import pandas as pd
from dg_tools.logic import *
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36',
'mcode': getMcode(),
'Origin': 'http://webapi.cninfo.com.cn',
'Referer': 'http://webapi.cninfo.com.cn/',
'Cookie': 'routeId=.uc1; Hm_lvt_489bd07e99fbfc5f12cbb4145adb0a9b=1676424165,1676518439; Hm_lpvt_489bd07e99fbfc5f12cbb4145adb0a9b=1676520067; JSESSIONID=3E66FB39A566F84A73524C4A525B8A66'
}
url = 'http://webapi.cninfo.com.cn/api/sysapi/p_sysapi1119?rdate=20221231&market='
response = requests.post(url, headers=headers).json()['records']
df = pd.DataFrame([[i['SECNAME'], i['SECCODE'], i['F002D'], i['F003D'], i['F004D'],i['F005D'], i['F006D']] for i in response],
columns=['SECNAME', 'SECCODE', 'F002D', 'F003D', 'F004D', 'F005D','F006D'])
df = df[df['F006D'].notna()]
print(df)
二維列表轉(zhuǎn)df
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。
相關(guān)閱讀更多精彩內(nèi)容
- java字符串轉(zhuǎn)二維數(shù)組,二維數(shù)組轉(zhuǎn)List >,List >轉(zhuǎn)二維數(shù)組 使用fastjson
- l = [[1, 2], [3, 4], [5, 6]] 為二維列表new_l = sum(l, []) 即...
- 前面我介紹了可視化的一些方法以及機(jī)器學(xué)習(xí)在預(yù)測(cè)方面的應(yīng)用,分為分類問(wèn)題(預(yù)測(cè)值是離散型)和回歸問(wèn)題(預(yù)測(cè)值是連續(xù)型...
- 列表(可用*) 列表的定義 列表推導(dǎo)式 訪問(wèn)列表中的值 索引介紹 list1[0]:這種[]中只有一個(gè)數(shù)字的是訪問(wèn)...