AKShare 事件数据
COVID
疫情风险等级查询
接口: covid_19_risk_area
目标地址: http://bmfw.www.gov.cn/yqfxdjcx/risk.html
描述: 卫生健康委-疫情风险等级查询
限量: 单次返回当前时刻所有数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| symbol | str | symbol="高风险等级地区"; choice of {"高风险等级地区", "中风险等级地区", "低风险等级地区"} |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| province | object | 省 |
| city | object | 市 |
| county | object | 乡镇 |
| area_name | object | 区 |
| communitys | object | 社区 |
| grade | object | 等级 |
| report_date | object | 报告时间 |
| number | int64 | 数量 |
接口示例
python
import akshare as ak
covid_19_risk_area_df = ak.covid_19_risk_area(symbol="高风险等级地区")
print(covid_19_risk_area_df)数据示例
province city county ... grade report_date number
0 天津市 天津市 河东区 ... 高风险 2022-08-31 11时 1811
1 天津市 天津市 河东区 ... 高风险 2022-08-31 11时 1811
2 天津市 天津市 河东区 ... 高风险 2022-08-31 11时 1811
3 天津市 天津市 河西区 ... 高风险 2022-08-31 11时 1811
4 天津市 天津市 河西区 ... 高风险 2022-08-31 11时 1811
... ... ... ... ... ... ...
1806 新疆维吾尔自治区 塔城地区 乌苏市 ... 高风险 2022-08-31 11时 1811
1807 新疆维吾尔自治区 塔城地区 乌苏市 ... 高风险 2022-08-31 11时 1811
1808 新疆维吾尔自治区 塔城地区 乌苏市 ... 高风险 2022-08-31 11时 1811
1809 新疆维吾尔自治区 塔城地区 乌苏市 ... 高风险 2022-08-31 11时 1811
1810 新疆生产建设兵团 新疆生产建设兵团 新疆生产建设兵团 ... 高风险 2022-08-31 11时 1811COVID-19-网易
接口: covid_19_163
目标地址: https://news.163.com/special/epidemic/
描述: 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 | 描述 |
|---|---|---|
| indicator | str | 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 | 描述 |
|---|---|---|
| info | object | 数据说明 |
接口示例-数据说明
python
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
python
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
python
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
python
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
python
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
python
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
python
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
python
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
python
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
python
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
python
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/news/20/0313/01/F7IG6B4I0001... ... NaN
1 http://3g.163.com/news/20/0306/11/F71IP6280001... ... F71IP62800019NGP
2 http://3g.163.com/news/20/0303/11/F6PQGDCD0001... ... F6PQGDCD00019NGP
3 http://3g.163.com/news/20/0210/14/F51HPI890001... ... F51HPI8900019NGP
4 http://3g.163.com/news/20/0228/23/F6GRTAMN0001... ... F6GRTAMN00019NGP
.. ... ... ...
29 http://3g.163.com/news/20/0202/15/F4D23HC60001... ... F4D23HC600019NGP
30 http://3g.163.com/news/20/0202/14/F4CSKV890001... ... F4CSKV8900019NGP
31 http://3g.163.com/news/20/0202/17/F4D8C03S0001... ... F4D8C03S00019NGP
32 http://3g.163.com/news/20/0202/05/F4BUU2240001... ... F4BUU22400019NGP
33 http://3g.163.com/news/20/0202/05/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
python
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
python
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/article/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/article/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/article/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/article/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/article/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
python
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
python
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
python
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
python
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 381COVID-19-丁香园
接口: covid_19_dxy
目标地址: https://ncov.dxy.cn/ncovh5/view/pneumonia
描述: 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
python
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
python
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
python
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
python
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
python
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
python
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
python
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
python
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-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
python
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 高危人数 中危人数
0 境外输入 10 90 2 80 0 0 0
1 温州 0 504 0 503 1 0 0
2 杭州 0 181 0 181 0 0 0
3 宁波 0 157 0 157 0 0 0
4 台州 0 147 0 147 0 0 0
5 金华 0 55 0 55 0 0 0
6 嘉兴 0 46 0 46 0 0 0
7 绍兴 0 42 0 42 0 0 0
8 省十里丰监狱 0 36 0 36 0 0 0
9 丽水 0 17 0 17 0 0 0
10 衢州 0 14 0 14 0 0 0
11 湖州 0 10 0 10 0 0 0
12 舟山 0 10 0 10 0 0 0COVID-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-实时播报
| 名称 | 类型 | 描述 |
|---|---|---|
| indicator | str | indicator="实时播报" |
输出参数-实时播报
| 名称 | 类型 | 描述 |
|---|---|---|
| bjh_na | str | - |
| eventDescription | str | 新闻描述 |
| eventTime | str | 新闻时间 |
| eventUrl | str | 链接 |
| homepageUrl | str | 链接 |
| item_avatar | str | - |
| siteName | str | 新闻来源 |
接口示例-实时播报
python
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 | 描述 |
|---|---|---|
| indicator | str | indicator="中国分省份详情" |
输出参数-中国分省份详情
| 名称 | 类型 | 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
python
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 | 描述 |
|---|---|---|
| indicator | str | indicator="中国分城市详情" |
输出参数-中国分城市详情
| 名称 | 类型 | 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
python
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 | 描述 |
|---|---|---|
| indicator | str | indicator="国外分国详情" |
输出参数-国外分国详情
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | 参见 数据示例-国外分国详情 |
接口示例-国外分国详情
python
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 | 描述 |
|---|---|---|
| indicator | str | indicator="国外分城市详情" |
输出参数-国外分城市详情
| 名称 | 类型 | 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
python
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 | 描述 |
|---|---|---|
| indicator | str | indicator="全球分洲详情" |
输出参数-全球分洲详情
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | 参见 数据示例-全球分洲详情 |
接口示例-全球分洲详情
python
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 | 描述 |
|---|---|---|
| indicator | str | 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 | 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
python
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 其他输入参数-国内新型肺炎最新动态
| 名称 | 类型 | 描述 |
|---|---|---|
| indicator | str | indicator="国内新型肺炎最新动态" |
输出参数-国内新型肺炎最新动态
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | 参见 数据示例-国内新型肺炎最新动态 |
接口示例-国内新型肺炎最新动态
python
import akshare as ak
covid_19_baidu_df = ak.covid_19_baidu(indicator="国内新型肺炎最新动态")
print(covid_19_baidu_df)数据示例-国内新型肺炎最新动态
新闻 ... 链接
0 北京新增输入病例4＋4 ... http://www.163.com/dy/article/GFD0C4TP0526P5NJ...
1 7月20日甘肃新增1例境外输入性新冠肺炎确诊病例 ... http://www.163.com/dy/article/GFCUNDHC0530X1P1...
2 周飞主持召开广西疫苗接种指挥平台建设方案研讨会 ... http://www.sohu.com/a/478640008_121106875
3 北京两家疫苗公司累计产值突破1200亿元 ... http://news.cnhubei.com/content/2021-07/20/con...
4 香港已接种逾495万剂新冠疫苗 ... http://www.jiemian.com/article/6380592.html
5 香港新增7宗输入新冠肺炎确诊个案 ... http://baijiahao.baidu.com/s?id=17058096514231...
6 斯里兰卡大学研究表明中国国药新冠疫苗对德尔塔变异株非常有效 ... http://m.news.cctv.com/2021/07/20/ARTIdgnVlxeI...
7 “蓝委”呼吁蔡英文、赖清德先打台湾“自产疫苗” ... http://taiwan.huanqiu.com/article/44175g20WcC
8 云南瑞丽一新增确诊病例丈夫被调查 ... http://baijiahao.baidu.com/s?id=17057914430378...
9 北京市累计报告接种新冠病毒疫苗3612.86万剂次 ... http://www.henan100.com/news/2021/1030164.shtml
10 台湾新增24例确诊病例、4例死亡病例 ... http://www.guancha.cn/politics/2021_07_20_5991...
11 7月19日广东新增境外输入确诊病例4例 ... http://www.sohu.com/a/478500817_121123774
12 云南南非通报高登省发生家猪非洲猪瘟疫情 ... http://www.chinafarming.com/axfwnh/2021/07/20/...
13 湖北昨日新增新冠肺炎确诊病例3例、无症状感染者4例 ... http://m.news.cctv.com/2021/07/20/ARTIqrx48VkA...
14 上海7月19日无新增本地新冠肺炎确诊病例 ... http://sh.people.com.cn/n2/2021/0720/c138654-3...
15 7月19日贵州省新冠肺炎疫情信息发布 ... http://www.sohu.com/a/478469231_121106902
16 7月20日安徽省报告新冠肺炎疫情情况 ... http://www.bengbu.gov.cn/ywdt/ztzl/fkxxgzbdgrd...
17 广东清远市人民医院隔离区一护士判定为无症状感染者 ... http://www.sohu.com/a/478457041_161795
18 澳大利亚敌视中国疫苗进南太 ... http://k.sina.com.cn/article_1686546714_6486a9...
19 四川8月起开展青少年人群新冠疫苗接种 ... http://www.163.com/dy/article/GFAPIVT10514R9MQ...
20 中国台湾地区首次批准使用“本地企业研发的地产疫苗” ... http://www.163.com/dy/article/GFA8M7SB0534V2AI...
21 云南多地开展12至17岁人群新冠疫苗接种工作 ... http://k.sina.com.cn/article_1784473157_6a5ce6...
22 香港航空公司响应新冠疫苗外展接种服务 ... http://k.sina.com.cn/article_1893278624_70d923...
23 科兴生物新冠疫苗已正式用于我国青少年人群紧急使用 ... http://www.163.com/dy/article/GFA2H2LJ0514R9KC...
24 重庆新冠肺炎疫苗接种工作有序推进 ... http://www.sohu.com/a/478403144_120388781
25 厦门：5月以来已发现69例台湾输入病例 ... http://www.jiemian.com/article/6375046.html
26 中国疫苗在埃及实现本地化生产，为非洲送去"及时雨" ... http://k.sina.com.cn/article_3057540037_b63e5b...
27 河北大学附属医院国家重大疫情救治基地预计2022年投入使用 ... http://baijiahao.baidu.com/s?id=17057037160957...
28 2021重庆丰都新冠疫苗到苗接种通知 ... http://cq.bendibao.com/news/2021719/98017.shtm
29 四川12-17岁人群新冠疫苗接种时间公布 ... http://baijiahao.baidu.com/s?id=17056999036426...
30 广东夫妇为广州疫情捐款壹佰万元整 ... http://www.sohu.com/a/478368815_120718280
31 台湾本土制造“高端”疫苗获紧急使用授权 ... http://baijiahao.baidu.com/s?id=17056979234167...
32 云南新增本土新冠肺炎确诊病例5例 ... http://www.163.com/dy/article/GF9E94CF0546QS9O...
33 浙江将召开第七十四场疫情防控工作新闻发布会 ... http://baijiahao.baidu.com/s?id=17056963201612...
34 北京：1760.35万人完成新冠病毒疫苗全程接种 ... http://www.sohu.com/a/478358635_162758
35 200万剂疫苗今晚上海出境前往乌兹别克斯坦 ... http://www.163.com/dy/article/GF9CIIPU05506BEH...
36 台湾新增21例确诊病例、1例死亡病例 ... http://www.guancha.cn/politics/2021_07_19_5990...
37 台湾名嘴：中国人当然要打祖国的疫苗 ... http://baijiahao.baidu.com/s?id=17056926890216...
38 “光疫苗”新型消毒设备：“黑科技”助力中国代表团征战东京 ... http://finance.sina.com.cn/china/2021-07-19/do...输入参数-国外新型肺炎最新动态
| 名称 | 类型 | 描述 |
|---|---|---|
| indicator | str | indicator="国外新型肺炎最新动态" |
输出参数-国外新型肺炎最新动态
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | 参见 数据示例-国外新型肺炎最新动态 |
接口示例-国外新型肺炎最新动态
python
import akshare as ak
covid_19_baidu_df = ak.covid_19_baidu(indicator="国外新型肺炎最新动态")
print(covid_19_baidu_df)数据示例-国外新型肺炎最新动态
新闻 ... 链接
0 意大利新增3558例新冠病毒确诊病例 ... http://forex.cngold.org/fxb/c5574463.htm
1 法国过去24小时新增33例新冠肺炎死亡病例 ... http://forex.cngold.org/fxb/c5574453.htm
2 马耳他启动无预约新冠疫苗接种 ... http://baijiahao.baidu.com/s?id=17058207077512...
3 英国新增新冠肺炎确诊病例46558例 ... http://baijiahao.baidu.com/s?id=17058198547739...
4 伊朗单日新增新冠确诊病例创新高 ... http://www.sohu.com/a/478636457_267106
5 清迈数百名缅甸移民感染新冠肺炎病毒 ... http://www.163.com/dy/article/GFCRNSOG0552ASSI...
6 新加坡22日起收紧新冠防控措施 ... http://k.sina.com.cn/article_213815211_0cbe8fa...
7 美国白宫官员、佩洛西助手新冠病毒检测呈阳性 ... http://finance.ifeng.com/c/882bjqwbyM4
8 法国卫生部长：新冠肺炎确诊病例正以前所未有的速度上升 ... http://forex.cngold.org/fxb/c5574403.htm
9 俄罗斯外长：正在研究尼加拉瓜生产俄制疫苗请求 ... http://cn.dailyeconomic.com/finance/2021/07/20...
10 伊朗新增新冠肺炎确诊病例27444例 ... http://finance.ifeng.com/c/882OjTLVZlQ
11 英国首相发言人：英国希望避免夜总会新冠肺炎病例激增 ... http://forex.cngold.org/fxb/c5574289.htm
12 尼泊尔新增新冠肺炎确诊病例3108例 ... http://finance.sina.com.cn/tech/2021-07-20/doc...
13 蒙古国新增新冠肺炎确诊病例1309例 ... http://finance.sina.com.cn/tech/2021-07-20/doc...
14 斯里兰卡大学研究表明中国国药新冠疫苗对德尔塔变异株非常有效 ... http://m.news.cctv.com/2021/07/20/ARTIdgnVlxeI...
15 波兰总理：希望不会出现强制接种疫苗的情况 ... http://www.sohu.com/a/478591271_121124417
16 最新研究显示：印度真正死于新冠的人数可能是官方数字的10倍 ... http://k.sina.com.cn/article_7132863516_1a926d...
17 日本东京都单日新增新冠肺炎确诊病例1387例 ... http://www.163.com/dy/article/GFC788J30539AP40...
18 新加坡新增182例本地传播的新冠病例 ... http://forex.cngold.org/fxb/c5574214.htm
19 中新网评：疫情反弹之际，美国应先算清自己的“糊涂账” ... http://baijiahao.baidu.com/s?id=17057917972902...
20 7月20日西加拿大疫情最新数据公布 ... http://www.cnjiyin.com/guoneiyanjiu/0062021072...
21 7月20日印度疫情最新数据公布 ... http://www.cnjiyin.com/news/00520210720_38548....
22 捷克新增216例新冠肺炎确诊病例 ... http://forex.cngold.org/fxb/c5574097.htm
23 墨西哥国家棒球队2名队员确诊新冠 ... http://www.sohu.com/a/478522945_162758
24 墨竹：美国疫情导致金融市场巨震，黄金多头欲借势飙升 ... http://www.sohu.com/a/478499958_120020189
25 7月20日西班牙疫情最新数据公布 ... http://www.cnjiyin.com/guoneiyanjiu/0062021072...
26 云南南非通报高登省发生家猪非洲猪瘟疫情 ... http://www.chinafarming.com/axfwnh/2021/07/20/...
27 韩国新增1278例新冠确诊病例 ... http://www.jiemian.com/article/6376809.html
28 苏州产治疗新冠药物获巴拉圭紧急使用授权 ... http://jsnews.jschina.com.cn/sz/a/202107/t2021...
29 越南新增新冠确诊4195例创疫情暴发以来新高 ... http://www.cnjiyin.com/news/00520210720_38494....
30 7月20日越南胡志明疫情最新数据公布 ... http://www.cnjiyin.com/news/00520210720_38494....
31 7月20日泰国疫情最新数据公布 ... http://www.cnjiyin.com/guoneiyanjiu/0062021072...
32 英国政府决定推迟向未成年人接种新冠疫苗 ... http://baijiahao.baidu.com/s?id=17057599134433...
33 巴西新增新冠肺炎确诊病例15271例 ... http://baijiahao.baidu.com/s?id=17057581967407...
34 澳大利亚敌视中国疫苗进南太 ... http://k.sina.com.cn/article_1686546714_6486a9...
35 南非政府担心骚乱后该国疫情恶化 ... http://finance.sina.com.cn/tech/2021-07-20/doc...
36 希腊新冠疫苗接种范围将扩大到12岁至15岁人群 ... http://finance.sina.com.cn/tech/2021-07-20/doc...
37 韩国为未成年人接种新冠疫苗遭反对 ... http://www.163.com/dy/article/GFAQS6250514R9OJ...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 | 描述 |
|---|---|---|
| area | str | 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 | indicator="move_in", 返回迁入地详情, indicator="move_out", 返回迁出地详情 |
| date | str | date="20200201", 需要滞后一天 |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| city_name | 城市名称 | |
| province_name | 所属省份 | |
| value | str | 迁徙规模, 比例 |
接口示例
python
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 | 描述 |
|---|---|---|
| area | str | 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 | indicator="move_in", 返回迁入地详情, indicator="move_out", 返回迁出地详情 |
| start_date | str | start_date="20190112", 一般不要变化 |
| end_date | str | end_date="20200201", 往后查询如 20200202 之后 |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| 日期 | 索引 | 去年和今年的日期 |
| 迁徙规模指数 | str | 定义参见百度, 同 covid_19_baidu 定义 |
接口示例
python
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同程查询
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: 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 | 描述 |
|---|---|---|
| - | - | - |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | 字段过多, 不单列 |
接口示例
python
import akshare as ak
covid_19_trip_df = ak.covid_19_trip()
print(covid_19_trip_df)数据示例
id grab_id _ctime ... grab_type date _id
0 6 0 2021-01-18T08:05:44.000Z ... 2021-01-16 6
1 7 0 2021-01-18T13:00:07.000Z ... 2021-01-15 7
2 38 0 2021-01-21T06:55:52.000Z ... 2021-01-15 38
3 8 0 2021-01-18T13:04:24.000Z ... 2021-01-14 8
4 9 0 2021-01-18T13:36:35.000Z ... 2021-01-14 9
5 10 0 2021-01-18T13:40:05.000Z ... 2021-01-13 10
6 32 0 2021-01-19T15:54:09.000Z ... 2021-01-13 32
7 37 0 2021-01-21T06:54:42.000Z ... 2021-01-13 37
8 11 0 2021-01-18T13:49:57.000Z ... 2021-01-10 11
9 14 0 2021-01-18T14:15:39.000Z ... 2021-01-10 14
10 12 0 2021-01-18T14:08:01.000Z ... 2021-01-09 12
11 13 0 2021-01-18T14:13:16.000Z ... 2021-01-09 13
12 31 0 2021-01-19T15:50:42.000Z ... 2021-01-09 31
13 15 0 2021-01-18T14:28:35.000Z ... 2021-01-07 15
14 16 0 2021-01-18T14:32:47.000Z ... 2021-01-07 16
15 17 0 2021-01-18T14:37:57.000Z ... 2021-01-07 17
16 18 0 2021-01-18T14:40:40.000Z ... 2021-01-07 18
17 19 0 2021-01-18T14:45:55.000Z ... 2021-01-07 19
18 20 0 2021-01-18T15:05:36.000Z ... 2021-01-06 20
19 21 0 2021-01-18T15:07:37.000Z ... 2021-01-06 21病患轨迹
接口: covid_19_trace
目标地址: https://news.qq.com/hdh5/hebeicomeon.htm#/?ADTAG=yqi
描述: 腾讯新闻-疫情-病患轨迹的数据
限量: 单次返回所有省份的数据
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | - |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| 地址 | str | - |
| 城市 | str | - |
| 区 | str | - |
| 省份 | str | - |
| 标题 | str | - |
| 更新时间 | str | - |
| 风险等级 | str | - |
| 统计时间 | str | - |
接口示例
python
import akshare as ak
covid_19_trace_df = ak.covid_19_trace()
print(covid_19_trace_df)数据示例
地址 城市 区 ... 更新时间 风险等级 统计时间
0 北京市西城区交大东路 北京市 西城区 ... 2021-01-21 13:52:29 低风险 20210119
1 北京市昌平区政府街 北京市 昌平区 ... 2021-01-21 13:52:28 低风险 20210119
2 北京市大兴区新源大街 北京市 大兴区 ... 2021-01-21 13:52:28 低风险 20210119
3 北京市昌平区政府街 北京市 昌平区 ... 2021-01-21 13:52:22 低风险 20210119
4 北京市朝阳区广顺北大街17-15号 北京市 朝阳区 ... 2021-01-21 13:52:20 低风险 20210119
.. ... ... ... ... ... ... ...
657 陕西省榆林市神木市迎宾路 榆林市 神木市 ... 2021-01-21 04:18:54 低风险 20210115
658 陕西省渭南市白水县新兴街 渭南市 白水县 ... 2021-01-21 04:18:53 低风险 20210114
659 陕西省咸阳市杨陵区神农路 咸阳市 杨陵区 ... 2021-01-21 04:18:52 低风险 20210114
660 陕西省榆林市神木市店红路 榆林市 神木市 ... 2021-01-13 16:18:30 低风险 20210112
661 陕西省榆林市神木市府阳路 榆林市 神木市 ... 2021-01-13 15:47:33 低风险 20210111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, 该接口需要通过代理访问
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 | 描述 |
|---|---|---|
| city | str | city="武汉市" |
输出参数-covid_19_hist_city
| 名称 | 类型 | 描述 |
|---|---|---|
| date | str | 时间（天） |
| country | str | 国家 |
| countryCode | float | 国家代码 |
| province | float | 省 |
| provinceCode | float | 省代码 |
| city | float | 市 |
| cityCode | float | 市代码 |
| confirmed | str | 确诊人数 |
| suspected | str | 疑似人数 |
| cured | str | 治愈人数 |
| dead | str | 死亡人数 |
接口示例-covid_19_hist_city
python
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 | 描述 |
|---|---|---|
| province | str | province="湖北省" |
输出参数-covid_19_hist_province
| 名称 | 类型 | 描述 |
|---|---|---|
| date | str | 时间（天） |
| country | str | 国家 |
| countryCode | float | 国家代码 |
| province | float | 省 |
| provinceCode | float | 省代码 |
| city | float | 市 |
| cityCode | float | 市代码 |
| confirmed | str | 确诊人数 |
| suspected | str | 疑似人数 |
| cured | str | 治愈人数 |
| dead | str | 死亡人数 |
接口示例-covid_19_hist_province
python
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 0COVID-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, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
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
python
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, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
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
python
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, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
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
python
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: 全球确诊数据所有历史数据, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
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
python
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, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
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
python
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, 如本地无法读取数据，请参考 [答疑专栏] 问题 12 修改本地 host 后获取
限量: 单次返回所有历史数据，每日更新
输入参数
| 名称 | 类型 | 描述 |
|---|---|---|
| - | - | - |
输出参数
| 名称 | 类型 | 描述 |
|---|---|---|
| Province/State | str | 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 | country/region name conforming to WHO (will be updated). |
| Lat and Long | float | a coordinates reference for the user. |
| Date fields | float | M/DD/YYYY (UTC), the same data as MM-DD-YYYY.csv file. |
接口示例
python
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