"; 返回中国实时疫情统计数据 |
输出参数-中国实时数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见: 数据示例-中国实时数据 |
接口示例-中国实时数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="中国实时数据") print(covid_19_163_df)
数据示例-中国实时数据
today total extData
confirm 41.0 81062.0 NaN
suspect 39.0 113.0 NaN
heal 1390.0 67039.0 NaN
dead 10.0 3204.0 NaN
severe -384.0 3226.0 NaN
... ... ...
suspectNote NaN NaN
healNote NaN NaN
deadNote NaN NaN
incrConfirmNote NaN NaN
incrSevereNote NaN NaN
输入参数-中国历史时点数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国历史时点数据", 返回中国历史每日新增数据 |
输出参数-中国历史时点数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国历史时点数据 |
接口示例-中国历史时点数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="中国历史时点数据") print(covid_19_163_df)
数据示例-中国历史时点数据
confirm suspect heal dead severe storeConfirm
2020-01-20 291 27 25 6 0 None
2020-01-21 149 26 0 3 0 None
2020-01-22 131 257 3 8 0 None
2020-01-23 259 680 6 8 0 None
2020-01-24 457 1118 4 16 0 None
... ... ... ... ... ...
2020-03-10 24 31 1578 22 0 None
2020-03-11 15 33 1318 11 0 None
2020-03-12 20 33 1318 7 0 None
2020-03-13 11 17 1430 13 0 None
2020-03-14 20 39 1370 10 0 None
输入参数-中国历史累计数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国历史累计数据", 返回中国历史每日累计数据 |
输出参数-中国历史累计数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国历史累计数据 |
接口示例-中国历史累计数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="中国历史累计数据") print(covid_19_163_df)
数据示例-中国历史累计数据
confirm suspect heal dead severe
2020-01-20 291 54 25 6 0
2020-01-21 440 37 25 9 102
2020-01-22 571 393 28 17 95
2020-01-23 830 1072 34 25 177
2020-01-24 1287 1965 38 41 237
... ... ... ... ...
2020-03-10 80778 285 61475 3158 4492
2020-03-11 80793 253 62793 3169 4257
2020-03-12 80813 147 64111 3176 4020
2020-03-13 80824 115 65541 3189 3610
2020-03-14 80844 113 66911 3199 3226
输入参数-世界历史时点数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="世界历史时点数据", 返回世界历史每日新增数据 |
输出参数-世界历史时点数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-世界历史时点数据 |
接口示例-世界历史时点数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="世界历史时点数据") print(covid_19_163_df)
数据示例-世界历史时点数据
confirm suspect heal dead severe storeConfirm
中国 41.0 39.0 1393.0 10.0 -384.0 None
日本 107.0 NaN 14.0 5.0 NaN None
泰国 44.0 0.0 0.0 0.0 0.0 None
新加坡 26.0 0.0 8.0 0.0 0.0 None
韩国 76.0 NaN 120.0 3.0 NaN None
... ... ... ... ... ...
苏里南 NaN 0.0 NaN NaN 0.0 None
刚果（布） 1.0 0.0 0.0 0.0 0.0 None
乌兹别克斯坦 1.0 0.0 0.0 0.0 0.0 None
刚果（金） 0.0 NaN 0.0 0.0 NaN None
中非共和国 1.0 0.0 0.0 0.0 0.0 None
输入参数-世界历史累计数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="世界历史累计数据", 返回世界历史每日累计数据 |
输出参数-世界历史累计数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-世界历史累计数据 |
接口示例-世界历史累计数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="世界历史累计数据") print(covid_19_163_df)
数据示例-世界历史累计数据
confirm suspect heal dead severe
中国 81062 113 67042 3204 3226
日本 1515 0 525 31 0
泰国 114 0 35 1 0
新加坡 226 0 105 0 0
韩国 8162 0 834 75 0
... ... ... ... ...
苏里南 1 0 0 0 0
刚果（布） 1 0 0 0 0
乌兹别克斯坦 1 0 0 0 0
刚果（金） 2 0 0 0 0
中非共和国 1 0 0 0 0
输入参数-全球所有国家及地区时点数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球所有国家及地区时点数据", 返回全球所有国家及地区时点数据 |
输出参数-全球所有国家及地区时点数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球所有国家及地区时点数据 |
接口示例-全球所有国家及地区时点数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="全球所有国家及地区时点数据") print(covid_19_163_df)
数据示例-全球所有国家及地区时点数据
confirm suspect heal dead severe storeConfirm
中国 41.0 39.0 1393.0 10.0 -384.0 None
湖北 4.0 NaN 1346.0 10.0 NaN None
武汉 4.0 0.0 1192.0 10.0 0.0 None
孝感 0.0 NaN 16.0 0.0 NaN None
黄冈 0.0 NaN 8.0 0.0 NaN None
... ... ... ... ... ...
苏里南 NaN 0.0 NaN NaN 0.0 None
刚果（布） 1.0 0.0 0.0 0.0 0.0 None
乌兹别克斯坦 1.0 0.0 0.0 0.0 0.0 None
刚果（金） 0.0 NaN 0.0 0.0 NaN None
中非共和国 1.0 0.0 0.0 0.0 0.0 None
输入参数-全球所有国家及地区累计数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球所有国家及地区累计数据", 返回全球所有国家及地区累计数据 |
输出参数-全球所有国家及地区累计数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球所有国家及地区累计数据 |
接口示例-全球所有国家及地区累计数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="全球所有国家及地区累计数据") print(covid_19_163_df)
数据示例-全球所有国家及地区累计数据
confirm suspect heal dead severe
中国 81062 113 67042 3204 3226
湖北 67794 0 54289 3085 0
武汉 49999 0 37643 2456 0
孝感 3518 0 3253 126 0
黄冈 2907 0 2738 125 0
... ... ... ... ...
苏里南 1 0 0 0 0
刚果（布） 1 0 0 0 0
乌兹别克斯坦 1 0 0 0 0
刚果（金） 2 0 0 0 0
中非共和国 1 0 0 0 0
输入参数-中国各地区时点数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国各地区时点数据", 返回中国各地区时点数据 |
输出参数-中国各地区时点数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国各地区时点数据 |
接口示例-中国各地区时点数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="中国各地区时点数据") print(covid_19_163_df)
数据示例-中国各地区时点数据
confirm suspect heal dead severe storeConfirm 湖北 4 NaN 1346 10 NaN None 广东 4 NaN 5 0 NaN None 河南 0 NaN 1 0 NaN None 浙江 4 NaN 0 0 NaN None 湖南 0 0.0 5 0 0.0 None .. ... ... ... ... ... ... 内蒙古 0 NaN 0 0 NaN None 台湾 9 0.0 0 0 0.0 None 青海 0 NaN 0 0 NaN None 澳门 0 NaN 0 0 NaN None 西藏 0 NaN 0 0 NaN None
输入参数-中国各地区累计数据
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国各地区累计数据", 返回中国各地区累计数据 |
输出参数-中国各地区累计数据
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国各地区累计数据 |
接口示例-中国各地区累计数据
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="中国各地区累计数据") print(covid_19_163_df)
数据示例-中国各地区累计数据
confirm suspect heal dead severe 湖北 67794 0 54289 3085 0 广东 1360 0 1304 8 0 河南 1273 0 1250 22 0 浙江 1231 0 1211 1 0 湖南 1018 0 1014 4 0 .. ... ... ... ... ... 内蒙古 75 0 71 1 0 台湾 59 0 20 1 0 青海 18 0 18 0 0 澳门 10 0 10 0 0 西藏 1 0 1 0 0
输入参数-疫情学术进展
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="疫情学术进展", 返回疫情学术进展数据 |
输出参数-疫情学术进展
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-疫情学术进展 |
接口示例-疫情学术进展
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="疫情学术进展") print(covid_19_163_df)
数据示例-疫情学术进展
url3g ... stitle 0 http://3g.163.com/ne20/0313/01/F7IG6B4I0001... ... NaN 1 http://3g.163.com/ne20/0306/11/F71IP6280001... ... F71IP62800019NGP 2 http://3g.163.com/ne20/0303/11/F6PQGDCD0001... ... F6PQGDCD00019NGP 3 http://3g.163.com/ne20/0210/14/F51HPI890001... ... F51HPI8900019NGP 4 http://3g.163.com/ne20/0228/23/F6GRTAMN0001... ... F6GRTAMN00019NGP .. ... ... ... 29 http://3g.163.com/ne20/0202/15/F4D23HC60001... ... F4D23HC600019NGP 30 http://3g.163.com/ne20/0202/14/F4CSKV890001... ... F4CSKV8900019NGP 31 http://3g.163.com/ne20/0202/17/F4D8C03S0001... ... F4D8C03S00019NGP 32 http://3g.163.com/ne20/0202/05/F4BUU2240001... ... F4BUU22400019NGP 33 http://3g.163.com/ne20/0202/05/F4BTHEQU0001... ... F4BTHEQU00019NGP
输入参数-实时资讯新闻播报
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="实时资讯新闻播报", 返回实时资讯新闻播报数据 |
输出参数-实时资讯新闻播报
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-实时资讯新闻播报 |
接口示例-实时资讯新闻播报
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="实时资讯新闻播报") print(covid_19_163_df)
数据示例-实时资讯新闻播报
title ... link 0 新加坡新增新冠肺炎确诊病例14例 累计确诊226例 ... https://news.163.com/20/0315/22/F7PT9IH100019B... 1 苏格兰新冠肺炎病毒检测呈阳性病例达153例 ... https://news.163.com/20/0315/22/F7PT5PST00019B... 2 外媒：全球新冠肺炎死亡病例已超6000例 ... https://news.163.com/20/0315/21/F7PRSOSN00019B... 3 法国数百“黄背心“无视禁令上街了 有人戴防护面罩 ... https://news.163.com/20/0315/21/F7PRDBLK00019B... 4 荷兰已确诊新冠肺炎病例1135例 累计死亡20例 ... https://news.163.com/20/0315/21/F7PQA54O000189... .. ... ... ... 45 英媒：因担心感染新冠病毒 英国女王离开白金汉宫 ... https://news.163.com/20/0315/10/F7OJIAP200019B... 46 北京境外输入病例累计已达27例 首超外地来京病例 ... https://news.163.com/20/0315/10/F7OJ5BR8000187... 47 英国医生：病毒太可怕 而我们没有中国那样的能力 ... https://news.163.com/20/0315/09/F7OIQGNN000187... 48 古特雷斯第三次就疫情发表讲话：向新冠病毒宣战 ... https://news.163.com/20/0315/09/F7OIC6S5000189... 49 7天确诊破5000 新冠如何在一周之内“闪袭“西班牙 ... https://news.163.com/20/0315/09/F7OHPQQS000189...
输入参数-实时医院新闻播报
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="实时医院新闻播报", 返回实时医院新闻播报数据 |
输出参数-实时医院新闻播报
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-实时医院新闻播报 |
接口示例-实时医院新闻播报
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="实时医院新闻播报") print(covid_19_163_df)
数据示例-实时医院新闻播报
title ... link 0 宁夏回族自治区新型冠状病毒感染的肺炎医疗救治第一批定点医疗机构和设置发热门诊医疗机构名单 ... https://news.163.com/20/0301/23/F6M1I3NF000189... 1 湖南省新型冠状病毒感染的肺炎定点救治医院名单 ... https://news.163.com/20/0301/23/F6M0VAAC000189... 2 调整优化医院发热门诊 北京市76所医院保留发热门诊 ... https://news.163.com/20/0301/22/F6LR1D52000189... 3 四川省新冠肺炎救治定点医院名单 ... http://sc.news.163.com/20/0228/08/F6F6M5QR0426... 4 湖北公布新型肺炎医疗救治和发热门诊医疗机构名单 ... https://news.163.com/20/0123/15/F3J7P4V600018A... .. ... ... ... 25 黑龙江省卫健委公布130家新型肺炎定点医疗机构及513家发热门诊 ... http://dy.163.com/v2/detail/F3HVO99705... 26 吉林省设置发热门诊和新型冠状病毒感染的肺炎定点救治医疗机构 ... http://dy.163.com/v2/detail/F3GK8OPS05... 27 青海公布9家医院为新型冠状病毒感染的肺炎医疗救治定点医院 ... http://dy.163.com/v2/detail/F3JLHHGO05... 28 新疆公布新型冠状病毒感染的肺炎定点救治医院名单 ... http://dy.163.com/v2/detail/F3JJU24T05... 29 西藏公布新型冠状病毒感染救治定点医院名单 ... http://dy.163.com/v2/detail/F3KTN6MQ05...
输入参数-前沿知识
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="前沿知识", 返回前沿知识数据 |
输出参数-前沿知识
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-前沿知识 |
接口示例-前沿知识
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="前沿知识") print(covid_19_163_df)
数据示例-前沿知识
title ... link 0 钟南山:国内新冠疫情4月见顶，总感染规模约9.5万 ... https://vip.open.163.com/mobile/activity/ncov/... 1 张文宏:上海已止住病例的指数增长，传播力比预期降低99% ... https://vip.open.163.com/mobile/activity/ncov/... 2 管轶:检测表明穿山甲可能是新冠病毒的中间宿主 ... https://vip.open.163.com/mobile/activity/ncov/... 3 新冠病毒正式命名为SARS-Cov-2，是SARS姊妹病毒 ... https://vip.open.163.com/mobile/activity/ncov/...
输入参数-权威发布
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="权威发布", 返回权威发布数据 |
输出参数-权威发布
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-权威发布 |
接口示例-权威发布
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="权威发布") print(covid_19_163_df)
数据示例-权威发布
title ... link 0 张文宏 ... https://news.163.com/20/0315/17/F7PDEGB200018A... 1 张文宏 ... https://news.163.com/20/0313/07/F7J5800Q000189... 2 钟南山 ... https://news.163.com/20/0311/22/F7FM1PUI00018A... 3 李兰娟 ... https://news.163.com/20/0310/18/F7CK07CV000189... 4 钟南山 ... https://news.163.com/20/0309/14/F79KN0T4000189... .. ... ... ... 26 钟南山 ... https://news.163.com/20/0212/00/F554CHN4000189... 27 张文宏 ... https://news.163.com/20/0206/16/F4NFU78S000189... 28 钟南山 ... https://news.163.com/20/0131/17/F481L8JM000189... 29 李兰娟 ... https://news.163.com/20/0123/16/F3JCMD5B00018A... 30 钟南山 ... http://v.163.com/static/3/VK2EF0114.html
输入参数-境外输入疫情趋势
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="境外输入疫情趋势", 返回境外输入疫情趋势数据 |
输出参数-境外输入疫情趋势
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-境外输入疫情趋势 |
接口示例-境外输入疫情趋势
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="境外输入疫情趋势") print(covid_19_163_df)
数据示例-境外输入疫情趋势
境外输入新增确诊 境外输入累计确诊
date
2020-01-20 0 0
2020-01-21 0 0
2020-01-22 0 0
2020-01-23 0 0
2020-01-24 0 0
... ...
2020-04-29 4 1664
2020-04-30 6 1670
2020-05-01 1 1671
2020-05-02 1 1672
2020-05-03 3 1675
输入参数-境外输入确诊病例来源
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="境外输入确诊病例来源", 返回境外输入确诊病例来源数据 |
输出参数-境外输入确诊病例来源
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-境外输入疫情趋势 |
接口示例-境外输入确诊病例来源
import akshare as ak covid_19_163_df = ak.covid_19_163(indicator="境外输入确诊病例来源") print(covid_19_163_df)
数据示例-境外输入确诊病例来源
source target value 0 瑞典 内蒙古 2 1 瑞典 上海 1 2 孟加拉国 云南 1 3 俄罗斯 陕西 50 4 俄罗斯 天津 1 .. ... ... ... 188 俄罗斯 浙江 2 189 俄罗斯 内蒙古 77 190 俄罗斯 广东 4 191 俄罗斯 上海 88 192 俄罗斯 黑龙江 381
COVID-19-丁香园
接口: covid_19_dxy
目标地址: http://3g.dxy.cn/newh5/view/pneumonia?scene=2&clicktime=1579615030&enterid=1579615030&from=groupmessage&isappinstalled=0
描述: 获取丁香园-新型冠状病毒肺炎-疫情数据
限量: 单次返回指定 indicator 数据
输入参数-中国疫情分省统计详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国疫情分省统计详情" |
输出参数-中国疫情分省统计详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国疫情分省统计详情 |
接口示例-中国疫情分省统计详情
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="中国疫情分省统计详情") print(covid_19_dxy_df)
数据示例-中国疫情分省统计详情
地区 地区简称 现存确诊 累计确诊 治愈 死亡 0 湖北省 湖北 9604 67798 55095 3099 1 北京市 北京 84 452 360 8 2 香港 香港 67 155 84 4 3 广东省 广东 47 1361 1306 8 4 台湾 台湾 46 67 20 1 .. ... ... ... ... ... ... 29 吉林省 吉林 0 93 92 1 30 新疆维吾尔自治区 新疆 0 76 73 3 31 宁夏回族自治区 宁夏 0 75 75 0 32 青海省 青海 0 18 18 0 33 西藏自治区 西藏 0 1 1 0
输入参数-中国疫情分市统计详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国疫情分市统计详情" |
输出参数-中国疫情分市统计详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国疫情分市统计详情 |
接口示例-中国疫情分市统计详情
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="中国疫情分市统计详情") print(covid_19_dxy_df)
数据示例-中国疫情分市统计详情
cityName currentConfirmedCount ... locationId province 0 武汉 9149.0 ... 420100.0 湖北省 1 孝感 125.0 ... 420900.0 湖北省 2 鄂州 62.0 ... 420700.0 湖北省 3 随州 41.0 ... 421300.0 湖北省 4 荆州 38.0 ... 421000.0 湖北省 .. ... ... ... ... ... 423 宁东 0.0 ... 0.0 宁夏回族自治区 424 石嘴山 0.0 ... 640200.0 宁夏回族自治区 425 西宁 0.0 ... 630100.0 青海省 426 海北州 0.0 ... 632200.0 青海省 427 拉萨 0.0 ... 540100.0 西藏自治区
输入参数-全球疫情分国家统计详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球疫情分国家统计详情" |
输出参数-全球疫情分国家统计详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球疫情分国家统计详情 |
接口示例-全球疫情分国家统计详情
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="全球疫情分国家统计详情") print(covid_19_dxy_df)
数据示例-全球疫情分国家统计详情
id ... statisticsData 0 1130342.0 ... https://file1.dxycdn.com/2020/0315/993/3402160... 1 NaN ... https://file1.dxycdn.com/2020/0315/383/3402160... 2 1130372.0 ... https://file1.dxycdn.com/2020/0315/596/3402160... 3 1130344.0 ... https://file1.dxycdn.com/2020/0315/812/3402160... 4 1130329.0 ... https://file1.dxycdn.com/2020/0315/779/3402160... .. ... ... ... 146 1130918.0 ... NaN 147 1130920.0 ... NaN 148 1130922.0 ... NaN 149 1130332.0 ... https://file1.dxycdn.com/2020/0315/813/3402160... 150 1130881.0 ... https://file1.dxycdn.com/2020/0315/234/3402176...
输入参数-中国疫情实时统计
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国疫情实时统计" |
输出参数-中国疫情实时统计
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国疫情实时统计 |
接口示例-中国疫情实时统计
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="中国疫情实时统计") print(covid_19_dxy_df)
数据示例-中国疫情实时统计
info 数据发布时间 2020-03-16 19:30:19 现存确诊 10002 累计确诊 81099 境外输入 123 累计治愈 67879 现存无症状 1367
输入参数-国外疫情实时统计
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="国外疫情实时统计" |
输出参数-国外疫情实时统计
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-国外疫情实时统计 |
接口示例-国外疫情实时统计
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="国外疫情实时统计") print(covid_19_dxy_df)
数据示例-国外疫情实时统计
currentConfirmedCount 76189 confirmedCount 89793 suspectedCount 0 curedCount 10181 deadCount 3423 suspectedIncr 0 currentConfirmedIncr 9347 confirmedIncr 11091 curedIncr 1162 deadIncr 582
输入参数-全球疫情实时统计
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球疫情实时统计" |
输出参数-全球疫情实时统计
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球疫情实时统计 |
接口示例-全球疫情实时统计
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="全球疫情实时统计") print(covid_19_dxy_df)
数据示例-全球疫情实时统计
currentConfirmedCount 86191 confirmedCount 170892 curedCount 78060 deadCount 6641 currentConfirmedIncr 8527 confirmedIncr 11142 curedIncr 2019 deadIncr 596
输入参数-中国疫情防控医院
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国疫情防控医院" |
输出参数-中国疫情防控医院
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国疫情防控医院 |
接口示例-中国疫情防控医院
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="中国疫情防控医院") print(covid_19_dxy_df)
数据示例-中国疫情防控医院
省级行政区 市级 机构／医院 0 湖北省 NaN NaN 1 湖北省 武汉 定点医院/发热门诊 2 湖北省 荆门 定点医院/发热门诊 3 湖北省 宜昌 定点医院/发热门诊 4 湖北省 恩施 定点医院 .. ... ... ... 81 宁夏 / 定点医院/发热门诊 82 西藏 / 定点医院/发热门诊 83 新疆 / 定点医院 84 青海 / 定点医院 85 甘肃 / 定点医院
输入参数-国内新闻
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="国内新闻" |
输出参数-国内新闻
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-国内新闻 |
接口示例-国内新闻
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="国内新闻") print(covid_19_dxy_df)
数据示例-国内新闻
title ... sourceUrl 0 伊朗新增1053例新冠肺炎，累计确诊升至14991例 ... http://m.weibo.cn/2803301701/4483175407422772 1 零死亡！宁夏确诊病例清零 ... http://m.weibo.cn/2803301701/4483140900884657 2 北京3月16日0时至14时新增报告境外输入确诊病例6例 ... http://wjw.beijing.gov.cn/xwzx_20031/xwfb/2020... 3 捷克宣布全国隔离 ... http://m.weibo.cn/2656274875/4483064778472648 4 好消息！贵州所有确诊病例全部治愈 ... http://m.weibo.cn/2656274875/4483062924149409
输入参数-国外新闻
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="国外新闻" |
输出参数-国外新闻
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-国外新闻 |
接口示例-国外新闻
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="国外新闻") print(covid_19_dxy_df)
数据示例-国外新闻
id pubDate ... dataInfoOperator dataInfoTime 0 13155 1584960575000 ... 1584960643000 1 13152 1584959931000 ... 1584960023000 2 13148 1584959209000 ... 1584959443000 3 13145 1584958693000 ... 1584958831000 4 13136 1584957698000 ... 1584957999000
输入参数-浙江省
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="浙江省"; 任意省份 |
输出参数-浙江省
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-浙江省 |
接口示例-浙江省
import akshare as ak covid_19_dxy_df = ak.covid_19_dxy(indicator="浙江省") print(covid_19_dxy_df)
数据示例-浙江省
区域 现在确诊人数 确诊人数 疑似人数 治愈人数 死亡人数 0 丽水 10 28 0 18 0 1 湖州 2 12 0 10 0 2 杭州 1 182 0 181 0 3 嘉兴 1 45 0 44 0 4 温州 0 504 0 503 1 .. ... ... ... ... ... ... 7 金华 0 55 0 55 0 8 绍兴 0 42 0 42 0 9 省十里丰监狱 0 36 0 36 0 10 衢州 0 14 0 14 0 11 舟山 0 10 0 10 0
COVID-19-百度
接口: covid_19_baidu
目标地址: https://voice.baidu.com/act/newpneumonia/newpneumonia/?from=osari_pc_1
描述: 获取百度-新型冠状病毒肺炎-疫情实时大数据报告
限量: 单次返回所有数据
输入参数-热门迁入地
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="热门迁入地", 返回全国迁徙城市热门 |
输出参数-热门迁入地
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| city_name | str | Y | 城市名称 |
| province_name | str | Y | 省份 |
| value | str | Y | 迁入比例 = 该城市迁入人数 / 全国迁入总人数, https://qianxi.baidu.com/?from=shoubai#city=0 |
| city_code | str | Y | 各区县行政区划代码 |
接口示例-热门迁入地
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="热门迁入地") print(covid_19_baidu_df)
数据示例-热门迁入地
city_name province_name value city_code 0 成都市 四川省 3.85 510100 1 北京市 北京市 3.32 110000 2 深圳市 广东省 3.09 440300 3 上海市 上海市 2.78 310000 4 广州市 广东省 2.72 440100 5 东莞市 广东省 2.17 441900 6 苏州市 江苏省 1.65 320500 7 重庆市 重庆市 1.65 500000 8 长沙市 湖南省 1.60 430100 9 昆明市 云南省 1.48 530100 10 沈阳市 辽宁省 1.41 210100 11 西安市 陕西省 1.40 610100 12 佛山市 广东省 1.33 440600 13 贵阳市 贵州省 1.32 520100 14 杭州市 浙江省 1.23 330100 15 郑州市 河南省 1.22 410100 16 南宁市 广西壮族自治区 1.22 450100 17 南京市 江苏省 1.20 320100 18 天津市 天津市 1.18 120000 19 合肥市 安徽省 1.09 340100 20 长春市 吉林省 1.07 220100 21 哈尔滨市 黑龙江省 0.98 230100 22 惠州市 广东省 0.97 441300 23 厦门市 福建省 0.96 350200 24 济南市 山东省 0.95 370100 25 青岛市 山东省 0.84 370200 26 中山市 广东省 0.83 442000 27 无锡市 江苏省 0.79 320200 28 太原市 山西省 0.75 140100 29 大连市 辽宁省 0.73 210200
输入参数-热门迁出地
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="热门迁出地", 返回全国迁徙城市热门 |
输出参数-热门迁出地
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| city_name | str | Y | 城市名称 |
| province_name | str | Y | 省份 |
| value | str | Y | 迁入比例 |
| city_code | str | Y | 各区县行政区划代码 |
接口示例-热门迁出地
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="热门迁出地") print(covid_19_baidu_df)
数据示例-热门迁入地
city_name province_name value city_code 0 重庆市 重庆市 1.68 500000 1 成都市 四川省 1.27 510100 2 南充市 四川省 1.07 511300 3 广州市 广东省 0.98 440100 4 邵阳市 湖南省 0.88 430500 5 北京市 北京市 0.87 110000 6 盐城市 江苏省 0.87 320900 7 深圳市 广东省 0.82 440300 8 毕节市 贵州省 0.82 520500 9 达州市 四川省 0.81 511700 10 衡阳市 湖南省 0.73 430400 11 梅州市 广东省 0.72 441400 12 茂名市 广东省 0.72 440900 13 阜阳市 安徽省 0.71 341200 14 周口市 河南省 0.69 411600 15 长沙市 湖南省 0.66 430100 16 西安市 陕西省 0.66 610100 17 上海市 上海市 0.66 310000 18 曲靖市 云南省 0.66 530300 19 南宁市 广西壮族自治区 0.65 450100 20 湛江市 广东省 0.64 440800 21 玉林市 广西壮族自治区 0.61 450900 22 合肥市 安徽省 0.61 340100 23 资阳市 四川省 0.61 512000 24 揭阳市 广东省 0.61 445200 25 广安市 四川省 0.59 511600 26 内江市 四川省 0.59 511000 27 永州市 湖南省 0.59 431100 28 遵义市 贵州省 0.58 520300 29 绵阳市 四川省 0.58 510700
输入参数-今日疫情热搜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="今日疫情热搜" |
输出参数-今日疫情热搜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| degree | str | Y | 搜索量 |
| query | str | Y | 搜索内容 |
| type | str | Y | 类型 |
| url | str | Y | 网址 |
接口示例-今日疫情热搜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="今日疫情热搜") print(covid_19_baidu_df)
数据示例-今日疫情热搜
degree query type \
0 25779382 新型肺炎实时动态 2
1 2626725 疫情拐点将出现 1
2 1935775 疫情被列国际突发公共卫生事件 2
3 1337020 湖北企业复工不早于2.13 2
4 1009220 病毒在毛质衣物上存活时间更短 0
5 905491 火神山直播 0
6 893315 包机接海外湖北公民回家 3
7 779037 省委书记检查防疫被村口大爷拦住 3
url
0 https://m.baidu.com/s?word=%E6%96%B0%E5%9E%8B%...
1 https://m.baidu.com/s?word=%E7%96%AB%E6%83%85%...
2 https://m.baidu.com/s?word=%E7%96%AB%E6%83%85%...
3 https://m.baidu.com/s?word=%E6%B9%96%E5%8C%97%...
4 https://m.baidu.com/s?word=%E7%97%85%E6%AF%92%...
5 https://m.baidu.com/s?word=%E7%81%AB%E7%A5%9E%...
6 https://m.baidu.com/s?word=%E5%8C%85%E6%9C%BA%...
7 https://m.baidu.com/s?word=%E7%9C%81%E5%A7%94%...
输入参数-防疫知识热搜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="防疫知识热搜", 返回防疫知识热搜数据 |
输出参数-防疫知识热搜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| degree | str | Y | 搜索量 |
| query | str | Y | 搜索内容 |
| type | str | Y | 类型 |
| url | str | Y | 网址 |
接口示例-防疫知识热搜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="防疫知识热搜") print(covid_19_baidu_df)
数据示例-防疫知识热搜
degree query type \
0 1802150 新型肺炎自查手册 0
1 781468 新型冠状病毒的特征 0
2 914125 n95口罩多久换一次 0
3 801365 人的正常体温是多少 0
4 599625 84消毒液对人体有害吗 3
5 498645 钟南山示范摘口罩 3
6 409385 戴口罩眼镜不起雾技巧 0
7 109359 收快递会感染病毒吗 0
url
0 https://m.baidu.com/s?word=%E6%96%B0%E5%9E%8B%...
1 https://m.baidu.com/s?word=%E6%96%B0%E5%9E%8B%...
2 https://m.baidu.com/s?word=n95%E5%8F%A3%E7%BD%...
3 https://m.baidu.com/s?word=%E4%BA%BA%E7%9A%84%...
4 https://m.baidu.com/s?word=84%E6%B6%88%E6%AF%9...
5 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%...
6 https://m.baidu.com/s?word=%E6%88%B4%E5%8F%A3%...
7 https://m.baidu.com/s?word=%E6%94%B6%E5%BF%AB%...
输入参数-热搜谣言粉碎
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="热搜谣言粉碎", 返回热搜谣言粉碎数据 |
输出参数-热搜谣言粉碎
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| degree | str | Y | 搜索量 |
| query | str | Y | 搜索内容 |
| type | str | Y | 类型 |
| url | str | Y | 网址 |
接口示例-热搜谣言粉碎
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="热搜谣言粉碎") print(covid_19_baidu_df)
数据示例-热搜谣言粉碎
degree query type \
0 219570 洗热水澡预防新型肺炎 7
1 85560 纸币会传播冠状病毒 7
2 68568 全身喷洒酒精可消毒 7
3 39528 武汉红十字会收取服务费 7
4 37296 风油精涂人中防流感 7
5 7224 超市买的东西必须消毒 7
6 4032 香油滴鼻孔防传染 7
7 6696 世卫组织认定中国为疫区国 7
url
0 https://m.baidu.com/s?word=%E6%B4%97%E7%83%AD%...
1 https://m.baidu.com/s?word=%E7%BA%B8%E5%B8%81%...
2 https://m.baidu.com/s?word=%E5%85%A8%E8%BA%AB%...
3 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%...
4 https://m.baidu.com/s?word=%E9%A3%8E%E6%B2%B9%...
5 https://m.baidu.com/s?word=%E8%B6%85%E5%B8%82%...
6 https://m.baidu.com/s?word=%E9%A6%99%E6%B2%B9%...
7 https://m.baidu.com/s?word=%E4%B8%96%E5%8D%AB%...
输入参数-复工复课热搜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="复工复课热搜" |
输出参数-复工复课热搜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-复工复课热搜 |
接口示例-复工复课热搜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="复工复课热搜") print(covid_19_baidu_df)
数据示例-复工复课热搜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-热门人物榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="热门人物榜" |
输出参数-热门人物榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-热门人物榜 |
接口示例-热门人物榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="热门人物榜") print(covid_19_baidu_df)
数据示例-热门人物榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-历史疫情热搜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="历史疫情热搜" |
输出参数-历史疫情热搜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-历史疫情热搜 |
接口示例-历史疫情热搜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="历史疫情热搜") print(covid_19_baidu_df)
数据示例-历史疫情热搜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-搜索正能量榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="搜索正能量榜" |
输出参数-搜索正能量榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-搜索正能量榜 |
接口示例-搜索正能量榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="搜索正能量榜") print(covid_19_baidu_df)
数据示例-搜索正能量榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-游戏榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="游戏榜" |
输出参数-游戏榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-游戏榜 |
接口示例-游戏榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="游戏榜") print(covid_19_baidu_df)
数据示例-游戏榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-影视榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="影视榜" |
输出参数-影视榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-影视榜 |
接口示例-影视榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="影视榜") print(covid_19_baidu_df)
数据示例-影视榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-小说榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="小说榜" |
输出参数-小说榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-小说榜 |
接口示例-小说榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="小说榜") print(covid_19_baidu_df)
数据示例-小说榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-疫期飙升榜
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="疫期飙升榜" |
输出参数-疫期飙升榜
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-疫期飙升榜 |
接口示例-疫期飙升榜
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="疫期飙升榜") print(covid_19_baidu_df)
数据示例-疫期飙升榜
degree describe ... type url 0 7536823 ... 1 https://m.baidu.com/s?word=%E7%BD%97%E9%A9%AC%... 1 6373462 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 2 5037203 ... 0 https://m.baidu.com/s?word=%E6%AD%A6%E6%B1%89%... 3 4037324 ... 0 https://m.baidu.com/s?word=%E6%88%88%E8%B4%9D%... 4 3647245 ... 0 https://m.baidu.com/s?word=%E6%A2%85%E8%A5%BF%... 5 2047481 ... 0 https://m.baidu.com/s?word=%E8%8B%B1%E5%9B%BD%... 6 1037482 ... 0 https://m.baidu.com/s?word=%E9%92%9F%E5%8D%97%... 7 703749 ... 0 https://m.baidu.com/s?word=%E5%9B%BD%E6%B0%91%...
输入参数-实时播报
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="实时播报" |
输出参数-实时播报
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| bjh_na | str | Y | - |
| eventDescription | str | Y | 新闻描述 |
| eventTime | str | Y | 新闻时间 |
| eventUrl | str | Y | 链接 |
| homepageUrl | str | Y | 链接 |
| item_avatar | str | Y | - |
| siteName | str | Y | 新闻来源 |
接口示例-实时播报
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="实时播报") print(covid_19_baidu_df)
数据示例-实时播报
bjh_na ... siteName
0 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 环球网
1 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 人民日报
2 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 中国青年网
3 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 环球时报
4 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 环球网
.. ... ... ...
31 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 红星新闻
32 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 人民日报海外网
33 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 环球网
34 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 人民日报海外网
35 {'easyBrowse': '1', 'easyBrowseConfirm': '1', ... ... 人民网
输入参数-中国分省份详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国分省份详情" |
输出参数-中国分省份详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国分省份详情 |
接口示例-中国分省份详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="中国分省份详情") print(covid_19_baidu_df)
数据示例-中国分省份详情
confirmed died crued ... curConfirmRelative icuDisable area 0 1 1 ... 0 1 西藏 1 11 10 ... 0 1 澳门 2 18 18 ... 0 1 青海 3 67 1 20 ... 6 1 台湾 4 155 4 84 ... 4 1 香港 .. ... ... ... ... ... ... ... 29 1018 4 1014 ... 0 1 湖南 30 1273 22 1250 ... 0 1 河南 31 1361 8 1306 ... 1 1 广东 32 1231 1 1216 ... -2 1 浙江 33 67798 3099 55094 ... -826 1 湖北
输入参数-中国分城市详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="中国分城市详情" |
输出参数-中国分城市详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-中国分城市详情 |
接口示例-中国分城市详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="中国分城市详情") print(covid_19_baidu_df)
数据示例-中国分城市详情
city confirmed died crued confirmedRelative curConfirm cityCode province 0 拉萨 1 1 0 0 100 西藏 1 西宁 15 15 0 0 66 青海 2 海北州 3 3 0 0 67 青海 3 六盘水 10 1 9 0 0 147 贵州 4 毕节地区 23 23 0 0 206 贵州 .. ... ... ... ... ... ... ... ... 434 黄冈 2907 125 2750 0 32 271 湖北 435 孝感 3518 127 3266 0 125 310 湖北 436 黄石 1015 38 950 0 27 311 湖北 437 荆门 928 39 865 0 24 217 湖北 438 鄂州 1394 57 1275 0 62 122 湖北
输入参数-国外分国详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="国外分国详情" |
输出参数-国外分国详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-国外分国详情 |
接口示例-国外分国详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="国外分国详情") print(covid_19_baidu_df)
数据示例-国外分国详情
confirmed died crued ... curConfirm icuDisable area 0 1 ... 1 1 坦桑尼亚 1 1 ... 1 1 利比里亚 2 1 1 ... 0 1 圭亚那合作共和国 3 1 ... 1 1 马约特 4 1 ... 1 1 巴哈马 .. ... ... ... ... ... ... ... 151 368 6 27 ... 335 1 澳大利亚 152 553 35 ... 518 1 马来西亚 153 823 25 144 ... 654 1 日本 154 243 105 ... 138 1 新加坡 155 147 1 37 ... 109 1 泰国
输入参数-国外分城市详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="国外分城市详情" |
输出参数-国外分城市详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-国外分城市详情 |
接口示例-国外分城市详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="国外分城市详情") print(covid_19_baidu_df)
数据示例-国外分城市详情
province city confirmed died crued 0 伊朗 德黑兰 2976 1 伊朗 吉兰 684 2 伊朗 库姆 888 3 伊朗 伊斯法罕 902 4 伊朗 法尔斯 232 .. ... ... ... ... ... 105 日本 广岛 1 106 日本 群马 5 107 日本 福岛 2 108 日本 佐贺 1 109 日本 长崎 1
输入参数-全球分洲详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球分洲详情" |
输出参数-全球分洲详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球分洲详情 |
接口示例-全球分洲详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="全球分洲详情") print(covid_19_baidu_df)
数据示例-全球分洲详情
area died crued confirmed confirmedRelative 0 亚洲 988 6661 27328 1673 1 欧洲 2347 3086 56831 6970 2 非洲 8 42 387 75 3 大洋洲 6 27 377 13 4 北美洲 73 71 4306 321 5 南美洲 6 1 511 152 6 其他 7 456 712 15
输入参数-全球分洲国家详情
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| indicator | str | Y | indicator="全球分洲国家详情" |
输出参数-全球分洲国家详情
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| - | - | - | 参见 数据示例-全球分洲国家详情 |
接口示例-全球分洲国家详情
import akshare as ak covid_19_baidu_df = ak.covid_19_baidu(indicator="全球分洲国家详情") print(covid_19_baidu_df)
数据示例-全球分洲国家详情
confirmed died crued relativeTime confirmedRelative country province 0 6 1.584288e+09 2 乌兹别克斯坦 亚洲 1 8 1.584202e+09 2 哈萨克斯坦 亚洲 2 18 1.584202e+09 12 土耳其 亚洲 3 1 1.583683e+09 蒙古国 亚洲 4 33 1.584202e+09 7 塞浦路斯 亚洲 .. ... ... ... ... ... ... ... 151 45 2 1 1.584115e+09 阿根廷 南美洲 152 75 1.584202e+09 14 智利 南美洲 153 37 2 1.584202e+09 9 厄瓜多尔 南美洲 154 200 1.584202e+09 79 巴西 南美洲 155 712 7 456 1.584202e+09 15 钻石公主号邮轮 其他
迁徙数据-百度
迁入与迁出地详情
接口: migration_area_baidu
目标地址: https://qianxi.baidu.com/?from=shoubai#city=0
描述: 获取百度-百度地图慧眼-百度迁徙-迁入/迁出地数据接口
限量: 单次返回前 50 个城市, 由于百度接口限制, 目前只能返回前 50 个城市
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| area | str | Y | area="乌鲁木齐市", 输入需要查询的省份或者城市, 都需要用全称, 比如: "浙江省", "乌鲁木齐市" |
| indicator | str | Y | indicator="move_in", 返回迁入地详情, indicator="move_out", 返回迁出地详情 |
| date | str | Y | date="20200201", 需要滞后一天 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| city_name | 城市名称 | Y | |
| province_name | 所属省份 | Y | |
| value | str | 迁徙规模, 比例 |
接口示例
import akshare as ak migration_area_baidu_df = ak.migration_area_baidu(area="浙江省", indicator="move_in", date="20200201") print(migration_area_baidu_df)
数据示例
city_name province_name value 0 上海市 上海市 5.77 1 阜阳市 安徽省 4.68 2 上饶市 江西省 4.57 3 亳州市 安徽省 2.44 4 重庆市 重庆市 2.34 .. ... ... ... 95 咸阳市 陕西省 0.26 96 潍坊市 山东省 0.25 97 烟台市 山东省 0.25 98 常德市 湖南省 0.25 99 沈阳市 辽宁省 0.24
迁徙规模
接口: migration_scale_baidu
目标地址: https://qianxi.baidu.com/?from=shoubai#city=0
描述: 获取百度-百度地图慧眼-百度迁徙-迁徙规模
迁徙规模指数：反映迁入或迁出人口规模，城市间可横向对比
城市迁徙边界采用该城市行政区划，包含该城市管辖的区、县、乡、村
限量: 单次返回当前城市的去年和今年的迁徙规模数据, 查询参数中的 start_date 不要随意更改
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| area | str | Y | area="乌鲁木齐市", 输入需要查询的省份或者城市, 都需要用全称, 比如: "浙江省", "乌鲁木齐市" |
| indicator | str | Y | indicator="move_in", 返回迁入地详情, indicator="move_out", 返回迁出地详情 |
| start_date | str | Y | start_date="20190112", 一般不要变化 |
| end_date | str | Y | end_date="20200201", 往后查询如 20200202 之后 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 日期 | 索引 | Y | 去年和今年的日期 |
| 迁徙规模指数 | str | Y | 定义参见百度, 同 covid_19_baidu 定义 |
接口示例
import akshare as ak migration_scale_baidu_df = ak.migration_scale_baidu(area="浙江省", indicator="move_out", start_date="20190112", end_date="20200201") print(migration_scale_baidu_df)
数据示例
迁徙规模指数
2019-01-12 82153.440
2019-01-13 75818.916
2019-01-14 82712.988
2019-01-15 83889.108
2019-01-16 90118.008
...
2020-01-28 29054.052
2020-01-29 22622.328
2020-01-30 20901.564
2020-01-31 19023.984
2020-02-01 15723.072
城内出行强度
接口: internal_flow_history(百度已关闭该接口20200508)
目标地址: https://qianxi.baidu.com
描述: 获取百度-百度地图慧眼-百度迁徙-城内出行强度
城内出行强度: 该城市有出行的人数与该城市居住人口比值的指数化结果.
当前数据更新于可能有延迟, 具体延迟请看相关页面提示.
2019年城内出行强度指数将于2020年3月15日停止更新.
限量: 单次返回指定城市指定日期的数据
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| area | str | Y | area="北京市"; 具体城市的全称, 如: 北京市 |
| date | str | Y | date="20200412" |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| date | str | Y | 日期索引 |
| value | str | Y | 该值由百度内部计算所得 |
接口示例
import akshare as ak internal_flow_history_df = ak.internal_flow_history(area="北京市", date="20200412") print(internal_flow_history_df)
数据示例
value
20190112 3.8859
20190113 3.6699
20190114 5.2773
20190115 5.3960
20190116 5.2085
...
20200405 2.7821
20200406 2.9076
20200407 4.2583
20200408 4.2614
20200409 4.1769
小区查询
具体省份-城市-区查询
接口: covid_19_area_search
目标地址: https://ncov.html5.qq.com/community?channelid=1&from=singlemessage&isappinstalled=0
描述: 获取省份-城市-区里面所有确诊小区的数据
-1: 表示有确诊但是确诊人数不详
具体数字表示确诊人数
所有数据来源于网络和腾讯
限量: 单次返回省份-城市-区数据, 查询具体的 省份-城市-区 的数据请查看 covid_19_area_all
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| province | str | Y | province="四川省", 输入需要查询的省份; 具体省份格式参照 covid_19_area_all |
| city | str | Y | city="成都市", 输入需要查询的城市; 具体省份格式参照 covid_19_area_all |
| district | str | Y | district="高新区", 输入需要查询的区; 具体省份格式参照 covid_19_area_all |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| province | str | Y | 省份 |
| city | str | Y | 城市 |
| district | str | Y | 区 |
| show_address | str | Y | 小区 |
| full_address | str | Y | 地址全称 |
| cnt_sum_certain | str | Y | 确诊人数 |
接口示例
import akshare as ak covid_19_area_search_df = ak.covid_19_area_search(province="四川省", city="成都市", district="高新区") print(covid_19_area_search_df)
数据示例
province city district show_address full_address cnt_sum_certain 0 四川省 成都市 高新区 乐观居 四川省成都市高新区乐观居 -1 1 四川省 成都市 高新区 嘉好弗斯达酒店 四川省成都市高新区嘉好弗斯达酒店 -1 2 四川省 成都市 高新区 时代锦城酒店 四川省成都市高新区时代锦城酒店 -1 3 四川省 成都市 高新区 天府长城柏南郡 四川省成都市高新区天府长城柏南郡 -1 4 四川省 成都市 高新区 中德英伦联邦 四川省成都市高新区中德英伦联邦 -1 .. ... ... ... ... ... ... 10 四川省 成都市 高新区 中海九号公馆 四川省成都市高新区中海九号公馆 -1 11 四川省 成都市 高新区 神仙树大院4期 四川省成都市高新区神仙树大院4期 -1 12 四川省 成都市 高新区 景熙酒店 四川省成都市高新区景熙酒店 -1 13 四川省 成都市 高新区 维也纳国际酒店 四川省成都市高新区维也纳国际酒店 -1 14 四川省 成都市 高新区 龙湖时代天街 四川省成都市高新区龙湖时代天街 -1
省份-城市-区
接口: covid_19_area_all
目标地址: https://ncov.html5.qq.com/community?channelid=1&from=singlemessage&isappinstalled=0
描述: 获取省份-城市-区里面所有区的数据
限量: 单次返回省份-城市-区数据
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 |
|---|---|---|---|
| province | str | Y | 省份 |
| city | str | Y | 城市 |
| district | str | Y | 区 |
接口示例
import akshare as ak covid_19_area_all_df = ak.covid_19_area_all() print(covid_19_area_all_df)
数据示例
province city district 0 云南省 昆明市 东川区 1 云南省 昆明市 五华区 2 云南省 昆明市 官渡区 3 云南省 昆明市 盘龙区 4 云南省 昆明市 西山区 .. ... ... ... 475 北京市 北京市 石景山区 476 北京市 北京市 西城区 477 浙江省 嘉兴市 南湖区 478 浙江省 嘉兴市 桐乡市 479 浙江省 嘉兴市 秀洲区
获取省份-城市-区-小区的所有详细数据
接口: covid_19_area_detail
目标地址: https://ncov.html5.qq.com/community?channelid=1&from=singlemessage&isappinstalled=0
描述: 获取省份-城市-区-小区的所有详细数据, 需要耗费一定时间, 如非必要, 请勿查询
限量: 单次返回省份-城市-区-小区的所有详细数据
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 |
|---|---|---|---|
| province | str | Y | 省份 |
| city | str | Y | 城市 |
| district | str | Y | 区 |
| show_address | str | Y | 小区 |
| full_address | str | Y | 地址全称 |
| cnt_sum_certain | str | Y | 确诊人数 |
接口示例
import akshare as ak covid_19_area_detail_df = ak.covid_19_area_detail() print(covid_19_area_detail_df)
数据示例
,province,city,district,show_address,full_address,cnt_sum_certain 0,云南省,昆明市,东川区,黄包谷地,云南省昆明市东川区乌龙镇瓦房村黄包谷地,1 1,云南省,昆明市,五华区,耀龙康城,云南省昆明市五华区耀龙康城,1 2,云南省,昆明市,五华区,西景盛典小区,云南省昆明市五华区西景盛典小区,1 3,云南省,昆明市,五华区,丰宁街道,云南省昆明市五华区丰宁街道,1 4,云南省,昆明市,五华区,新闻里小区,云南省昆明市五华区新闻里小区,2 5,云南省,昆明市,五华区,春晖小区,云南省昆明市五华区春晖小区,2 6,云南省,昆明市,官渡区,星体花园,云南省昆明市官渡区星体花园,2 7,云南省,昆明市,官渡区,海伦国际小区,云南省昆明市官渡区小板桥街道海伦国际小区,1 8,云南省,昆明市,盘龙区,金殿武家村,云南省昆明市盘龙区金殿武家村,1 9,云南省,昆明市,盘龙区,云锡花园,云南省昆明市盘龙区云锡花园,1 10,云南省,昆明市,西山区,绿地大城天地商业区,云南省昆明市西山区绿地大城天地商业区,2 1835,四川省,成都市,高新区,时代天街,四川省成都市高新区时代天街,不详 1836,四川省,成都市,高新区,招商玺悦,四川省成都市高新区招商玺悦,不详 1837,四川省,成都市,高新区,蒂梵尼,四川省成都市高新区蒂梵尼,不详 1838,四川省,成都市,高新区,中海城南1号,四川省成都市高新区中海城南1号,不详 1839,四川省,成都市,高新区,中海九号公馆,四川省成都市高新区中海九号公馆,不详 1840,四川省,成都市,高新区,神仙树大院4期,四川省成都市高新区神仙树大院4期,不详 1841,四川省,成都市,高新区,景熙酒店,四川省成都市高新区景熙酒店,不详 1842,四川省,成都市,高新区,维也纳国际酒店,四川省成都市高新区维也纳国际酒店,不详 1843,四川省,成都市,高新区,龙湖时代天街,四川省成都市高新区龙湖时代天街,不详
相同行程查询
接口: covid_19_trip
目标地址: https://rl.inews.qq.com/h5/trip?from=newsapp&ADTAG=tgi.wx.share.message
描述: 获取新型肺炎确诊患者-相同行程查询工具中所有行程数据
限量: 单次返回新型肺炎确诊患者-相同行程查询工具中所有行程数据
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 |
|---|---|---|---|
| - | - | - | 字段过多, 不单列 |
接口示例
import akshare as ak covid_19_trip_df = ak.covid_19_trip() print(covid_19_trip_df)
数据示例
date start end type no no_sub memo \
0 2020-02-03 2 G1408 13号车厢
1 2020-02-03 4 湘A02906D
2 2020-02-03 5 渭南6路 1人确诊
3 2020-02-01 5 B13路 2月1日10时乘公交车B13路到郑州中心医院就诊
4 2020-02-01 5 B12路 2月1日12时乘公交车B12路回家
... ... .. ... ... ... ...
1782 2020-01-04 2 K1282 6车厢 不详
1783 2020-01-03 2 K628 8车厢 1人确诊
1784 2019-12-27 2 Z14 10号车厢
1785 2019-12-27 2 Z11/Z14 10号车厢
1786 2019-12-12 1 CZ6277
pos_start pos_end source \
0 广州南 南昌西 https://m.weibo.cn/status/4468528998833555?ope...
1 桂花村 https://m.weibo.cn/1740557654/4468675682159071
2 火车站 第二医院 https://weibo.com/6072764925/IsOpetYEL?type=co...
3 司机家里 郑州中心医院 http://m.henan.gov.cn/2020/02-05/1288205.html
4 郑州中心医院 司机家里 http://m.henan.gov.cn/2020/02-05/1288205.html
... ... ...
1782 深圳东 光山 http://www.huangchuan.gov.cn/xinwen/tzgg/2020B...
1783 宜昌东 西安 https://baijiahao.baidu.com/s?id=1657495493717...
1784 广州东 沈阳北 http://www.zgcy.gov.cn/ZGCY/zwgk/20200131/0040...
1785 长沙 沈阳北 http://www.zgcy.gov.cn/ZGCY/zwgk/20200131/0040...
1786 武汉 三亚 http://lingshui.hainan.gov.cn/ywdt_57509/lsyw_...
who
0 湖南疾控
1 金鹰955电台
2 渭南同城
3 河南省人民政府
4 河南省人民政府
...
1782 潢川人民政府
1783 兰州新闻网
1784 朝阳市新型肺炎疫情防控指挥部办公室
1785 朝阳市新型冠状病毒感染的肺炎疫情防控指挥部办公室
1786 陵水县新型肺炎疫情防控工作指挥部
疫情历史数据-细化到地市
接口: covid_19_hist_city
目标地址: https://github.com/norratek/Ncov2020HistoryData
描述: 获取 COVID-19 数据，统计数据细化到地市
限量: 单次返回指定 city 的所有数据
输入参数-covid_19_hist_city
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| city | str | Y | city="武汉市" |
输出参数-covid_19_hist_city
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| date | str | Y | 时间（天） |
| country | str | Y | 国家 |
| countryCode | float | Y | 国家代码 |
| province | float | Y | 省 |
| provinceCode | float | Y | 省代码 |
| city | float | Y | 市 |
| cityCode | float | Y | 市代码 |
| confirmed | str | Y | 确诊人数 |
| suspected | str | Y | 疑似人数 |
| cured | str | Y | 治愈人数 |
| dead | str | Y | 死亡人数 |
接口示例-covid_19_hist_city
import akshare as ak covid_19_hist_city_df = ak.covid_19_hist_city(city="武汉市") print(covid_19_hist_city_df)
数据示例-covid_19_hist_city
date country countryCode ... suspected cured dead
2 2019-12-01 中国 CN ... 0 0 0
5 2019-12-02 中国 CN ... 0 0 0
8 2019-12-03 中国 CN ... 0 0 0
11 2019-12-04 中国 CN ... 0 0 0
14 2019-12-05 中国 CN ... 0 0 0
... ... ... ... ... ... ...
25699 2020-03-12 中国 CN ... 0 34094 2430
26333 2020-03-13 中国 CN ... 0 35197 2436
26980 2020-03-14 中国 CN ... 0 36465 2446
27637 2020-03-15 中国 CN ... 0 37643 2456
28302 2020-03-16 中国 CN ... 0 38385 2469
输入参数-covid_19_hist_province
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| province | str | Y | province="湖北省" |
输出参数-covid_19_hist_province
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| date | str | Y | 时间（天） |
| country | str | Y | 国家 |
| countryCode | float | Y | 国家代码 |
| province | float | Y | 省 |
| provinceCode | float | Y | 省代码 |
| city | float | Y | 市 |
| cityCode | float | Y | 市代码 |
| confirmed | str | Y | 确诊人数 |
| suspected | str | Y | 疑似人数 |
| cured | str | Y | 治愈人数 |
| dead | str | Y | 死亡人数 |
接口示例-covid_19_hist_province
import akshare as ak covid_19_hist_province_df = ak.covid_19_hist_province(province="湖北省") print(covid_19_hist_province_df)
数据示例-covid_19_hist_province
date country countryCode ... suspected cured dead
1 2019-12-01 中国 CN ... 0 0 0
2 2019-12-01 中国 CN ... 0 0 0
4 2019-12-02 中国 CN ... 0 0 0
5 2019-12-02 中国 CN ... 0 0 0
7 2019-12-03 中国 CN ... 0 0 0
... ... ... ... ... ... ...
28314 2020-03-16 中国 CN ... 0 242 7
28315 2020-03-16 中国 CN ... 0 529 22
28316 2020-03-16 中国 CN ... 0 183 9
28317 2020-03-16 中国 CN ... 0 477 15
28318 2020-03-16 中国 CN ... 0 11 0
历史数据查询
接口: covid_19_history
目标地址: https://github.com/canghailan/Wuhan-2019-nCoV
描述: 获取 COVID-19 每个自然日的统计数据
限量: 单次返回 COVID-19 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 | 时间（天） |
| country | str | Y | 国家 |
| countryCode | float | Y | 国家代码 |
| province | float | Y | 省 |
| provinceCode | float | Y | 省代码 |
| city | float | Y | 市 |
| cityCode | float | Y | 市代码 |
| confirmed | str | Y | 确诊人数 |
| suspected | str | Y | 疑似人数 |
| cured | str | Y | 治愈人数 |
| dead | str | Y | 死亡人数 |
接口示例
import akshare as ak covid_19_history_df = ak.covid_19_history() print(covid_19_history_df)
数据示例
date country countryCode ... suspected cured dead
0 2019-12-01 中国 CN ... 0 0 0
1 2019-12-01 中国 CN ... 0 0 0
2 2019-12-01 中国 CN ... 0 0 0
3 2019-12-02 中国 CN ... 0 0 0
4 2019-12-02 中国 CN ... 0 0 0
... ... ... ... ... ... ...
28682 2020-03-16 委内瑞拉 VE ... 0 0 0
28683 2020-03-16 越南 VN ... 0 16 0
28684 2020-03-16 马约特 YT ... 0 0 0
28685 2020-03-16 南非 ZA ... 0 1 0
28686 2020-03-16 纳米比亚 None ... 0 0 0
COVID-19-CSSE
全球每日报告
接口: covid_19_csse_daily
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取 COVID-19 每个自然日的全球统计数据
限量: 单次返回指定 date 的所有历史数据
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="2020-04-06"; 从 2020-01-22 开始至今 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Last Update | float | Y | MM/DD/YYYY HH:mm (24 hour format, in UTC). |
| Confirmed | float | Y | the number of confirmed cases. For Hubei Province: from Feb 13 (GMT +8), we report both clinically diagnosed and lab-confirmed cases. For lab-confirmed cases only (Before Feb 17), please refer to who_covid_19_situation_reports. For Italy, diagnosis standard might be changed since Feb 27 to "slow the growth of new case numbers." |
| Deaths | float | Y | the number of deaths. |
| Recovered | float | Y | the number of recovered cases. |
接口示例
import akshare as ak covid_19_csse_daily_df = ak.covid_19_csse_daily(date="2020-04-06") print(covid_19_csse_daily_df)
数据示例
FIPS Admin2 ... Active Combined_Key
0 45001.0 Abbeville ... 0 Abbeville, South Carolina, US
1 22001.0 Acadia ... 0 Acadia, Louisiana, US
2 51001.0 Accomack ... 0 Accomack, Virginia, US
3 16001.0 Ada ... 0 Ada, Idaho, US
4 19001.0 Adair ... 0 Adair, Iowa, US
... ... ... ... ...
2804 NaN NaN ... 229 West Bank and Gaza
2805 NaN NaN ... 4 ,,Western Sahara
2806 NaN NaN ... 33 Zambia
2807 NaN NaN ... 9 Zimbabwe
2808 NaN unassigned ... 0 unassigned, Wyoming, US
美国确诊
接口: covid_19_csse_us_confirmed
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取美国确诊数据所有历史数据
限量: 单次返回所有历史数据，每日更新
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 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | Y | a coordinates reference for the user. |
| Date fields | float | Y | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
import akshare as ak covid_19_csse_us_confirmed_df = ak.covid_19_csse_us_confirmed() print(covid_19_csse_us_confirmed_df)
数据示例
UID iso2 iso3 code3 FIPS Admin2 \
0 16 AS ASM 16 60.0 NaN
1 316 GU GUM 316 66.0 NaN
2 580 MP MNP 580 69.0 NaN
3 630 PR PRI 630 72.0 NaN
4 850 VI VIR 850 78.0 NaN
... ... ... ... ... ...
3248 84090053 US USA 840 90053.0 Unassigned
3249 84090054 US USA 840 90054.0 Unassigned
3250 84090055 US USA 840 90055.0 Unassigned
3251 84090056 US USA 840 90056.0 Unassigned
3252 84099999 US USA 840 99999.0 NaN
Province_State Country_Region Lat Long_ \
0 American Samoa US -14.2710 -170.1320
1 Guam US 13.4443 144.7937
2 Northern Mariana Islands US 15.0979 145.6739
3 Puerto Rico US 18.2208 -66.5901
4 Virgin Islands US 18.3358 -64.8963
... ... ... ...
3248 Washington US 0.0000 0.0000
3249 West Virginia US 0.0000 0.0000
3250 Wisconsin US 0.0000 0.0000
3251 Wyoming US 0.0000 0.0000
3252 Grand Princess US 0.0000 0.0000
Combined_Key 1/22/20 1/23/20 1/24/20 1/25/20 \
0 American Samoa, US 0 0 0 0
1 Guam, US 0 0 0 0
2 Northern Mariana Islands, US 0 0 0 0
3 Puerto Rico, US 0 0 0 0
4 Virgin Islands, US 0 0 0 0
... ... ... ... ...
3248 Unassigned, Washington, US 0 0 0 0
3249 Unassigned, West Virginia, US 0 0 0 0
3250 Unassigned, Wisconsin, US 0 0 0 0
3251 Unassigned, Wyoming, US 0 0 0 0
3252 Grand Princess, US 0 0 0 0
3/30/20 3/31/20 4/1/20 4/2/20 4/3/20 4/4/20 4/5/20 4/6/20
0 0 0 0 0 0 0 0 0
1 58 69 77 82 84 93 112 113
2 0 2 6 6 6 6 6 6
3 174 239 286 316 316 452 475 513
4 0 30 30 30 37 40 42 43
... ... ... ... ... ... ... ...
3248 274 274 303 344 501 483 533 648
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 103 103 103 103 103 103 103 103
美国死亡
接口: covid_19_csse_us_death
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取美国死亡数据所有历史数据
限量: 单次返回所有历史数据，每日更新
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 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | Y | a coordinates reference for the user. |
| Date fields | float | Y | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
import akshare as ak covid_19_csse_us_death_df = ak.covid_19_csse_us_death() print(covid_19_csse_us_death_df)
数据示例
UID iso2 iso3 code3 FIPS Admin2 \
0 16 AS ASM 16 60.0 NaN
1 316 GU GUM 316 66.0 NaN
2 580 MP MNP 580 69.0 NaN
3 630 PR PRI 630 72.0 NaN
4 850 VI VIR 850 78.0 NaN
... ... ... ... ... ...
3248 84090053 US USA 840 90053.0 Unassigned
3249 84090054 US USA 840 90054.0 Unassigned
3250 84090055 US USA 840 90055.0 Unassigned
3251 84090056 US USA 840 90056.0 Unassigned
3252 84099999 US USA 840 99999.0 NaN
Province_State Country_Region Lat Long_ \
0 American Samoa US -14.2710 -170.1320
1 Guam US 13.4443 144.7937
2 Northern Mariana Islands US 15.0979 145.6739
3 Puerto Rico US 18.2208 -66.5901
4 Virgin Islands US 18.3358 -64.8963
... ... ... ...
3248 Washington US 0.0000 0.0000
3249 West Virginia US 0.0000 0.0000
3250 Wisconsin US 0.0000 0.0000
3251 Wyoming US 0.0000 0.0000
3252 Grand Princess US 0.0000 0.0000
Combined_Key 1/22/20 1/23/20 1/24/20 1/25/20 \
0 American Samoa, US 0 0 0 0
1 Guam, US 0 0 0 0
2 Northern Mariana Islands, US 0 0 0 0
3 Puerto Rico, US 0 0 0 0
4 Virgin Islands, US 0 0 0 0
... ... ... ... ...
3248 Unassigned, Washington, US 0 0 0 0
3249 Unassigned, West Virginia, US 0 0 0 0
3250 Unassigned, Wisconsin, US 0 0 0 0
3251 Unassigned, Wyoming, US 0 0 0 0
3252 Grand Princess, US 0 0 0 0
3/30/20 3/31/20 4/1/20 4/2/20 4/3/20 4/4/20 4/5/20 4/6/20
0 0 0 0 0 0 0 0 0
1 58 69 77 82 84 93 112 113
2 0 2 6 6 6 6 6 6
3 174 239 286 316 316 452 475 513
4 0 30 30 30 37 40 42 43
... ... ... ... ... ... ... ...
3248 274 274 303 344 501 483 533 648
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 103 103 103 103 103 103 103 103
全球确诊
接口: covid_19_csse_global_confirmed
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取全球确诊数据所有历史数据
限量: 单次返回所有历史数据，每日更新
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 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | Y | a coordinates reference for the user. |
| Date fields | float | Y | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
import akshare as ak covid_19_csse_global_confirmed_df = ak.covid_19_csse_global_confirmed() print(covid_19_csse_global_confirmed_df)
数据示例
UID iso2 iso3 code3 FIPS Admin2 \
0 16 AS ASM 16 60.0 NaN
1 316 GU GUM 316 66.0 NaN
2 580 MP MNP 580 69.0 NaN
3 630 PR PRI 630 72.0 NaN
4 850 VI VIR 850 78.0 NaN
... ... ... ... ... ...
3248 84090053 US USA 840 90053.0 Unassigned
3249 84090054 US USA 840 90054.0 Unassigned
3250 84090055 US USA 840 90055.0 Unassigned
3251 84090056 US USA 840 90056.0 Unassigned
3252 84099999 US USA 840 99999.0 NaN
Province_State Country_Region Lat Long_ \
0 American Samoa US -14.2710 -170.1320
1 Guam US 13.4443 144.7937
2 Northern Mariana Islands US 15.0979 145.6739
3 Puerto Rico US 18.2208 -66.5901
4 Virgin Islands US 18.3358 -64.8963
... ... ... ...
3248 Washington US 0.0000 0.0000
3249 West Virginia US 0.0000 0.0000
3250 Wisconsin US 0.0000 0.0000
3251 Wyoming US 0.0000 0.0000
3252 Grand Princess US 0.0000 0.0000
Combined_Key 1/22/20 1/23/20 1/24/20 1/25/20 \
0 American Samoa, US 0 0 0 0
1 Guam, US 0 0 0 0
2 Northern Mariana Islands, US 0 0 0 0
3 Puerto Rico, US 0 0 0 0
4 Virgin Islands, US 0 0 0 0
... ... ... ... ...
3248 Unassigned, Washington, US 0 0 0 0
3249 Unassigned, West Virginia, US 0 0 0 0
3250 Unassigned, Wisconsin, US 0 0 0 0
3251 Unassigned, Wyoming, US 0 0 0 0
3252 Grand Princess, US 0 0 0 0
1/26/20 1/27/20 1/28/20 1/29/20 1/30/20 1/31/20 2/1/20 2/2/20 \
0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0
3 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0
... ... ... ... ... ... ... ...
3248 0 0 0 0 0 0 0 0
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 0 0 0 0 0 0 0 0
3/30/20 3/31/20 4/1/20 4/2/20 4/3/20 4/4/20 4/5/20 4/6/20
0 0 0 0 0 0 0 0 0
1 58 69 77 82 84 93 112 113
2 0 2 6 6 6 6 6 6
3 174 239 286 316 316 452 475 513
4 0 30 30 30 37 40 42 43
... ... ... ... ... ... ... ...
3248 274 274 303 344 501 483 533 648
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 103 103 103 103 103 103 103 103
全球死亡
接口: covid_19_csse_global_death
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取全球死亡数据所有历史数据
限量: 单次返回所有历史数据，每日更新
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 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | Y | a coordinates reference for the user. |
| Date fields | float | Y | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
import akshare as ak covid_19_csse_global_death_df = ak.covid_19_csse_global_death() print(covid_19_csse_global_death_df)
数据示例
UID iso2 iso3 code3 FIPS Admin2 \
0 16 AS ASM 16 60.0 NaN
1 316 GU GUM 316 66.0 NaN
2 580 MP MNP 580 69.0 NaN
3 630 PR PRI 630 72.0 NaN
4 850 VI VIR 850 78.0 NaN
... ... ... ... ... ...
3248 84090053 US USA 840 90053.0 Unassigned
3249 84090054 US USA 840 90054.0 Unassigned
3250 84090055 US USA 840 90055.0 Unassigned
3251 84090056 US USA 840 90056.0 Unassigned
3252 84099999 US USA 840 99999.0 NaN
Province_State Country_Region Lat Long_ \
0 American Samoa US -14.2710 -170.1320
1 Guam US 13.4443 144.7937
2 Northern Mariana Islands US 15.0979 145.6739
3 Puerto Rico US 18.2208 -66.5901
4 Virgin Islands US 18.3358 -64.8963
... ... ... ...
3248 Washington US 0.0000 0.0000
3249 West Virginia US 0.0000 0.0000
3250 Wisconsin US 0.0000 0.0000
3251 Wyoming US 0.0000 0.0000
3252 Grand Princess US 0.0000 0.0000
Combined_Key 1/22/20 1/23/20 1/24/20 1/25/20 \
0 American Samoa, US 0 0 0 0
1 Guam, US 0 0 0 0
2 Northern Mariana Islands, US 0 0 0 0
3 Puerto Rico, US 0 0 0 0
4 Virgin Islands, US 0 0 0 0
... ... ... ... ...
3248 Unassigned, Washington, US 0 0 0 0
3249 Unassigned, West Virginia, US 0 0 0 0
3250 Unassigned, Wisconsin, US 0 0 0 0
3251 Unassigned, Wyoming, US 0 0 0 0
3252 Grand Princess, US 0 0 0 0
1/26/20 1/27/20 1/28/20 1/29/20 1/30/20 1/31/20 2/1/20 2/2/20 \
0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0
3 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0
... ... ... ... ... ... ... ...
3248 0 0 0 0 0 0 0 0
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 0 0 0 0 0 0 0 0
3/30/20 3/31/20 4/1/20 4/2/20 4/3/20 4/4/20 4/5/20 4/6/20
0 0 0 0 0 0 0 0 0
1 58 69 77 82 84 93 112 113
2 0 2 6 6 6 6 6 6
3 174 239 286 316 316 452 475 513
4 0 30 30 30 37 40 42 43
... ... ... ... ... ... ... ...
3248 274 274 303 344 501 483 533 648
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 103 103 103 103 103 103 103 103
全球治愈
接口: covid_19_csse_global_recovered
目标地址: https://github.com/CSSEGISandData/COVID-19
描述: 获取全球治愈数据所有历史数据
限量: 单次返回所有历史数据，每日更新
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 |
|---|---|---|---|
| Province/State | str | Y | Province/State: China - province name; US/Canada/Australia/ - city name, state/province name; Others - name of the event (e.g., "Diamond Princess" cruise ship); other countries - blank. |
| Country/Region | str | Y | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | Y | a coordinates reference for the user. |
| Date fields | float | Y | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
import akshare as ak covid_19_csse_global_recovered_df = ak.covid_19_csse_global_recovered() print(covid_19_csse_global_recovered_df)
数据示例
UID iso2 iso3 code3 FIPS Admin2 \
0 16 AS ASM 16 60.0 NaN
1 316 GU GUM 316 66.0 NaN
2 580 MP MNP 580 69.0 NaN
3 630 PR PRI 630 72.0 NaN
4 850 VI VIR 850 78.0 NaN
... ... ... ... ... ...
3248 84090053 US USA 840 90053.0 Unassigned
3249 84090054 US USA 840 90054.0 Unassigned
3250 84090055 US USA 840 90055.0 Unassigned
3251 84090056 US USA 840 90056.0 Unassigned
3252 84099999 US USA 840 99999.0 NaN
Province_State Country_Region Lat Long_ \
0 American Samoa US -14.2710 -170.1320
1 Guam US 13.4443 144.7937
2 Northern Mariana Islands US 15.0979 145.6739
3 Puerto Rico US 18.2208 -66.5901
4 Virgin Islands US 18.3358 -64.8963
... ... ... ...
3248 Washington US 0.0000 0.0000
3249 West Virginia US 0.0000 0.0000
3250 Wisconsin US 0.0000 0.0000
3251 Wyoming US 0.0000 0.0000
3252 Grand Princess US 0.0000 0.0000
Combined_Key 1/22/20 1/23/20 1/24/20 1/25/20 \
0 American Samoa, US 0 0 0 0
1 Guam, US 0 0 0 0
2 Northern Mariana Islands, US 0 0 0 0
3 Puerto Rico, US 0 0 0 0
4 Virgin Islands, US 0 0 0 0
... ... ... ... ...
3248 Unassigned, Washington, US 0 0 0 0
3249 Unassigned, West Virginia, US 0 0 0 0
3250 Unassigned, Wisconsin, US 0 0 0 0
3251 Unassigned, Wyoming, US 0 0 0 0
3252 Grand Princess, US 0 0 0 0
1/26/20 1/27/20 1/28/20 1/29/20 1/30/20 1/31/20 2/1/20 2/2/20 \
0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0
2 0 0 0 0 0 0 0 0
3 0 0 0 0 0 0 0 0
4 0 0 0 0 0 0 0 0
... ... ... ... ... ... ... ...
3248 0 0 0 0 0 0 0 0
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 0 0 0 0 0 0 0 0
3/30/20 3/31/20 4/1/20 4/2/20 4/3/20 4/4/20 4/5/20 4/6/20
0 0 0 0 0 0 0 0 0
1 58 69 77 82 84 93 112 113
2 0 2 6 6 6 6 6 6
3 174 239 286 316 316 452 475 513
4 0 30 30 30 37 40 42 43
... ... ... ... ... ... ... ...
3248 274 274 303 344 501 483 533 648
3249 0 0 0 0 0 0 0 0
3250 0 0 0 0 0 0 0 0
3251 0 0 0 0 0 0 0 0
3252 103 103 103 103 103 103 103 103