爬虫接口获取外汇数据(汇率，外汇储备，贸易顺差，美国CPI，M2，国债利率)

akshare是一个很好用的财经数据api接口，完全免费！！和Tushare不一样。

除了我标题显示的数据外，他还提供各种股票数据，债券数据，外汇，期货，宏观经济，基金，银行，货币等等。

基本上我找经济类数据都优先用这个，本次就展示一下怎么获取标题上的这几个数据。

代码获取

先导入包：

import numpy as np
import pandas as pd
import akshare as ak
import warnings
warnings.filterwarnings('ignore')

获取美团对人民币汇率：（这里原本是可以返回很多国家对人民币的汇率的，我只取出了美国，并且原数据是日度的，我重采样为了月度数据）

currency_boc_safe_df = ak.currency_boc_safe().iloc[:,:2]
currency_boc_safe_df=currency_boc_safe_df.set_index('日期')
currency_boc_safe_df.index=pd.to_datetime(currency_boc_safe_df.index)
currency_boc_safe_df.rename(columns={'美元':'汇率'},inplace=True)
currency_boc_safe_df=currency_boc_safe_df.resample('M').mean()
currency_boc_safe_df

没什么问题，现在人民币汇率大概是7点多。数据时间口径也是月度。

获取外汇储备

#外汇储备
macro_china_fx_reserves_yearly_df = ak.macro_china_fx_reserves_yearly().rename("外汇储备")
macro_china_fx_reserves_yearly_df

这个数据本来就是月度的，所以就不需要额外处理，2014年是半年一个，可能原因是那个时候公布数据可能只是半年一次吧。到2016年就正常了。

获取广义货币量M2：

#M2
macro_china_m2_yearly_df = ak.macro_china_m2_yearly().rename("M2")
macro_china_m2_yearly_df

美国CPI：

#美国CPI
macro_usa_cpi_monthly_se = ak.macro_usa_cpi_monthly().rename("美国CPI")
macro_usa_cpi_monthly_se

国债利率：

#国债利率
import datetime
start_date = datetime.date(2016, 1, 1)
end_date = datetime.date(2023, 12, 31)
all_data_formatted = pd.DataFrame()
current_date_formatted = start_date
while current_date_formatted <= end_date:year_end_date_formatted = min(datetime.date(current_date_formatted.year + 1, 1, 1) - datetime.timedelta(days=1), end_date)start_date_str = current_date_formatted.strftime('%Y%m%d')end_date_str = year_end_date_formatted.strftime('%Y%m%d')year_data_formatted = ak.bond_china_yield(start_date=start_date_str, end_date=end_date_str)all_data_formatted = pd.concat([all_data_formatted, year_data_formatted])current_date_formatted = year_end_date_formatted + datetime.timedelta(days=1)
all_data_formatted.head()

国债这个接口每次只能返回一年的数据，所以需要获取很多次，然后还需要把自己需要的1年期的国债利率取出来。

bond_china_yield_df = all_data_formatted[['曲线名称', '日期', '1年']].query('曲线名称=="中债国债收益率曲线"')
bond_china_yield_df=bond_china_yield_df.drop(columns='曲线名称').set_index('日期').rename(columns={'1年':"国债利率"})
bond_china_yield_df.index=pd.to_datetime(bond_china_yield_df.index)
bond_china_yield_df=bond_china_yield_df.resample('M').mean()
bond_china_yield_df

贸易顺差：

macro_china_trade_balance_df = ak.macro_china_trade_balance().rename("贸易顺差")
macro_china_trade_balance_df.tail()

是不是都很方便，几行代码有的甚至一行代码就能获取你去统计年鉴翻遍的数据。

最后把数据都进行合并;

merged_df = pd.concat([currency_boc_safe_df, macro_china_fx_reserves_yearly_df, macro_china_m2_yearly_df, macro_usa_cpi_monthly_se, bond_china_yield_df, macro_china_trade_balance_df], axis=1).loc['2016-01-01':,:].resample('M').mean()
merged_df.index = merged_df.index.to_period('M') 
merged_df