新型冠状病毒肺炎发展至今，拐点已过，尾声将至。对于科研工作者，最重要的研究材料之一就是历史数据，权威的数据来自各级卫健委每日发布的疫情报告，然而数据以文本方式呈现，收集的成本较高。目前，在R和Python上通过一些开源的API可以直接提取数据，在GitHub上也有可以直接下载的全量历史数据，还有Wind等付费数据平台（现在WindQuant平台支持免费调用了Wind疫情数据了），下面将提供这些数据的获取方法并做简单的点评。

目录

1. nCov2019（R语言）
2. AkShare（Python）
3. GitHub开源项目
  3.1 2019-nCoV 全量每日统计数据
  3.2 2019新型冠状病毒疫情时间序列数据仓库
4. Wind EDBC
5. WindQuant
总结（确定不看到最后吗）

1. nCov2019（R语言）

nCov2019库的安装与调用都非常简单，具体可以参考检索疫情数据的R包来了，各省市的疫情历史数据来了。目前从该库中可以方便地获取精确到省、市级的历史数据，数据从1月11日起，一直在更新当中。

# 安装nCov2019库
remotes::install_github("GuangchuangYu/nCov2019")
# 获取省级的历史数据
library(nCov2019)
x <- load_nCov2019()
data <- summary(x)[1:3]
##      province       time cum_confirm
## 1        上海 2020-02-07         281
## 2        云南 2020-02-07         138
## 17     内蒙古 2020-02-07          52
## 29       北京 2020-02-07         315
## 30       台湾 2020-02-07          16

2. AkShare（Python）

AkShare是基于Python的开源金融数据接口库，汇总了百度、网易、丁香园的数据接口，不同接口的数据略有差异，需谨慎使用。由于各个服务器接口经常改变，因此AkShare库在使用中如果发现不能调用的情况可以尝试在CMD中更新安装包来解决。Akshare可以查询细化到省、市的历史数据，数据的更新也非常及时。具体参见AkShare官方文档。

# 查询湖北省的历史数据
import akshare as ak
epidemic_hist_province_df = ak.epidemic_hist_province(province="湖北")
print(epidemic_hist_province_df)
##     Date 		Province  Confirmed  Dead  Cured  Severe  Critical  
## 0   2020-02-12      湖北省      32767  1310   3441    5647      1437   
## 1   2020-02-11      湖北省      32767  1068   2639    5724      1517   
## 2   2020-02-10      湖北省      31728   974   2222    5046      1298   
## 3   2020-02-09      湖北省      29631   871   1795    4269      1236   
## 4   2020-02-08      湖北省      27100   780   1439    4093 		1154

3. GitHub开源项目

3.1 2019-nCoV 全量每日统计数据

2019-nCoV 全量每日统计数据：该项目能可以直接通过网站下载全量历史数据（包括国家、省、市级历史数据）的CSV与JSON格式。这是目前我发现的历史时间最长的疫情数据（2019-12-01起至今），由于不同历史时段数据源不同会出现数据难以自洽的问题，不过作者一直在维护与更新，数据的质量已经比原来好了很多，与卫健委数据几乎一致。例如用R语言可以直接下载并保存到本地：

# 读取并保存全国各个城市数据
data <- read.csv("https://raw.githubusercontent.com/canghailan/Wuhan-2019-nCoV/master/Wuhan-2019-nCoV.csv", 
                header = TRUE, stringsAsFactors = FALSE, fileEncoding="utf8")
write.csv(data, "Data/China.csv", row.names = FALSE)

# 仅保留湖北数据
Hubei.Data <- data[data$provinceCode == 420000, ]
Hubei.Data <- Hubei.Data[!is.na(Hubei.Data$provinceCode), ]
write.csv(Hubei.Data, "Data/Hubei.csv", row.names = FALSE)
## date	country	countryCode	province provinceCode city cityCode	confirmed suspected	cured dead
## 2020/2/14	中国	CN	湖北省	420000	恩施土家族苗族自治州	422800	237	0	58	4
## 2020/2/14	中国	CN	湖北省	420000	仙桃市	429004	500	0	58	17
## 2020/2/14	中国	CN	湖北省	420000	潜江市	429005	104	0	11	5
## 2020/2/14	中国	CN	湖北省	420000	天门市	429006	416	0	21	10
## 2020/2/14	中国	CN	湖北省	420000	神农架林区	429021	10	0	8	0

3.2 2019新型冠状病毒疫情时间序列数据仓库

2019新型冠状病毒疫情时间序列数据仓库：GitHub 598星的项目，提供精确到市级的数据，从1月24日更新至今。数据来源是实时爬取的丁香园，数据集每小时增加一次新的数据，因此相对于日度数据显得有点累赘。

4. Wind EDBC

Wind是国内最权威的金融经济数据平台之一，数据可靠、服务贼好，但是要付费。Wind的宏观经济数据库提供国家、省、市级的历史疫情数据下载，数据的起始日期在1月20日左右（不同地区有差异）并在实时更新中。麻烦的是数据需要一条条地下载，即使使用Wind官方API也要一条条地输入数据的Wind代码，但是数据质量高仍然使我最倾向于Wind。另：微信搜索公众号PurePlay后台回复Wind API即可获取Wind的R与Python API官方手册。

# 获取全国与湖北的累计确诊人数历史数据
from WindPy import w
w.start()
df = w.edb(["S6274770","S6275447"], 
            beginTime="20200101", 
            usedf = True)[1]
df.rename(columns={'S6274770': 'Nation', 'S6275447': 'Hubei'}, 
            inplace=True)
df.to_csv(r"Data\Data.csv")

5. WindQuant

WindQuant是Wind旗下的量化分析云平台，Wind的部分数据可以免费通过WindQuant获取。注册WindQuant账号之后，即可在平台上通过Python API免费调用，同时还支持Web API在本地调取疫情数据，详见官方文档。相对于其他API来说，代码比较复杂，但仍然胜在数据质量。例如，本地调用非湖北累计病例数据的代码如下

import requests
import json
import pandas as pd
import time
# 需要切换成自己的万矿id
userid = "94ac606a-c220-46af-abf3" 
indicators = "S6291523, S6291524, S6291525, S6291526, S6291527"
factors_name = ["确诊病例","疑似病例","重症病例","死亡病例","治愈病例"]
startdate = "2020-01-20"
enddate = "2020-02-18"

url = '''https://www.windquant.com/qntcloud/data/edb?userid={}&indicators={}&startdate={}&enddate={}'''.format(
        userid,indicators,startdate,enddate)
response = requests.get(url)
data = json.loads(response.content.decode("utf-8"))
try:
    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.Datafr ame(columns=factors_name, index = time_list)
    for i in range(len(factors_name)):
        result[factors_name[i]] = value_list[i]
except Exception as e:
    print("服务异常")
##			确诊病例	疑似病例	重症病例	死亡病例	治愈病例
## 2020-02-14   12104.0     3435      901       66     3322
## 2020-02-15   12262.0     2985      876       69     3796
## 2020-02-16   12368.0     2438      847       74     4212
## 2020-02-17   12511.0     2048      771       80     4690
## 2020-02-18   12503.0     1786      731       83     5248

总结

不同数据源各有特色，如果你习惯用R语言，那就用nCov2019；如果你习惯用Python，那就选AkShare或者WindQuant；如果你需要疫情的早期历史数据，那就点2019-nCoV 全量每日统计数据；如果你有Wind，考虑到数据的权威性，Wind自然是最好的选择。

相关文章

Logistic模型拟合COVID-19疫情以及Python实现

假如把COVID-19疫情作为股票因子…

AHP | 层次分析法原理及Python实现

以上是本篇的全部内容，欢迎关注我的知乎|简书|CSDN|微信公众号PurePlay , 会不定期分享研究与学习干货。