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
181 lines
9.1 KiB
Python
181 lines
9.1 KiB
Python
#!/usr/bin/env python
|
|
# -*- coding:utf-8 -*-
|
|
"""
|
|
Date: 2019/9/30 13:58
|
|
Desc: 奇货可查网站目前已经商业化运营, 特提供奇货可查-工具数据接口, 方便您程序化调用
|
|
注：期货价格为收盘价; 现货价格来自网络; 基差=现货价格-期货价格; 基差率=(现货价格-期货价格)/现货价格 * 100 %.
|
|
"""
|
|
|
|
from typing import AnyStr
|
|
|
|
import pandas as pd
|
|
import requests
|
|
|
|
from akshare.futures.cons import QHKC_TOOL_FOREIGN_URL, QHKC_TOOL_GDP_URL
|
|
|
|
|
|
def qhkc_tool_foreign(url: AnyStr = QHKC_TOOL_FOREIGN_URL):
|
|
"""
|
|
奇货可查-工具-外盘比价
|
|
实时更新数据, 暂不能查询历史数据
|
|
:param url: str 网址
|
|
:return: 外盘比价
|
|
:rtype: pandas.DataFrame
|
|
name base_time base_price latest_price rate
|
|
伦敦铜 10/08 01:00 5704 5746.5 0.745
|
|
伦敦锌 10/08 01:00 2291.25 2305.75 0.633
|
|
伦敦镍 10/08 01:00 17720 17372.5 -1.961
|
|
伦敦铝 10/08 01:00 1743.5 1742.75 -0.043
|
|
伦敦锡 10/07 15:00 16550 16290 -1.571
|
|
伦敦铅 10/08 01:00 2181.25 2177.5 -0.172
|
|
美原油1 10/08 02:30 52.81 53.05 0.454
|
|
美原油2 10/07 23:00 53.94 53.05 -1.65
|
|
布原油1 10/08 02:30 58.41 58.67 0.445
|
|
布原油2 10/07 23:00 59.54 58.67 -1.461
|
|
美燃油 10/07 23:00 1.9287 1.9102 -0.959
|
|
CMX金 10/08 02:30 1495.9 1496.5 0.04
|
|
CMX银 10/08 02:30 17.457 17.457 0
|
|
美豆 10/07 23:00 916.12 915.88 -0.026
|
|
美豆粕 10/07 23:00 302.75 302.65 -0.033
|
|
美豆油 10/07 23:00 30.02 29.91 -0.366
|
|
美玉米 10/07 23:00 386.38 387.88 0.388
|
|
美糖 10/07 23:30 12.37 12.53 1.293
|
|
美棉花 10/07 23:30 61.69 61.05 -1.037
|
|
"""
|
|
payload_id = {"page": 1, "limit": 10}
|
|
r = requests.post(url, data=payload_id)
|
|
print("数据获取成功")
|
|
json_data = r.json()
|
|
name = []
|
|
base_time = []
|
|
base_price = []
|
|
latest_price = []
|
|
rate = []
|
|
for item in json_data["data"]:
|
|
name.append(item["name"])
|
|
base_time.append(item["base_time"])
|
|
base_price.append(item["base_price"])
|
|
latest_price.append(item["latest_price"])
|
|
rate.append(item["rate"])
|
|
temp_df = pd.DataFrame([name, base_time, base_price, latest_price, rate]).T
|
|
temp_df.columns = ["name", "base_time", "base_price", "latest_price", "rate"]
|
|
return temp_df
|
|
|
|
|
|
def qhkc_tool_nebula(url: AnyStr = QHKC_TOOL_FOREIGN_URL):
|
|
"""
|
|
奇货可查-工具-龙虎星云图
|
|
:param url: 网址
|
|
:return: pd.DataFrame
|
|
name base_time base_price latest_price rate
|
|
伦敦铜 10/08 01:00 5704 5746.5 0.745
|
|
伦敦锌 10/08 01:00 2291.25 2305.75 0.633
|
|
伦敦镍 10/08 01:00 17720 17372.5 -1.961
|
|
伦敦铝 10/08 01:00 1743.5 1742.75 -0.043
|
|
伦敦锡 10/07 15:00 16550 16290 -1.571
|
|
伦敦铅 10/08 01:00 2181.25 2177.5 -0.172
|
|
美原油1 10/08 02:30 52.81 53.05 0.454
|
|
美原油2 10/07 23:00 53.94 53.05 -1.65
|
|
布原油1 10/08 02:30 58.41 58.67 0.445
|
|
布原油2 10/07 23:00 59.54 58.67 -1.461
|
|
美燃油 10/07 23:00 1.9287 1.9102 -0.959
|
|
CMX金 10/08 02:30 1495.9 1496.5 0.04
|
|
CMX银 10/08 02:30 17.457 17.457 0
|
|
美豆 10/07 23:00 916.12 915.88 -0.026
|
|
美豆粕 10/07 23:00 302.75 302.65 -0.033
|
|
美豆油 10/07 23:00 30.02 29.91 -0.366
|
|
美玉米 10/07 23:00 386.38 387.88 0.388
|
|
美糖 10/07 23:30 12.37 12.53 1.293
|
|
美棉花 10/07 23:30 61.69 61.05 -1.037
|
|
"""
|
|
payload_id = {"page": 1, "limit": 10}
|
|
r = requests.post(url, data=payload_id)
|
|
print("数据获取成功")
|
|
json_data = r.json()
|
|
name = []
|
|
base_time = []
|
|
base_price = []
|
|
latest_price = []
|
|
rate = []
|
|
for item in json_data["data"]:
|
|
name.append(item["name"])
|
|
base_time.append(item["base_time"])
|
|
base_price.append(item["base_price"])
|
|
latest_price.append(item["latest_price"])
|
|
rate.append(item["rate"])
|
|
temp_df = pd.DataFrame([name, base_time, base_price, latest_price, rate]).T
|
|
temp_df.columns = ["name", "base_time", "base_price", "latest_price", "rate"]
|
|
return temp_df
|
|
|
|
|
|
def qhkc_tool_gdp(url: AnyStr = QHKC_TOOL_GDP_URL):
|
|
"""
|
|
奇货可查-工具-各地区经济数据
|
|
实时更新数据, 暂不能查询历史数据
|
|
:param url:
|
|
:return: pandas.DataFrame
|
|
国家 国内生产总值 国内生产总值YoY 国内生产总值QoQ ... 预算 债务 经常账户 人口
|
|
美国 20494 2.30% 2.00% ... -3.80% 106.10% -2.40 327.17
|
|
欧元区 13670 1.20% 0.20% ... -0.50% 85.10% 2.90 341.15
|
|
中国 13608 6.20% 1.60% ... -4.20% 50.50% 0.40 1395.38
|
|
日本 4971 1.00% 0.30% ... -3.80% 238.20% 3.50 126.25
|
|
德国 3997 0.40% -0.10% ... 1.70% 60.90% 7.30 82.85
|
|
英国 2825 1.30% -0.20% ... -2.00% 84.70% -3.90 66.19
|
|
法国 2778 1.40% 0.30% ... -2.50% 98.40% -0.30 67.19
|
|
印度 2726 5.00% 1.00% ... -3.42% 68.30% -2.30 1298.04
|
|
意大利 2074 -0.10% 0.00% ... -2.10% 134.80% 2.50 60.48
|
|
巴西 1869 1.00% 0.40% ... -7.10% 77.22% -0.77 208.49
|
|
加拿大 1709 1.60% 0.90% ... -0.70% 90.60% -2.60 37.31
|
|
俄罗斯 1658 0.90% 0.20% ... 2.70% 13.50% 7.00 146.90
|
|
韩国 1619 2.00% 1.00% ... -1.60% 36.60% 4.70 51.61
|
|
澳大利亚 1432 1.40% 0.50% ... -0.60% 40.70% -1.50 25.18
|
|
西班牙 1426 2.00% 0.40% ... -2.50% 97.10% 0.90 46.66
|
|
墨西哥 1224 -0.80% 0.00% ... -2.00% 46.00% -1.80 125.33
|
|
印尼 1042 5.05% 4.20% ... -1.76% 29.80% -3.00 264.20
|
|
荷兰 913 1.80% 0.40% ... 1.50% 52.40% 10.80 17.12
|
|
沙特阿拉伯 782 0.50% 0.00% ... -9.20% 19.10% 9.20 33.41
|
|
土耳其 767 -1.50% 1.20% ... -2.00% 30.40% -3.50 82.00
|
|
瑞士 706 0.20% 0.30% ... 1.30% 27.70% 10.20 8.48
|
|
台湾 589 2.40% 0.67% ... -1.90% 30.90% 11.60 23.58
|
|
波兰 586 4.50% 0.80% ... -0.40% 48.90% -0.70 37.98
|
|
瑞典 551 1.00% 0.10% ... 0.90% 38.80% 2.00 10.12
|
|
比利时 532 1.20% 0.20% ... -0.70% 102.00% -1.30 11.41
|
|
阿根廷 519 0.60% -0.30% ... -5.50% 86.20% -5.40 44.50
|
|
泰国 505 2.30% 0.60% ... -2.50% 41.80% 7.50 66.41
|
|
委内瑞拉 482 -22.50% -5.40% ... -20.00% 23.00% 6.00 31.83
|
|
奥地利 456 1.50% 0.30% ... 0.10% 73.80% 2.30 8.82
|
|
伊朗 454 1.80% NaN ... -3.90% 44.20% 1.30 82.10
|
|
挪威 435 -0.70% 0.30% ... 7.30% 36.30% 8.10 5.30
|
|
阿联酋 414 2.20% 1.70% ... -1.80% 18.60% 9.10 9.60
|
|
尼日利亚 397 1.94% 2.85% ... -2.80% 18.20% 2.30 195.87
|
|
爱尔兰 376 5.80% 0.70% ... 0.00% 64.80% 9.10 4.84
|
|
以色列 370 3.20% 0.30% ... -1.90% 61.00% 1.90 8.97
|
|
南非 366 0.90% 3.10% ... -4.40% 55.80% -3.60 58.78
|
|
新加坡 364 0.10% -3.30% ... 0.40% 112.20% 17.70 5.64
|
|
香港 363 0.50% -0.40% ... 2.10% 38.40% 4.30 7.48
|
|
马来西亚 354 4.90% 1.00% ... -3.70% 51.80% 2.30 32.40
|
|
丹麦 351 2.60% 0.90% ... 0.50% 34.10% 6.10 5.78
|
|
菲律宾 331 5.50% 1.40% ... -3.20% 41.90% -2.40 107.00
|
|
哥伦比亚 330 3.00% 1.40% ... -3.10% 50.50% -3.80 49.83
|
|
巴基斯坦 313 5.20% 5.79% ... -6.60% 72.50% -4.80 212.22
|
|
智利 298 1.90% 0.80% ... -1.70% 25.60% -3.10 18.75
|
|
芬兰 276 1.20% 0.50% ... -0.70% 58.90% -1.90 5.51
|
|
孟加拉国 274 7.90% 7.90% ... -4.80% 27.90% -3.60 163.70
|
|
埃及 251 5.70% 5.40% ... -8.20% 90.50% -2.40 98.00
|
|
越南 245 7.31% 6.88% ... -3.50% 57.50% 3.00 94.67
|
|
捷克共和国 244 2.70% 0.70% ... 0.90% 32.70% 0.30 10.61
|
|
"""
|
|
data = pd.read_html(url, encoding="utf-8")
|
|
columns_list = data[0].columns.tolist()
|
|
columns_list[0] = "国家"
|
|
data[0].columns = columns_list
|
|
return data[0]
|
|
|
|
|
|
if __name__ == "__main__":
|
|
qhkc_tool_foreign_df = qhkc_tool_foreign()
|
|
print(qhkc_tool_foreign_df)
|
|
|
|
qhkc_tool_gdp_df = qhkc_tool_gdp()
|
|
print(qhkc_tool_gdp_df)
|