Wind开放疫情数据！快用万矿来分析_

旗下高端量化云平台

2020年，“新型冠状病毒肺炎”疫情牵动着数亿华夏儿女的心！万得作为中国大陆领先的金融数据、信息和软件服务企业，迅速组织相关人员日夜奋战，第一时间在Wind金融终端移动端和电脑端同步上线了「疫情信息地图」。且我们为用户提供了一手的疫情数据，其主要来自国家卫健委、各省市区卫健委等官方渠道，以确保疫情数据：权威、准确、及时。

同时，通过地图、图表、走势等展示全球各地区疫情数字统计和明细列表，实时播报和政府通告24小时播报全球疫情信息。

具体查看地址：

http://wx.wind.com.cn/unitedweb/cmsapp/Sites/sariInfo/message.html?from=timeline&isappinstalled=0

在万得提供的疫情数据中，包括国际地区、全国、各省市、地级市以及直辖市的区县的确诊病例、重症病例、危重病例、死亡病例、治愈病例和医学观察病例等全面丰富的数据汇总。

现在，我们决定把疫情数据免费开放给大家使用！

三行代码、轻松搞定

下面，就让

教大家如何提取疫情数据和做可视化分析吧！

方式一

通过万矿云平台分析疫情数据

第一步

第二步

点击左上角+新建 >> 创建notebook：

第三步

点击API >> 选择EDB经济数据 :

点击行业经济数据 >> 医药生物 >> 2019新冠肺炎：

▼

导入WindPy库，并将代码复制至notebook单元格中后，点击运行，即可输出疫情数据：

插入案例模板

同时，

还为大家精心提供了多种疫情数据处理、可视化模板，自定义获取疫情数据的函数 , 方便重复调用，轻松数据可视化！

1、将鼠标移到每个单元格的上方\下方空白处，出现下图样式，点击+模板：

2、然后会出现如下页面，选择你需要的案例，点击插入即可：

▍疫情数据获取模板

▍静态疫情图模板

▍动态疫情图模板

方式二

通过Web API获取落地疫情数据

除了在万矿云平台获取疫情数据外，如果您想通过其他编程语言，将疫情数据下载至本地，我们提供的Web API可以满足您的需求！

查看接口

接口地址：

https://www.windquant.com/qntcloud/data/edb

请求示例：

https://www.windquant.com/qntcloud/data/edb?userid=xxx&indicators=S6274770,S6290834&startdate=2020-02-06&enddate=2020-02-08

支持协议：HTTP/HTTPS

请求方式：GET

返回格式：UTF8 JSON

参数说明

用户ID在个人主页，点击复制用户ID即可：

指标列表详见万矿《帮助》>> 新冠肺炎数据Web API使用说明。

数据返回示例

{

"codes":["S6274770","S6290834"],

"times":[1580918400000,1581004800000,1581091200000,1581177600000,1581264000000,1581350400000,1581436800000,1581523200000,1581609600000],

"data":[[31147.0,34542.0,37109.0,40158.0,42638.0,44653.0,58761.0,63851.0,66491.0],[28985.0,31774.0,33738.0,35982.0,37626.0,38800.0,52526.0,55748.0,56873.0]],

"errCode":0,

"errMsg":"success",

"fields":["CLOSE"]

}

具体操作案例

为了更好的展示如何通过Web API在本地调取疫情数据，我们以Python、R语言为例，为大家展示操作示例。

Python示例：

import requests

import json

import pandas as pd

import time

url = "https://www.windquant.com/qntcloud/data/edb?userid=e4418d2e-5b54-4b9f-9a98-0ef4d6736b2e&indicators=S6274770,S6290834&startdate=2020-02-06&enddate=2020-02-08"

response = requests.get(url)

data = json.loads(response.content.decode("utf-8"))

try:

code_list = data["codes"]

time_list = data["times"]

value_list = data["data"]

for i in range(len(time_list)):

time_list[i] = time.strftime("%Y-%m-%d", time.localtime(time_list[i]/1000))

result = pd.DataFrame(columns=code_list, index = time_list)

for i in range(len(code_list)):

result[code_list[i]] = value_list[i]

print(result)