知微
fa45d8aa5f
- health_checklist.json: 192.168.1.122→node122
- ocr_client.py: docstring IP→node122
- docs/market-data-requirements.md: IP→node122
- 所有API调用通过ProxyHandler({})绕过系统代理
Privoxy对node122:18003返回500，直连正常
1309 lines
47 KiB
Python
1309 lines
47 KiB
Python
#!/usr/bin/env python
|
|
# -*- coding:utf-8 -*-
|
|
"""
|
|
Date: 2024/4/4 18:00
|
|
Desc: 金十数据中心-经济指标-美国
|
|
https://datacenter.jin10.com/economic
|
|
"""
|
|
|
|
import datetime
|
|
import time
|
|
|
|
import pandas as pd
|
|
import requests
|
|
|
|
|
|
def __macro_usa_base_func(symbol: str, params: dict) -> pd.DataFrame:
|
|
"""
|
|
金十数据中心-经济指标-美国-基础函数
|
|
https://datacenter.jin10.com/economic
|
|
:return: 美国经济指标数据
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
import warnings
|
|
|
|
warnings.filterwarnings(action="ignore", category=FutureWarning)
|
|
headers = {
|
|
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) "
|
|
"Chrome/107.0.0.0 Safari/537.36",
|
|
"x-app-id": "rU6QIu7JHe2gOUeR",
|
|
"x-csrf-token": "x-csrf-token",
|
|
"x-version": "1.0.0",
|
|
}
|
|
url = "https://datacenter-api.jin10.com/reports/list_v2"
|
|
params = params
|
|
big_df = pd.DataFrame()
|
|
while True:
|
|
r = requests.get(url, params=params, headers=headers)
|
|
data_json = r.json()
|
|
if not data_json["data"]["values"]:
|
|
break
|
|
temp_df = pd.DataFrame(data_json["data"]["values"])
|
|
big_df = pd.concat(objs=[big_df, temp_df], ignore_index=True)
|
|
last_date_str = temp_df.iat[-1, 0]
|
|
last_date_str = (
|
|
(
|
|
datetime.datetime.strptime(last_date_str, "%Y-%m-%d")
|
|
- datetime.timedelta(days=1)
|
|
)
|
|
.date()
|
|
.isoformat()
|
|
)
|
|
params.update({"max_date": f"{last_date_str}"})
|
|
big_df.columns = [
|
|
"日期",
|
|
"今值",
|
|
"预测值",
|
|
"前值",
|
|
]
|
|
big_df["商品"] = symbol
|
|
big_df = big_df[
|
|
[
|
|
"商品",
|
|
"日期",
|
|
"今值",
|
|
"预测值",
|
|
"前值",
|
|
]
|
|
]
|
|
big_df["日期"] = pd.to_datetime(big_df["日期"], errors="coerce").dt.date
|
|
big_df["今值"] = pd.to_numeric(big_df["今值"], errors="coerce")
|
|
big_df["预测值"] = pd.to_numeric(big_df["预测值"], errors="coerce")
|
|
big_df["前值"] = pd.to_numeric(big_df["前值"], errors="coerce")
|
|
big_df.sort_values(["日期"], inplace=True)
|
|
big_df.reset_index(inplace=True, drop=True)
|
|
return big_df
|
|
|
|
|
|
# 东方财富-美国-未决房屋销售月率
|
|
def macro_usa_phs() -> pd.DataFrame:
|
|
"""
|
|
东方财富-经济数据一览-美国-未决房屋销售月率
|
|
https://data.eastmoney.com/cjsj/foreign_0_5.html
|
|
:return: 未决房屋销售月率
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
url = "https://datacenter-web.eastmoney.com/api/data/v1/get"
|
|
params = {
|
|
"reportName": "RPT_ECONOMICVALUE_USA",
|
|
"columns": "ALL",
|
|
"filter": '(INDICATOR_ID="EMG00342249")',
|
|
"pageNumber": "1",
|
|
"pageSize": "2000",
|
|
"sortColumns": "REPORT_DATE",
|
|
"sortTypes": "-1",
|
|
"source": "WEB",
|
|
"client": "WEB",
|
|
"p": "1",
|
|
"pageNo": "1",
|
|
"pageNum": "1",
|
|
}
|
|
r = requests.get(url, params=params)
|
|
data_json = r.json()
|
|
temp_df = pd.DataFrame(data_json["result"]["data"])
|
|
temp_df.columns = [
|
|
"-",
|
|
"-",
|
|
"-",
|
|
"时间",
|
|
"-",
|
|
"发布日期",
|
|
"现值",
|
|
"前值",
|
|
]
|
|
temp_df = temp_df[
|
|
[
|
|
"时间",
|
|
"前值",
|
|
"现值",
|
|
"发布日期",
|
|
]
|
|
]
|
|
temp_df["前值"] = pd.to_numeric(temp_df["前值"], errors="coerce")
|
|
temp_df["现值"] = pd.to_numeric(temp_df["现值"], errors="coerce")
|
|
temp_df["发布日期"] = pd.to_datetime(temp_df["发布日期"], errors="coerce").dt.date
|
|
return temp_df
|
|
|
|
|
|
# 东方财富-经济指标-美国-物价水平-美国核心CPI月率报告
|
|
def macro_usa_cpi_yoy() -> pd.DataFrame:
|
|
"""
|
|
东方财富-经济数据一览-美国-CPI年率, 数据区间从 2008-至今
|
|
https://data.eastmoney.com/cjsj/foreign_0_12.html
|
|
:return: 美国 CPI 年率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
url = "https://datacenter-web.eastmoney.com/api/data/v1/get"
|
|
params = {
|
|
"reportName": "RPT_ECONOMICVALUE_USA",
|
|
"columns": "ALL",
|
|
"filter": '(INDICATOR_ID="EMG00000733")',
|
|
"sortColumns": "REPORT_DATE",
|
|
"sortTypes": "-1",
|
|
"source": "WEB",
|
|
"client": "WEB",
|
|
}
|
|
r = requests.get(url, params=params)
|
|
data_json = r.json()
|
|
data_list = data_json["result"]["data"]
|
|
temp_df = pd.DataFrame(
|
|
data_list, columns=["REPORT_DATE", "PUBLISH_DATE", "VALUE", "PRE_VALUE"]
|
|
)
|
|
temp_df.columns = [
|
|
"时间",
|
|
"发布日期",
|
|
"现值",
|
|
"前值",
|
|
]
|
|
temp_df["时间"] = pd.to_datetime(temp_df["时间"], errors="coerce").dt.date
|
|
temp_df["发布日期"] = pd.to_datetime(temp_df["发布日期"], errors="coerce").dt.date
|
|
temp_df["前值"] = pd.to_numeric(temp_df["前值"], errors="coerce")
|
|
temp_df["现值"] = pd.to_numeric(temp_df["现值"], errors="coerce")
|
|
temp_df.sort_values(by=["时间"], inplace=True, ignore_index=True)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-经济状况-美国GDP
|
|
def macro_usa_gdp_monthly() -> pd.DataFrame:
|
|
"""
|
|
金十数据-美国国内生产总值(GDP)报告, 数据区间从 20080228-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_gdp
|
|
:return: 美国国内生产总值(GDP)
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "53",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国国内生产总值(GDP)", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国CPI月率报告
|
|
def macro_usa_cpi_monthly() -> pd.DataFrame:
|
|
"""
|
|
美国 CPI 月率报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_cpi
|
|
:return: 美国 CPI 月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "9",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国CPI月率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国核心CPI月率报告
|
|
def macro_usa_core_cpi_monthly() -> pd.DataFrame:
|
|
"""
|
|
美国核心 CPI 月率报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_core_cpi
|
|
:return: 美国核心CPI月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "6",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国核心CPI月率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国个人支出月率报告
|
|
def macro_usa_personal_spending() -> pd.DataFrame:
|
|
"""
|
|
美国个人支出月率报告, 数据区间从19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_personal_spending
|
|
:return: 美国个人支出月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "35",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国个人支出月率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国零售销售月率报告
|
|
def macro_usa_retail_sales() -> pd.DataFrame:
|
|
"""
|
|
美国零售销售月率报告, 数据区间从 19920301-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_retail_sales
|
|
:return: 美国零售销售月率报告-今值(%)
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "39",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国零售销售月率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国进口物价指数报告
|
|
def macro_usa_import_price() -> pd.DataFrame:
|
|
"""
|
|
美国进口物价指数报告, 数据区间从19890201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_import_price
|
|
:return: 美国进口物价指数报告-今值(%)
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "18",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国进口物价指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国出口价格指数报告
|
|
def macro_usa_export_price() -> pd.DataFrame:
|
|
"""
|
|
美国出口价格指数报告, 数据区间从19890201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_export_price
|
|
https://cdn.jin10.com/dc/reports/dc_usa_export_price_all.js?v=1578741832
|
|
:return: 美国出口价格指数报告-今值(%)
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "79",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国出口价格指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-LMCI
|
|
def macro_usa_lmci() -> pd.DataFrame:
|
|
"""
|
|
美联储劳动力市场状况指数报告, 数据区间从 20141006-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_lmci
|
|
:return: 美联储劳动力市场状况指数报告-今值(%)
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "93",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美联储劳动力市场状况指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-失业率-美国失业率报告
|
|
def macro_usa_unemployment_rate() -> pd.DataFrame:
|
|
"""
|
|
美国失业率报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_unemployment_rate
|
|
:return: 获取美国失业率报告
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "47",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国失业率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-失业率-美国挑战者企业裁员人数报告
|
|
def macro_usa_job_cuts() -> pd.DataFrame:
|
|
"""
|
|
美国挑战者企业裁员人数报告, 数据区间从 19940201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_job_cuts
|
|
:return: 美国挑战者企业裁员人数报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "78",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国挑战者企业裁员人数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-就业人口-美国非农就业人数报告
|
|
def macro_usa_non_farm() -> pd.DataFrame:
|
|
"""
|
|
美国非农就业人数报告, 数据区间从19700102-至今
|
|
https://datacenter.jin10.com/reportType/dc_nonfarm_payrolls
|
|
:return: 美国非农就业人数报告
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "33",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国非农就业人数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-就业人口-美国ADP就业人数报告
|
|
def macro_usa_adp_employment() -> pd.DataFrame:
|
|
"""
|
|
美国ADP就业人数报告, 数据区间从 20010601-至今
|
|
https://datacenter.jin10.com/reportType/dc_adp_nonfarm_employment
|
|
:return: 美国ADP就业人数报告
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "1",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国ADP就业人数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-消费者收入与支出-美国核心PCE物价指数年率报告
|
|
def macro_usa_core_pce_price() -> pd.DataFrame:
|
|
"""
|
|
美国核心PCE物价指数年率报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_core_pce_price
|
|
:return: 美国核心PCE物价指数年率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "80",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国核心PCE物价指数年率", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-消费者收入与支出-美国实际个人消费支出季率初值报告
|
|
def macro_usa_real_consumer_spending() -> pd.DataFrame:
|
|
"""
|
|
美国实际个人消费支出季率初值报告, 数据区间从 20131107-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_real_consumer_spending
|
|
:return: 美国实际个人消费支出季率初值报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "81",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(
|
|
symbol="美国实际个人消费支出季率初值", params=params
|
|
)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-贸易状况-美国贸易帐报告
|
|
def macro_usa_trade_balance() -> pd.DataFrame:
|
|
"""
|
|
美国贸易帐报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_trade_balance
|
|
:return: 美国贸易帐报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "42",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国贸易帐报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-贸易状况-美国经常帐报告
|
|
def macro_usa_current_account() -> pd.DataFrame:
|
|
"""
|
|
美国经常帐报告, 数据区间从 20080317-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_current_account
|
|
:return: 美国经常帐报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"category": "ec",
|
|
"attr_id": "12",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国经常账报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-贝克休斯钻井报告
|
|
def macro_usa_rig_count() -> pd.DataFrame:
|
|
"""
|
|
贝克休斯钻井报告, 数据区间从 20080317-至今
|
|
https://datacenter.jin10.com/reportType/dc_rig_count_summary
|
|
:return: 贝克休斯钻井报告-当周
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": t}
|
|
res = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/baker.json", params=params
|
|
)
|
|
temp_df = pd.DataFrame(res.json().get("values")).T
|
|
big_df = pd.DataFrame()
|
|
big_df["钻井总数_钻井数"] = temp_df["钻井总数"].apply(lambda x: x[0])
|
|
big_df["钻井总数_变化"] = temp_df["钻井总数"].apply(lambda x: x[1])
|
|
big_df["美国石油钻井_钻井数"] = temp_df["美国石油钻井"].apply(lambda x: x[0])
|
|
big_df["美国石油钻井_变化"] = temp_df["美国石油钻井"].apply(lambda x: x[1])
|
|
big_df["混合钻井_钻井数"] = temp_df["混合钻井"].apply(lambda x: x[0])
|
|
big_df["混合钻井_变化"] = temp_df["混合钻井"].apply(lambda x: x[1])
|
|
big_df["美国天然气钻井_钻井数"] = temp_df["美国天然气钻井"].apply(lambda x: x[0])
|
|
big_df["美国天然气钻井_变化"] = temp_df["美国天然气钻井"].apply(lambda x: x[1])
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], inplace=True, ignore_index=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国生产者物价指数(PPI)报告
|
|
def macro_usa_ppi() -> pd.DataFrame:
|
|
"""
|
|
美国生产者物价指数(PPI)报告, 数据区间从 20080226-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_ppi
|
|
:return: 美国生产者物价指数(PPI)报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "37",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国生产者物价指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国核心生产者物价指数(PPI)报告
|
|
def macro_usa_core_ppi() -> pd.DataFrame:
|
|
"""
|
|
美国核心生产者物价指数(PPI)报告, 数据区间从20080318-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_core_ppi
|
|
:return: 美国核心生产者物价指数(PPI)报告-今值(%)
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "7",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国核心生产者物价指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国API原油库存报告
|
|
def macro_usa_api_crude_stock() -> pd.DataFrame:
|
|
"""
|
|
美国 API 原油库存报告, 数据区间从 20120328-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_api_crude_stock
|
|
https://cdn.jin10.com/dc/reports/dc_usa_api_crude_stock_all.js?v=1578743859
|
|
:return: 美国API原油库存报告-今值(万桶)
|
|
:rtype: pandas.Series
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "69",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国API原油库存", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国Markit制造业PMI初值报告
|
|
def macro_usa_pmi() -> pd.DataFrame:
|
|
"""
|
|
美国 Markit 制造业 PMI 初值报告, 数据区间从 20120601-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_pmi
|
|
:return: 美国 Markit 制造业 PMI 初值报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "74",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国Markit制造业PMI报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国ISM制造业PMI报告
|
|
def macro_usa_ism_pmi() -> pd.DataFrame:
|
|
"""
|
|
美国 ISM 制造业 PMI 报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_ism_pmi
|
|
:return: 美国 ISM 制造业 PMI 报告-今值
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "28",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国ISM制造业PMI报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-工业-美国工业产出月率报告
|
|
def macro_usa_industrial_production() -> pd.DataFrame:
|
|
"""
|
|
美国工业产出月率报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_industrial_production
|
|
:return: 美国工业产出月率报告-今值(%)
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "20",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国工业产出月率报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-工业-美国耐用品订单月率报告
|
|
def macro_usa_durable_goods_orders() -> pd.DataFrame:
|
|
"""
|
|
美国耐用品订单月率报告, 数据区间从 20080227-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_durable_goods_orders
|
|
:return: 美国耐用品订单月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "13",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国耐用品订单月率报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-工业-美国工厂订单月率报告
|
|
def macro_usa_factory_orders() -> pd.DataFrame:
|
|
"""
|
|
美国工厂订单月率报告, 数据区间从 19920401-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_factory_orders
|
|
:return: 美国工厂订单月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "16",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国工厂订单月率报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-服务业-美国Markit服务业PMI初值报告
|
|
def macro_usa_services_pmi() -> pd.DataFrame:
|
|
"""
|
|
美国Markit服务业PMI初值报告, 数据区间从 20120701-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_services_pmi
|
|
:return: 美国Markit服务业PMI初值报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "89",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国Markit服务业PMI初值报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-服务业-美国商业库存月率报告
|
|
def macro_usa_business_inventories() -> pd.DataFrame:
|
|
"""
|
|
美国商业库存月率报告, 数据区间从 19920301-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_business_inventories
|
|
:return: 美国商业库存月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "4",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国商业库存月率报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-服务业-美国ISM非制造业PMI报告
|
|
def macro_usa_ism_non_pmi() -> pd.DataFrame:
|
|
"""
|
|
美国ISM非制造业PMI报告, 数据区间从 19970801-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_ism_non_pmi
|
|
:return: 美国ISM非制造业PMI报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "29",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国ISM非制造业PMI报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国NAHB房产市场指数报告
|
|
def macro_usa_nahb_house_market_index() -> pd.DataFrame:
|
|
"""
|
|
美国NAHB房产市场指数报告, 数据区间从 19850201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_nahb_house_market_index
|
|
:return: 美国NAHB房产市场指数报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "31",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国NAHB房产市场指数报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国新屋开工总数年化报告
|
|
def macro_usa_house_starts() -> pd.DataFrame:
|
|
"""
|
|
美国新屋开工总数年化报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_house_starts
|
|
:return: 美国新屋开工总数年化报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "17",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国新屋开工总数年化报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国新屋销售总数年化报告
|
|
def macro_usa_new_home_sales() -> pd.DataFrame:
|
|
"""
|
|
美国新屋销售总数年化报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_new_home_sales
|
|
:return: 美国新屋销售总数年化报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "32",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国新屋销售总数年化报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国营建许可总数报告
|
|
def macro_usa_building_permits() -> pd.DataFrame:
|
|
"""
|
|
美国营建许可总数报告, 数据区间从 20080220-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_building_permits
|
|
:return: 美国营建许可总数报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "3",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国营建许可总数报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国成屋销售总数年化报告
|
|
def macro_usa_exist_home_sales() -> pd.DataFrame:
|
|
"""
|
|
美国成屋销售总数年化报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_exist_home_sales
|
|
:return: 美国成屋销售总数年化报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "15",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国成屋销售总数年化报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国FHFA房价指数月率报告
|
|
def macro_usa_house_price_index() -> pd.DataFrame:
|
|
"""
|
|
美国FHFA房价指数月率报告, 数据区间从 19910301-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_house_price_index
|
|
:return: 美国FHFA房价指数月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "51",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国FHFA房价指数月率报告", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国S&P/CS20座大城市房价指数年率报告
|
|
def macro_usa_spcs20() -> pd.DataFrame:
|
|
"""
|
|
美国S&P/CS20座大城市房价指数年率报告, 数据区间从 20010201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_spcs20
|
|
:return: 美国S&P/CS20座大城市房价指数年率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "52",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(
|
|
symbol="美国S&P/CS20座大城市房价指数年率", params=params
|
|
)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国成屋签约销售指数月率报告
|
|
def macro_usa_pending_home_sales() -> pd.DataFrame:
|
|
"""
|
|
美国成屋签约销售指数月率报告, 数据区间从 20010301-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_pending_home_sales
|
|
:return: 美国成屋签约销售指数月率报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "34",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(
|
|
symbol="美国成屋签约销售指数月率报告", params=params
|
|
)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国谘商会消费者信心指数报告
|
|
def macro_usa_cb_consumer_confidence() -> pd.DataFrame:
|
|
"""
|
|
金十数据中心-经济指标-美国-领先指标-美国谘商会消费者信心指数报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_cb_consumer_confidence
|
|
:return: 美国谘商会消费者信心指数报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "5",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国谘商会消费者信心指数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国NFIB小型企业信心指数报告
|
|
def macro_usa_nfib_small_business() -> pd.DataFrame:
|
|
"""
|
|
美国NFIB小型企业信心指数报告, 数据区间从 19750201-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_nfib_small_business
|
|
:return: 美国NFIB小型企业信心指数报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "63",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(
|
|
symbol="美国NFIB小型企业信心指数报告", params=params
|
|
)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国密歇根大学消费者信心指数初值报告
|
|
def macro_usa_michigan_consumer_sentiment() -> pd.DataFrame:
|
|
"""
|
|
美国密歇根大学消费者信心指数初值报告, 数据区间从 19700301-至今
|
|
https://datacenter.jin10.com/reportType/dc_usa_michigan_consumer_sentiment
|
|
:return: 美国密歇根大学消费者信心指数初值报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "50",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(
|
|
symbol="美国密歇根大学消费者信心指数初值报告", params=params
|
|
)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国EIA原油库存报告
|
|
def macro_usa_eia_crude_rate() -> pd.DataFrame:
|
|
"""
|
|
美国 EIA 原油库存报告, 数据区间从 19950801-至今
|
|
https://datacenter.jin10.com/reportType/dc_eia_crude_oil
|
|
:return: 美国 EIA 原油库存报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "10",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国EIA原油库存", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国初请失业金人数报告
|
|
def macro_usa_initial_jobless() -> pd.DataFrame:
|
|
"""
|
|
美国初请失业金人数报告, 数据区间从 19700101-至今
|
|
https://datacenter.jin10.com/reportType/dc_initial_jobless
|
|
:return: 美国 EIA 原油库存报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {
|
|
"max_date": "",
|
|
"category": "ec",
|
|
"attr_id": "44",
|
|
"_": str(int(round(t * 1000))),
|
|
}
|
|
temp_df = __macro_usa_base_func(symbol="美国初请失业金人数", params=params)
|
|
return temp_df
|
|
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国原油产量报告
|
|
def macro_usa_crude_inner() -> pd.DataFrame:
|
|
"""
|
|
美国原油产量报告, 数据区间从 19830107-至今
|
|
https://datacenter.jin10.com/reportType/dc_eia_crude_oil_produce
|
|
:return: 美国原油产量报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": t}
|
|
res = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/usa_oil.json", params=params
|
|
)
|
|
temp_df = pd.DataFrame(res.json().get("values")).T
|
|
big_df = pd.DataFrame()
|
|
big_df["美国国内原油总量-产量"] = temp_df["美国国内原油总量"].apply(lambda x: x[0])
|
|
big_df["美国国内原油总量-变化"] = temp_df["美国国内原油总量"].apply(lambda x: x[1])
|
|
big_df["美国本土48州原油产量-产量"] = temp_df["美国本土48州原油产量"].apply(
|
|
lambda x: x[0]
|
|
)
|
|
big_df["美国本土48州原油产量-变化"] = temp_df["美国本土48州原油产量"].apply(
|
|
lambda x: x[1]
|
|
)
|
|
big_df["美国阿拉斯加州原油产量-产量"] = temp_df["美国阿拉斯加州原油产量"].apply(
|
|
lambda x: x[0]
|
|
)
|
|
big_df["美国阿拉斯加州原油产量-变化"] = temp_df["美国阿拉斯加州原油产量"].apply(
|
|
lambda x: x[1]
|
|
)
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC外汇类非商业持仓报告
|
|
def macro_usa_cftc_nc_holding() -> pd.DataFrame:
|
|
"""
|
|
美国商品期货交易委员会CFTC外汇类非商业持仓报告, 数据区间从 19830107-至今
|
|
https://datacenter.jin10.com/reportType/dc_cftc_nc_report
|
|
:return: 美国商品期货交易委员会CFTC外汇类非商业持仓报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": str(int(round(t * 1000)))}
|
|
r = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/cftc_4.json", params=params
|
|
)
|
|
json_data = r.json()
|
|
temp_df = pd.DataFrame(json_data["values"]).T
|
|
temp_df.fillna(value="[0, 0, 0]", inplace=True)
|
|
big_df = pd.DataFrame()
|
|
for item in temp_df.columns:
|
|
for i in range(3):
|
|
inner_temp_df = temp_df.loc[:, item].apply(lambda x: eval(str(x))[i])
|
|
inner_temp_df.name = inner_temp_df.name + "-" + json_data["keys"][i]["name"]
|
|
big_df = pd.concat(objs=[big_df, inner_temp_df], axis=1)
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC商品类非商业持仓报告
|
|
def macro_usa_cftc_c_holding() -> pd.DataFrame:
|
|
"""
|
|
美国商品期货交易委员会CFTC商品类非商业持仓报告, 数据区间从 19830107-至今
|
|
https://datacenter.jin10.com/reportType/dc_cftc_c_report
|
|
:return: 美国商品期货交易委员会CFTC外汇类非商业持仓报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": str(int(round(t * 1000)))}
|
|
r = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/cftc_2.json", params=params
|
|
)
|
|
json_data = r.json()
|
|
temp_df = pd.DataFrame(json_data["values"]).T
|
|
temp_df.fillna(value="[0, 0, 0]", inplace=True)
|
|
big_df = pd.DataFrame()
|
|
for item in temp_df.columns:
|
|
for i in range(3):
|
|
inner_temp_df = temp_df.loc[:, item].apply(lambda x: eval(str(x))[i])
|
|
inner_temp_df.name = inner_temp_df.name + "-" + json_data["keys"][i]["name"]
|
|
big_df = pd.concat(objs=[big_df, inner_temp_df], axis=1)
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC外汇类商业持仓报告
|
|
def macro_usa_cftc_merchant_currency_holding() -> pd.DataFrame:
|
|
"""
|
|
美国商品期货交易委员会CFTC外汇类商业持仓报告, 数据区间从 19860115-至今
|
|
https://datacenter.jin10.com/reportType/dc_cftc_merchant_currency
|
|
:return: 美国商品期货交易委员会CFTC外汇类商业持仓报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": str(int(round(t * 1000)))}
|
|
r = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/cftc_3.json", params=params
|
|
)
|
|
json_data = r.json()
|
|
temp_df = pd.DataFrame(json_data["values"]).T
|
|
temp_df.fillna(value="[0, 0, 0]", inplace=True)
|
|
big_df = pd.DataFrame()
|
|
for item in temp_df.columns:
|
|
for i in range(3):
|
|
inner_temp_df = temp_df.loc[:, item].apply(lambda x: eval(str(x))[i])
|
|
inner_temp_df.name = inner_temp_df.name + "-" + json_data["keys"][i]["name"]
|
|
big_df = pd.concat(objs=[big_df, inner_temp_df], axis=1)
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC商品类商业持仓报告
|
|
def macro_usa_cftc_merchant_goods_holding() -> pd.DataFrame:
|
|
"""
|
|
美国商品期货交易委员会CFTC商品类商业持仓报告, 数据区间从 19860115-至今
|
|
https://datacenter.jin10.com/reportType/dc_cftc_merchant_goods
|
|
:return: 美国商品期货交易委员会CFTC商品类商业持仓报告
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": str(int(round(t * 1000)))}
|
|
r = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/cftc_1.json", params=params
|
|
)
|
|
json_data = r.json()
|
|
temp_df = pd.DataFrame(json_data["values"]).T
|
|
temp_df.fillna(value="[0, 0, 0]", inplace=True)
|
|
big_df = pd.DataFrame()
|
|
for item in temp_df.columns:
|
|
for i in range(3):
|
|
inner_temp_df = temp_df.loc[:, item].apply(lambda x: eval(str(x))[i])
|
|
inner_temp_df.name = inner_temp_df.name + "-" + json_data["keys"][i]["name"]
|
|
big_df = pd.concat(objs=[big_df, inner_temp_df], axis=1)
|
|
big_df = big_df.astype("float")
|
|
big_df.reset_index(inplace=True)
|
|
big_df.rename(columns={"index": "日期"}, inplace=True)
|
|
big_df.sort_values(by=["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
# 金十数据中心-CME-贵金属
|
|
def macro_usa_cme_merchant_goods_holding():
|
|
"""
|
|
CME-贵金属, 数据区间从 20180405-至今
|
|
https://datacenter.jin10.com/org
|
|
:return: CME-贵金属
|
|
:rtype: pandas.DataFrame
|
|
"""
|
|
t = time.time()
|
|
params = {"_": str(int(round(t * 1000)))}
|
|
r = requests.get(
|
|
url="https://cdn.jin10.com/data_center/reports/cme_3.json", params=params
|
|
)
|
|
json_data = r.json()
|
|
big_df = pd.DataFrame()
|
|
for item in json_data["values"].keys():
|
|
temp_df = pd.DataFrame(json_data["values"][item])
|
|
temp_df["日期"] = item
|
|
big_df = pd.concat(objs=[big_df, temp_df], ignore_index=True)
|
|
|
|
big_df.columns = ["pz", "tc", "-", "-", "-", "成交量", "-", "-", "日期"]
|
|
big_df["品种"] = big_df["pz"] + "-" + big_df["tc"]
|
|
big_df = big_df[["日期", "品种", "成交量"]]
|
|
big_df.sort_values(["日期"], ignore_index=True, inplace=True)
|
|
return big_df
|
|
|
|
|
|
if __name__ == "__main__":
|
|
# 东方财富-经济指标-美国-未决房屋销售月率
|
|
macro_usa_phs_df = macro_usa_phs()
|
|
print(macro_usa_phs_df)
|
|
|
|
# 金十数据中心-经济指标-美国-经济状况-美国GDP
|
|
macro_usa_gdp_monthly_df = macro_usa_gdp_monthly()
|
|
print(macro_usa_gdp_monthly_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国CPI月率报告
|
|
macro_usa_cpi_monthly_df = macro_usa_cpi_monthly()
|
|
print(macro_usa_cpi_monthly_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国核心CPI月率报告
|
|
macro_usa_core_cpi_monthly_df = macro_usa_core_cpi_monthly()
|
|
print(macro_usa_core_cpi_monthly_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国个人支出月率报告
|
|
macro_usa_personal_spending_df = macro_usa_personal_spending()
|
|
print(macro_usa_personal_spending_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国零售销售月率报告
|
|
macro_usa_retail_sales_df = macro_usa_retail_sales()
|
|
print(macro_usa_retail_sales_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国进口物价指数报告
|
|
macro_usa_import_price_df = macro_usa_import_price()
|
|
print(macro_usa_import_price_df)
|
|
|
|
# 金十数据中心-经济指标-美国-物价水平-美国出口价格指数报告
|
|
macro_usa_export_price_df = macro_usa_export_price()
|
|
print(macro_usa_export_price_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-LMCI
|
|
macro_usa_lmci_df = macro_usa_lmci()
|
|
print(macro_usa_lmci_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-失业率-美国失业率报告
|
|
macro_usa_unemployment_rate_df = macro_usa_unemployment_rate()
|
|
print(macro_usa_unemployment_rate_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-失业率-美国挑战者企业裁员人数报告
|
|
macro_usa_job_cuts_df = macro_usa_job_cuts()
|
|
print(macro_usa_job_cuts_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-就业人口-美国非农就业人数报告
|
|
macro_usa_non_farm_df = macro_usa_non_farm()
|
|
print(macro_usa_non_farm_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-就业人口-美国ADP就业人数报告
|
|
macro_usa_adp_employment_df = macro_usa_adp_employment()
|
|
print(macro_usa_adp_employment_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-消费者收入与支出-美国核心PCE物价指数年率报告
|
|
macro_usa_core_pce_price_df = macro_usa_core_pce_price()
|
|
print(macro_usa_core_pce_price_df)
|
|
|
|
# 金十数据中心-经济指标-美国-劳动力市场-消费者收入与支出-美国实际个人消费支出季率初值报告
|
|
macro_usa_real_consumer_spending_df = macro_usa_real_consumer_spending()
|
|
print(macro_usa_real_consumer_spending_df)
|
|
|
|
# 金十数据中心-经济指标-美国-贸易状况-美国贸易帐报告
|
|
macro_usa_trade_balance_df = macro_usa_trade_balance()
|
|
print(macro_usa_trade_balance_df)
|
|
|
|
# 金十数据中心-经济指标-美国-贸易状况-美国经常帐报告
|
|
macro_usa_current_account_df = macro_usa_current_account()
|
|
print(macro_usa_current_account_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-贝克休斯钻井报告
|
|
macro_usa_rig_count_df = macro_usa_rig_count()
|
|
print(macro_usa_rig_count_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国生产者物价指数(PPI)报告
|
|
macro_usa_ppi_df = macro_usa_ppi()
|
|
print(macro_usa_ppi_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国核心生产者物价指数(PPI)报告
|
|
macro_usa_core_ppi_df = macro_usa_core_ppi()
|
|
print(macro_usa_core_ppi_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国API原油库存报告
|
|
macro_usa_api_crude_stock_df = macro_usa_api_crude_stock()
|
|
print(macro_usa_api_crude_stock_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国Markit制造业PMI初值报告
|
|
macro_usa_pmi_df = macro_usa_pmi()
|
|
print(macro_usa_pmi_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-制造业-美国ISM制造业PMI报告
|
|
macro_usa_ism_pmi_df = macro_usa_ism_pmi()
|
|
print(macro_usa_ism_pmi_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国NAHB房产市场指数报告
|
|
macro_usa_nahb_house_market_index_df = macro_usa_nahb_house_market_index()
|
|
print(macro_usa_nahb_house_market_index_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国新屋开工总数年化报告
|
|
macro_usa_house_starts_df = macro_usa_house_starts()
|
|
print(macro_usa_house_starts_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国新屋销售总数年化报告
|
|
macro_usa_new_home_sales_df = macro_usa_new_home_sales()
|
|
print(macro_usa_new_home_sales_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国营建许可总数报告
|
|
macro_usa_building_permits_df = macro_usa_building_permits()
|
|
print(macro_usa_building_permits_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国成屋销售总数年化报告
|
|
macro_usa_exist_home_sales_df = macro_usa_exist_home_sales()
|
|
print(macro_usa_exist_home_sales_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国FHFA房价指数月率报告
|
|
macro_usa_house_price_index_df = macro_usa_house_price_index()
|
|
print(macro_usa_house_price_index_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国S&P/CS20座大城市房价指数年率报告
|
|
macro_usa_spcs20_df = macro_usa_spcs20()
|
|
print(macro_usa_spcs20_df)
|
|
|
|
# 金十数据中心-经济指标-美国-产业指标-房地产-美国成屋签约销售指数月率报告
|
|
macro_usa_pending_home_sales_df = macro_usa_pending_home_sales()
|
|
print(macro_usa_pending_home_sales_df)
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国谘商会消费者信心指数报告
|
|
macro_usa_cb_consumer_confidence_df = macro_usa_cb_consumer_confidence()
|
|
print(macro_usa_cb_consumer_confidence_df)
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国NFIB小型企业信心指数报告
|
|
macro_usa_nfib_small_business_df = macro_usa_nfib_small_business()
|
|
print(macro_usa_nfib_small_business_df)
|
|
|
|
# 金十数据中心-经济指标-美国-领先指标-美国密歇根大学消费者信心指数初值报告
|
|
macro_usa_michigan_consumer_sentiment_df = macro_usa_michigan_consumer_sentiment()
|
|
print(macro_usa_michigan_consumer_sentiment_df)
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国EIA原油库存报告
|
|
macro_usa_eia_crude_rate_df = macro_usa_eia_crude_rate()
|
|
print(macro_usa_eia_crude_rate_df)
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国初请失业金人数报告
|
|
macro_usa_initial_jobless_df = macro_usa_initial_jobless()
|
|
print(macro_usa_initial_jobless_df)
|
|
|
|
# 金十数据中心-经济指标-美国-其他-美国原油产量报告
|
|
macro_usa_crude_inner_df = macro_usa_crude_inner()
|
|
print(macro_usa_crude_inner_df)
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC外汇类非商业持仓报告
|
|
macro_usa_cftc_nc_holding_df = macro_usa_cftc_nc_holding()
|
|
print(macro_usa_cftc_nc_holding_df)
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC商品类非商业持仓报告
|
|
macro_usa_cftc_c_holding_df = macro_usa_cftc_c_holding()
|
|
print(macro_usa_cftc_c_holding_df)
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC外汇类商业持仓报告
|
|
macro_usa_cftc_merchant_currency_holding_df = (
|
|
macro_usa_cftc_merchant_currency_holding()
|
|
)
|
|
print(macro_usa_cftc_merchant_currency_holding_df)
|
|
|
|
# 金十数据中心-美国商品期货交易委员会CFTC商品类商业持仓报告
|
|
macro_usa_cftc_merchant_goods_holding_df = macro_usa_cftc_merchant_goods_holding()
|
|
print(macro_usa_cftc_merchant_goods_holding_df)
|
|
|
|
# 金十数据中心-CME-贵金属
|
|
macro_usa_cme_merchant_goods_holding_df = macro_usa_cme_merchant_goods_holding()
|
|
print(macro_usa_cme_merchant_goods_holding_df)
|