接口:cn_cpi
描述:获取CPI居民消费价格数据,包括全国、城市和农村的数据
限量:单次最大5000行,一次可以提取全部数据
权限:用户积累600积分可以使用,具体请参阅积分获取办法
输入参数
名称 | 类型 | 必选 | 描述 |
---|---|---|---|
m | str | N | 月份(YYYYMM,下同),支持多个月份同时输入,逗号分隔 |
start_m | str | N | 开始月份 |
end_m | str | N | 结束月份 |
输出参数
名称 | 类型 | 默认显示 | 描述 |
---|---|---|---|
month | str | Y | 月份YYYYMM |
nt_val | float | Y | 全国当月至 |
nt_yoy | float | Y | 全国同比(%) |
nt_mom | float | Y | 全国环比(%) |
nt_accu | float | Y | 全国累计值 |
town_val | float | Y | 城市当值月 |
town_yoy | float | Y | 城市同比(%) |
town_mom | float | Y | 城市环比(%) |
town_accu | float | Y | 城市累计值 |
cnt_val | float | Y | 农村当月值 |
cnt_yoy | float | Y | 农村同比(%) |
cnt_mom | float | Y | 农村环比(%) |
cnt_accu | float | Y | 农村累计值 |
安装Python包
pip install dcube
导入datacube
import dcube as dc
用token初始化pro接口
pro = dc.pro_api('your token')
数据调取
df = pro.query('cn_cpi', start_m='201801', end_m='201903', fields='month,nt_val,nt_yoy')
或者
df = pro.cn_cpi(start_m='201801', end_m='201903')
数据样例
month nt_val nt_yoy nt_mom nt_accu town_val town_yoy town_mom town_accu cnt_val cnt_yoy cnt_mom cnt_accu
0 201903 102.30 2.30 -0.40 101.80 102.30 2.30 -0.40 101.90 102.30 2.30 -0.30 101.80
1 201902 101.50 1.50 1.00 101.60 101.50 1.50 1.00 101.60 101.40 1.40 0.90 101.50
2 201901 101.70 1.70 0.50 101.70 101.80 1.80 0.50 101.80 101.70 1.70 0.40 101.70
3 201812 101.90 1.90 0.00 102.10 101.90 1.90 0.00 102.10 101.90 1.90 0.00 102.10
4 201811 102.20 2.20 -0.30 102.10 102.20 2.20 -0.40 102.10 102.20 2.20 -0.30 102.10
5 201810 102.50 2.50 0.20 102.10 102.50 2.50 0.20 102.10 102.60 2.60 0.20 102.10
6 201809 102.50 2.50 0.70 102.10 102.40 2.40 0.70 102.10 102.50 2.50 0.80 102.00
7 201808 102.30 2.30 0.70 102.00 102.30 2.30 0.60 102.00 102.30 2.30 0.80 102.00
8 201807 102.10 2.10 0.30 102.00 102.10 2.10 0.40 102.00 102.00 2.00 0.10 101.90
9 201806 101.90 1.90 -0.10 102.00 101.80 1.80 0.00 102.00 101.90 1.90 -0.10 101.90
10 201805 101.80 1.80 -0.20 102.00 101.80 1.80 -0.20 102.00 101.70 1.70 -0.10 101.90
11 201804 101.80 1.80 -0.20 102.10 101.80 1.80 -0.20 102.10 101.70 1.70 -0.30 101.90
12 201803 102.10 2.10 -1.10 102.10 102.10 2.10 -1.10 102.20 101.90 1.90 -1.20 102.00
13 201802 102.90 2.90 1.20 102.20 103.00 3.00 1.30 102.20 102.70 2.70 1.10 102.10
14 201801 101.50 1.50 0.60 101.50 101.50 1.50 0.60 101.50 101.50 1.50 0.60 101.50