作者寄语
今日修复空气质量数据接口，并增加一部分新数据。一个对商品期货来说比较有意思的用法是可以监测炼钢厂区的空气质量情况来评估钢厂的开工情况。还有其他有意思的用法等待挖掘。
AkShare 另类数据
空气质量-全国
城市列表
接口: air_city_list
目标地址: https://www.aqistudy.cn/
描述: 获取所有空气质量数据的城市字典
限量: 单次返回所有可以获取的城市的字典
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 |
|---|---|---|---|
| example: {'北京': '北京'} | dict | Y | 字典映射 |
接口示例
import akshare as ak
air_city_dict_map = ak.air_city_dict()
print(air_city_dict_map)
数据示例
{'北京': '北京', '上海': '上海', '广州': '广州', '深圳': '深圳', '杭州': '杭州', '天津': '天津', '成都': '成都', '南京': '南京', '西安': '西安', '武汉': '武汉', '阿坝州': '阿坝州', '安康': '安康', '阿克苏地区': '阿克苏地区', '阿里地区': '阿里地区', '阿拉善盟': '阿拉善盟', '阿勒泰地区': '阿勒泰地区', '安庆': '安庆', '安顺': '安顺', '鞍山': '鞍山', '克孜勒苏州': '克孜勒苏州', '安阳': '安阳', '蚌埠': '蚌埠', '白城': '白城', '保定': '保定', '北海': '北海', '宝鸡': '宝鸡', '毕节': '毕节', '博州': '博州', '白山': '白山', '百色': '百色', '保山': '保山', '白沙': '白沙', '包头': '包头', '保亭': '保亭', '本溪': '本溪', '巴彦淖尔': '巴彦淖尔', '白银': '白银', '巴中': '巴中', '滨州': '滨州', '亳州': '亳州', '长春': '长春', '昌都': '昌都', '常德': '常德', '承德': '承德', '赤峰': '赤峰', '昌吉州': '昌吉州', '五家渠': '五家渠', '昌江': '昌江', '澄迈': '澄迈', '重庆': '重庆', '长沙': '长沙', '常熟': '常熟', '楚雄州': '楚雄州', '朝阳': '朝阳', '沧州': '沧州', '长治': '长治', '常州': '常州', '潮州': '潮州', '郴州': '郴州', '池州': '池州', '崇左': '崇左', '滁州': '滁州', '定安': '定安', '丹东': '丹东', '东方': '东方', '东莞': '东莞', '德宏州': '德宏州', '大理州': '大理州', '大连': '大连', '大庆': '大庆', '大同': '大同', '定西': '定西', '大兴安岭地区': '大兴安岭地区', '德阳': '德阳', '东营': '东营', '黔南州': '黔南州', '达州': '达州', '德州': '德州', '儋州': '儋州', '鄂尔多斯': '鄂尔多斯', '恩施州': '恩施州', '鄂州': '鄂州', '防城港': '防城港', '佛山': '佛山', '抚顺': '抚顺', '阜新': '阜新', '阜阳': '阜阳', '富阳': '富阳', '抚州': '抚州', '福州': '福州', '广安': '广安', '贵港': '贵港', '桂林': '桂林', '果洛州': '果洛州', '甘南州': '甘南州', '固原': '固原', '广元': '广元', '贵阳': '贵阳', '甘孜州': '甘孜州', '赣州': '赣州', '淮安': '淮安', '海北州': '海北州', '鹤壁': '鹤壁', '淮北': '淮北', '河池': '河池', '海东地区': '海东地区', '邯郸': '邯郸', '哈尔滨': '哈尔滨', '合肥': '合肥', '鹤岗': '鹤岗', '黄冈': '黄冈', '黑河': '黑河', '红河州': '红河州', '怀化': '怀化', '呼和浩特': '呼和浩特', '海口': '海口', '呼伦贝尔': '呼伦贝尔', '葫芦岛': '葫芦岛', '哈密地区': '哈密地区', '海门': '海门', '海南州': '海南州', '淮南': '淮南', '黄南州': '黄南州', '衡水': '衡水', '黄山': '黄山', '黄石': '黄石', '和田地区': '和田地区', '海西州': '海西州', '河源': '河源', '衡阳': '衡阳', '汉中': '汉中', '菏泽': '菏泽', '贺州': '贺州', '湖州': '湖州', '惠州': '惠州', '吉安': '吉安', '金昌': '金昌', '晋城': '晋城', '景德镇': '景德镇', '金华': '金华', '西双版纳州': '西双版纳州', '九江': '九江', '吉林': '吉林', '即墨': '即墨', '江门': '江门', '荆门': '荆门', '佳木斯': '佳木斯', '济南': '济南', '济宁': '济宁', '胶南': '胶南', '酒泉': '酒泉', '句容': '句容', '湘西州': '湘西州', '金坛': '金坛', '鸡西': '鸡西', '嘉兴': '嘉兴', '江阴': '江阴', '揭阳': '揭阳', '济源': '济源', '嘉峪关': '嘉峪关', '胶州': '胶州', '焦作': '焦作', '锦州': '锦州', '晋中': '晋中', '荆州': '荆州', '库尔勒': '库尔勒', '开封': '开封', '黔东南州': '黔东南州', '克拉玛依': '克拉玛依', '昆明': '昆明', '喀什地区': '喀什地区', '昆山': '昆山', '临安': '临安', '六安': '六安', '来宾': '来宾', '聊城': '聊城', '临沧': '临沧', '娄底': '娄底', '乐东': '乐东', '廊坊': '廊坊', '临汾': '临汾', '临高': '临高', '漯河': '漯河', '丽江': '丽江', '吕梁': '吕梁', '陇南': '陇南', '六盘水': '六盘水', '拉萨': '拉萨', '乐山': '乐山', '丽水': '丽水', '凉山州': '凉山州', '陵水': '陵水', '莱芜': '莱芜', '莱西': '莱西', '临夏州': '临夏州', '溧阳': '溧阳', '辽阳': '辽阳', '辽源': '辽源', '临沂': '临沂', '龙岩': '龙岩', '洛阳': '洛阳', '连云港': '连云港', '莱州': '莱州', '兰州': '兰州', '林芝': '林芝', '柳州': '柳州', '泸州': '泸州', '马鞍山': '马鞍山', '牡丹江': '牡丹江', '茂名': '茂名', '眉山': '眉山', '绵阳': '绵阳', '梅州': '梅州', '宁波': '宁波', '南昌': '南昌', '南充': '南充', '宁德': '宁德', '内江': '内江', '怒江州': '怒江州', '南宁': '南宁', '南平': '南平', '那曲地区': '那曲地区', '南通': '南通', '南阳': '南阳', '平度': '平度', '平顶山': '平顶山', '普洱': '普洱', '盘锦': '盘锦', '蓬莱': '蓬莱', '平凉': '平凉', '莆田': '莆田', '萍乡': '萍乡', '濮阳': '濮阳', '攀枝花': '攀枝花', '青岛': '青岛', '琼海': '琼海', '秦皇岛': '秦皇岛', '曲靖': '曲靖', '齐齐哈尔': '齐齐哈尔', '七台河': '七台河', '黔西南州': '黔西南州', '清远': '清远', '庆阳': '庆阳', '钦州': '钦州', '衢州': '衢州', '泉州': '泉州', '琼中': '琼中', '荣成': '荣成', '日喀则': '日喀则', '乳山': '乳山', '日照': '日照', '韶关': '韶关', '寿光': '寿光', '绥化': '绥化', '石河子': '石河子', '石家庄': '石家庄', '商洛': '商洛', '三明': '三明', '三门峡': '三门峡', '山南': '山南', '遂宁': '遂宁', '四平': '四平', '商丘': '商丘', '宿迁': '宿迁', '上饶': '上饶', '汕头': '汕头', '汕尾': '汕尾', '绍兴': '绍兴', '三亚': '三亚', '邵阳': '邵阳', '沈阳': '沈阳', '十堰': '十堰', '松原': '松原', '双鸭山': '双鸭山', '朔州': '朔州', '宿州': '宿州', '随州': '随州', '苏州': '苏州', '石嘴山': '石嘴山', '泰安': '泰安', '塔城地区': '塔城地区', '太仓': '太仓', '铜川': '铜川', '屯昌': '屯昌', '通化': '通化', '铁岭': '铁岭', '通辽': '通辽', '铜陵': '铜陵', '吐鲁番地区': '吐鲁番地区', '铜仁地区': '铜仁地区', '唐山': '唐山', '天水': '天水', '太原': '太原', '台州': '台州', '泰州': '泰州', '文昌': '文昌', '文登': '文登', '潍坊': '潍坊', '瓦房店': '瓦房店', '威海': '威海', '乌海': '乌海', '芜湖': '芜湖', '吴江': '吴江', '乌兰察布': '乌兰察布', '乌鲁木齐': '乌鲁木齐', '渭南': '渭南', '万宁': '万宁', '文山州': '文山州', '武威': '武威', '无锡': '无锡', '温州': '温州', '吴忠': '吴忠', '梧州': '梧州', '五指山': '五指山', '兴安盟': '兴安盟', '许昌': '许昌', '宣城': '宣城', '襄阳': '襄阳', '孝感': '孝感', '迪庆州': '迪庆州', '锡林郭勒盟': '锡林郭勒盟', '厦门': '厦门', '西宁': '西宁', '咸宁': '咸宁', '湘潭': '湘潭', '邢台': '邢台', '新乡': '新乡', '咸阳': '咸阳', '新余': '新余', '信阳': '信阳', '忻州': '忻州', '徐州': '徐州', '雅安': '雅安', '延安': '延安', '延边州': '延边州', '宜宾': '宜宾', '盐城': '盐城', '宜昌': '宜昌', '宜春': '宜春', '银川': '银川', '运城': '运城', '伊春': '伊春', '云浮': '云浮', '阳江': '阳江', '营口': '营口', '榆林': '榆林', '玉林': '玉林', '伊犁哈萨克州': '伊犁哈萨克州', '阳泉': '阳泉', '玉树州': '玉树州', '烟台': '烟台', '鹰潭': '鹰潭', '义乌': '义乌', '宜兴': '宜兴', '玉溪': '玉溪', '益阳': '益阳', '岳阳': '岳阳', '扬州': '扬州', '永州': '永州', '淄博': '淄博', '自贡': '自贡', '珠海': '珠海', '湛江': '湛江', '镇江': '镇江', '诸暨': '诸暨', '张家港': '张家港', '张家界': '张家界', '张家口': '张家口', '周口': '周口', '驻马店': '驻马店', '章丘': '章丘', '肇庆': '肇庆', '中山': '中山', '舟山': '舟山', '昭通': '昭通', '中卫': '中卫', '张掖': '张掖', '招远': '招远', '资阳': '资阳', '遵义': '遵义', '枣庄': '枣庄', '漳州': '漳州', '郑州': '郑州', '株洲': '株洲'}
空气质量历史数据
接口: air_quality_hist
目标地址: https://www.zq12369.com/
描述: 获取指定城市和数据频率下并且在指定时间段内的空气质量数据
限量: 单次返回所有的数据, 在提取一小时频率数据时请注意时间跨度不宜过长
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| city | str | Y | city="北京"; 调用 air_city_dict 接口获取所有城市列表 |
| period | str | Y | period="day"; "hour": 每小时一个数据, 由于数据量比较大, 下载较慢; "day": 每天一个数据; "month": 每个月一个数据 |
| start_date | str | Y | start_date="2020-03-20"; 注意 「start_date」 和 「end_date」 跨度不宜过长 |
| end_date | str | Y | end_date="2020-04-27"; 注意 「start_date」 和 「end_date」 跨度不宜过长 |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| time | str | Y | 日期时间索引 |
| aqi | str | Y | AQI |
| pm2_5 | float | Y | PM2.5 |
| pm10 | str | Y | PM10 |
| co | float | Y | CO |
| no2 | str | Y | NO2 |
| o3 | str | Y | O3 |
| so2 | str | Y | SO2 |
| complexindex | str | Y | 综合指数 |
| rank | str | Y | 排名 |
| primary_pollutant | str | Y | 主要污染物 |
| temp | str | Y | 温度 |
| humi | str | Y | 湿度 |
| windlevel | str | Y | 风级 |
| winddirection | str | Y | 风向 |
| weather | str | Y | 天气 |
接口示例-小时频率
import akshare as ak
air_quality_hist_df = ak.air_quality_hist(city="北京", period="hour", start_date="2020-04-25", end_date="2020-04-27")
print(air_quality_hist_df)
数据示例-小时频率
time aqi pm2_5 pm10 ... humi windlevel winddirection weather
0 2020-04-25 00:00:00 111 27 172 ... 16 4 东北风 晴转多云
1 2020-04-25 01:00:00 103 20 156 ... 16 4 东北风 晴转多云
2 2020-04-25 02:00:00 110 14 170 ... 18 3 北风 晴转多云
3 2020-04-25 03:00:00 87 11 123 ... 18 4 北风 晴转多云
4 2020-04-25 04:00:00 68 9 85 ... 16 4 北风 晴转多云
.. ... ... ... ... ... ... ... ... ...
67 2020-04-27 19:00:00 68 48 85 ... 25 2 西南风 晴
68 2020-04-27 20:00:00 66 47 82 ... 25 2 西南风 晴
69 2020-04-27 21:00:00 67 46 84 ... 30 2 西南风 晴
70 2020-04-27 22:00:00 68 42 86 ... 28 3 西南风 晴
71 2020-04-27 23:00:00 69 43 87 ... 32 2 西南风 晴
接口示例-天频率
import akshare as ak
air_quality_hist_df = ak.air_quality_hist(city="北京", period="day", start_date="2020-03-20", end_date="2020-04-27")
print(air_quality_hist_df)
数据示例-天频率
time aqi pm2_5 pm10 ... humi windlevel winddirection weather
0 2020-03-20 60 29 70 ... 28.667 1.542
1 2020-03-21 72 27 94 ... 25.250 2.042
2 2020-03-22 62 30 74 ... 32.375 2.167
3 2020-03-23 53 28 55 ... 35.333 1.542
4 2020-03-24 70 51 68 ... 36.958 1.458
5 2020-03-25 153 117 111 ... 49.833 1.792
6 2020-03-26 39 8 24 ... 41.500 3.125
7 2020-03-27 40 5 21 ... 15.083 2.500
8 2020-03-28 39 10 28 ... 23.917 1.792
9 2020-03-29 63 45 72 ... 35.292 1.958
10 2020-03-30 92 68 87 ... 48.208 2.208
11 2020-03-31 87 64 75 ... 53.826 2.130
12 2020-04-01 42 9 21 ... 19.250 2.250
13 2020-04-02 42 16 34 ... 34.458 1.500
14 2020-04-03 47 14 36 ... 28.000 2.000
15 2020-04-04 102 23 154 ... 24.708 2.500
16 2020-04-05 69 30 88 ... 32.250 1.667
17 2020-04-06 86 62 122 ... 42.500 1.667
18 2020-04-07 77 45 103 ... 34.167 2.042
19 2020-04-08 55 21 60 ... 33.042 1.750
20 2020-04-09 49 34 47 ... 56.500 1.875
21 2020-04-10 70 39 50 ... 46.542 1.417
22 2020-04-11 51 20 38 ... 30.083 1.708
23 2020-04-12 54 17 52 ... 13.333 1.958
24 2020-04-13 59 26 67 ... 31.435 1.391
25 2020-04-14 104 66 102 ... 35.500 1.750
26 2020-04-15 95 63 93 ... 45.292 1.875
27 2020-04-16 63 23 75 ... 54.583 2.250
28 2020-04-17 78 23 37 ... 36.292 2.167
29 2020-04-18 75 33 45 ... 40.000 1.500
30 2020-04-19 94 39 54 ... 49.227 2.546
31 2020-04-20 45 7 31 ... 23.708 3.167
32 2020-04-21 42 7 33 ... 18.917 2.833
33 2020-04-22 43 6 24 ... 12.125 2.667
34 2020-04-23 45 7 21 ... 13.727 2.091
35 2020-04-24 91 19 132 ... 12.375 2.875
36 2020-04-25 52 10 53 ... 16.375 2.458
37 2020-04-26 50 14 33 ... 25.375 1.792
38 2020-04-27 76 41 63 ... 35.958 1.875
接口示例-月频率
import akshare as ak
air_quality_hist_df = ak.air_quality_hist(city="北京", period="month", start_date="2019-04-25", end_date="2020-04-27")
print(air_quality_hist_df)
数据示例-月频率
aqi cityname time ... complexindex fcomplexindex primary_pollutant
0 94 北京 2019-05 ... None 4.596 None
1 123 北京 2019-06 ... None 4.629 None
2 106 北京 2019-07 ... None 4.150 None
3 71 北京 2019-08 ... None 3.206 None
4 97 北京 2019-09 ... None 4.295 None
5 68 北京 2019-10 ... None 3.829 None
6 76 北京 2019-11 ... None 4.402 None
7 74 北京 2019-12 ... None 4.225 None
8 87 北京 2020-01 ... None 4.774 None
9 88 北京 2020-02 ... None 4.349 None
10 62 北京 2020-03 ... None 3.174 None
空气质量排名
接口: air_quality_rank
目标地址: https://www.zq12369.com/environment.php
描述: 获取指定 「date」 时间点上所有城市(168个)的空气质量数据
限量: 单次返回所有的数据
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| date | str | Y | date="2020-03-12"; "实时": 当前时刻空气质量排名; "2020-03-12": 当日空气质量排名; "2020-03": 当月空气质量排名; "2019": 当年空气质量排名; |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| 降序 | str | Y | 排名 |
| 省份 | str | Y | - |
| 城市 | str | Y | - |
| AQI | float | Y | - |
| 空气质量 | str | Y | - |
| PM2.5浓度 | str | Y | - |
| 首要污染物 | str | Y | - |
接口示例-实时
import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="实时")
print(air_quality_rank_df)
数据示例-实时
降序 省份 城市 AQI 空气质量 PM2.5浓度 首要污染物
1 1.0 山西 太原 123.0 轻度污染 93 ug/m3 PM2.5
2 2.0 山东 德州 116.0 轻度污染 33 ug/m3 PM10
3 3.0 河南 安阳 111.0 轻度污染 60 ug/m3 PM10
4 4.0 吉林 长春 108.0 轻度污染 81 ug/m3 PM2.5
5 5.0 广东 佛山 100.0 良 55 ug/m3 O3
.. ... .. .. ... ... ... ...
164 164.0 广东 珠海 34.0 优 16 ug/m3 NaN
165 165.0 江苏 南通 34.0 优 23 ug/m3 NaN
166 166.0 浙江 舟山 30.0 优 11 ug/m3 NaN
167 167.0 四川 雅安 30.0 优 13 ug/m3 NaN
168 168.0 西藏 拉萨 29.0 优 9 ug/m3 NaN
接口示例-具体某天
import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2020-03-20")
print(air_quality_rank_df)
数据示例-具体某天
降序 省份 城市 AQI 空气质量 PM2.5浓度 首要污染物
1 1.0 山西 晋城 124.0 轻度污染 42 ug/m3 PM10
2 2.0 山东 德州 120.0 轻度污染 36 ug/m3 PM10
3 3.0 河南 焦作 118.0 轻度污染 42 ug/m3 PM10
4 4.0 山东 菏泽 118.0 轻度污染 33 ug/m3 PM10
5 5.0 河南 安阳 118.0 轻度污染 44 ug/m3 PM10
.. ... ... ... ... ... ... ...
164 164.0 广东 深圳 45.0 优 29 ug/m3 NaN
165 165.0 黑龙江 哈尔滨 43.0 优 30 ug/m3 NaN
166 166.0 广东 惠州 43.0 优 30 ug/m3 NaN
167 167.0 新疆 乌鲁木齐 32.0 优 17 ug/m3 NaN
168 168.0 海南 海口 29.0 优 13 ug/m3 NaN
接口示例-具体某月
import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2020-03")
print(air_quality_rank_df)
数据示例-具体某月
降序 省份 城市 综合指数 最大指数 首要污染物
1 1.0 河南 安阳 5.29 1.60 PM2.5
2 2.0 山东 淄博 5.27 1.51 PM2.5
3 3.0 山东 枣庄 5.19 1.54 PM2.5
4 4.0 河南 焦作 5.16 1.54 PM10
5 5.0 陕西 西安 5.11 1.59 PM10
.. ... .. .. ... ... ...
164 164.0 广东 惠州 2.52 0.69 O3
165 165.0 广东 中山 2.51 0.74 O3
166 166.0 浙江 舟山 2.27 0.70 O3
167 167.0 海南 海口 1.84 0.58 O3
168 168.0 西藏 拉萨 1.78 0.72 O3
接口示例-具体某年
import akshare as ak
air_quality_rank_df = ak.air_quality_rank(date="2019")
print(air_quality_rank_df)
数据示例-具体某年
降序 省份 城市 综合指数 最大指数 首要污染物
1 1.0 河南 安阳 6.91 2.03 PM2.5
2 2.0 河北 邢台 6.85 1.86 PM2.5
3 3.0 河北 石家庄 6.80 1.80 PM2.5
4 4.0 河北 邯郸 6.77 1.89 PM2.5
5 5.0 山西 临汾 6.74 1.77 PM2.5
.. ... .. ... ... ... ...
164 164.0 福建 厦门 2.98 0.84 O3
165 165.0 安徽 黄山 2.95 0.84 O3
166 166.0 浙江 舟山 2.68 0.82 O3
167 167.0 海南 海口 2.47 0.90 O3
168 168.0 西藏 拉萨 2.39 0.81 O3
监测点空气质量
接口: air_quality_watch_point
目标地址: https://www.zq12369.com/environment.php
描述: 获取每个城市的所有空气质量监测点的数据
限量: 单次返回指定城市指定日期区间的所有监测点的空气质量数据
输入参数
| 名称 | 类型 | 必选 | 描述 |
|---|---|---|---|
| city | str | Y | city="杭州"; 调用 air_city_dict 接口获取所有城市列表 |
| start_date | str | Y | start_date="2018-01-01" |
| end_date | str | Y | end_date="2020-04-27" |
输出参数
| 名称 | 类型 | 默认显示 | 描述 |
|---|---|---|---|
| pointname | str | Y | 监测点名称 |
| aqi | float | Y | AQI |
| pm2_5 | float | Y | PM2.5 |
| pm10 | float | Y | PM10 |
| no2 | float | Y | NO2 |
| so2 | float | Y | SO2 |
| o3 | float | Y | O3 |
| co | float | Y | CO |
接口示例
import akshare as ak
air_quality_watch_point_df = ak.air_quality_watch_point(city="杭州", start_date="2018-01-01", end_date="2020-04-27")
print(air_quality_watch_point_df)
数据示例
pointname aqi ... o3 co
0 朝晖五区 83.9315 ... 162.4 1.3581999999999999
1 浙江农大 82.7099 ... 183 1.3
2 城厢镇 82.2618 ... 175 1.2643
3 下沙 81.5554 ... 175 1.2
4 临平镇 80.2429 ... 174.6 1.2182
5 和睦小学 79.7488 ... 170 1.2209
6 西溪 78.5832 ... 173 1.1
7 滨江 77.9729 ... 172 1.3
8 卧龙桥 71.1863 ... 161 1.13265
9 云栖 70.4404 ... 168 1.2
10 千岛湖 55.8762 ... 143.00000000000003 1
本文分享自微信公众号 - 数据科学实战（dsaction）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4486485/blog/4341060