Vibe-Trading 中 Tushare 电影周度票房接口bo_weekly详解参数、字段与实战调用【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading导读本文面向在 Vibe-Trading 项目中通过 Tushare 技能获取与使用中国电影市场周度票房数据的开发者与量化研究者完整讲解bo_weekly接口的权限门槛、输入输出参数、调用方式与字段含义并结合仓库内 Tushare 技能入口 与脚本示例给出可直接运行的代码。读完本文你将掌握如何按周提取单部影片的票房、票价、场均人次、口碑指数与环比变化数据并理解其与日度、月度、影院维度票房接口的差异与配合用法。接口概览电影周度票房bo_weeklybo_weekly是 Tushare 财经数据接口中面向电影行业经济数据的周度票房接口在 Vibe-Trading 仓库中的技术文档位于 电影周度票房.md其核心要素如下项目说明接口名bo_weekly功能获取周度票房数据按周统计各影片票房表现数据更新本周更新上一周数据数据历史从 2008 年第一周开始超过 10 年历史数据数据权限用户需要至少 500 积分方可调取与仓库内同分类下的其他票房接口形成完整的日—周—月—影院粒度矩阵日度接口bo_daily见 电影日度票房.md、月度接口bo_monthly见 电影月度票房.md以及影院粒度接口bo_cinema见 影院日度票房.md。其中周度接口是唯一按每周一日期对齐统计口径的档期分析利器适合研究新片上映首周的爆发力与长线影片的周环比衰减。数据权限说明调用bo_weekly前需要确保 Tushare 账户积分不低于 500 分。积分获取办法见 Tushare 官方文档积分与权限相关章节。从 Vibe-Trading 仓库 Tushare 技能入口 可以确认接入方式为在 Tushare 官网注册并获取 token然后通过环境变量TUSHARE_TOKEN配置export TUSHARE_TOKENyour_token输入参数bo_weekly的输入参数非常精简仅有一个必选参数名称类型必选描述datestrY日期每周一日期格式 YYYYMMDD关键点日期锚点规则date必须传入该周周一的日期。例如提取 2018 年 10 月 8 日所在自然周的票房传20181008日期格式严格的YYYYMMDD八位字符串这与 SKILL.md 中参数格式说明一节对全接口的统一约定一致日期统一使用YYYYMMDD如20241231历史起始最早可回溯到 2008 年第 1 周超过 10 年的历史数据可供长期趋势研究。输出参数详解接口返回pandas DataFrame这与 SKILL.md 中返回格式pandas DataFrame的统一约定一致每行代表该周一部影片的票房统计记录共 9 个字段名称类型默认显示描述datestrY日期namestrY影片名称avg_pricefloatY平均票价week_amountfloatY当周票房万totalfloatY累计票房万list_dayintY上映天数p_pcintY场均人次wom_indexfloatY口碑指数up_ratiofloatY环比变化%rankintY排名字段业务含义解读date统计周的周一日期字符串用于标识数据所属自然周name影片名称作为该周记录的实体标识可用于跨周追踪单部影片表现avg_price平均票价元反映当周该影片的实际售票均价week_amount当周票房单位万元是衡量该片当周吸金能力最直接的指标total累计票房单位万元为该片自上映以来的累计票房注意其统计口径跨周累加list_day上映天数即该片截至当周已上映的天数结合total可计算日均票房、评估长尾表现p_pc场均人次即平均每场观影人数是排片效率与上座热度的重要代理指标wom_index口碑指数用于横向比较影片口碑对票房的支撑力up_ratio环比变化%即当周票房相对于上一周的环比涨跌幅正值代表票房环比增长、负值代表衰减是判断口碑发酵还是热度消退的关键字段rank当周票房排名直接给出影片在该周的位次。字段单位与类型提示周度口径下week_amount与total均为万元p_pc虽声明为 int但在数据示例中常以整数值出现代表场均人次avg_price与wom_index、up_ratio为浮点数。做环比计算或聚合分析时建议统一转为float处理避免类型不一致带来的计算误差。接口调用实战基础调用Tushare 技能 SKILL.md 与示例脚本 stock_data_example.py 中给出的 token 初始化方式有两种等价写法import tushare as ts # 方式一自动读取本地记录的 token推荐跟随官方 SDK 惯例 pro ts.pro_api() # 方式二显式传入 token 字符串 # pro ts.pro_api(your token) # 提取 2018 年 10 月 8 日所在周的周度票房 df pro.bo_weekly(date20181008) print(df)其中方式二对应 SKILL.md 快速上手章节中读取环境变量 token 的完整做法import os import tushare as ts # 读取环境变量中的 token或读取本地记录的 token token os.getenv(TUSHARE_TOKEN) or ts.get_token() pro ts.pro_api(token) df pro.bo_weekly(date20181008) print(df)仓库内的 stock_data_example.py 更进一步展示了项目内的 token 读取方式通过配置访问器get_env_config().data.tushare_token回退到ts.get_token()在实际项目环境中可参照该模式组织凭据管理。返回值形态接口返回标准的pandas DataFrame。以date20181008为例原始数据形态如下前 9 行date name avg_price week_amount total list_day p_pc \ 0 20181008 无双 36.0 25640.0 93705.0 15 12 1 20181008 影 36.0 10277.0 55406.0 15 8 2 20181008 找到你 32.0 9318.0 15234.0 10 11 3 20181008 李茶的姑妈 35.0 5823.0 57263.0 15 6 4 20181008 胖子行动队 34.0 3875.0 23683.0 15 7 5 20181008 嗝嗝老师 30.0 2917.0 2941.0 3 10 6 20181008 悲伤逆流成河 34.0 2475.0 33532.0 24 7 7 20181008 超能泰坦 30.0 1202.0 1202.0 3 4 8 20181008 阿凡提之奇缘历险 34.0 675.0 7251.0 14 5字段核对以首行《无双》为例当周票房25640.0万元约 2.56 亿累计票房93705.0万元约 9.37 亿上映天数 15 天场均人次 12 人平均票价 36.0 元——可据此快速计算该片周均日票房、累计日均票房等衍生指标验证数据口径的合理性。实战进阶多周票房曲线与环比分析bo_weekly按周一锚点逐周查询因此可以循环调用绘制单部影片的周票房曲线并结合up_ratio、list_day评估档期走势import tushare as ts import pandas as pd pro ts.pro_api() # 以 2018 年 9 月 3 日周一为起点的连续 6 个自然周 monday_list [20180903, 20180910, 20180917, 20180924, 20181001, 20181008] frames [pro.bo_weekly(dated) for d in monday_list] df pd.concat(frames, ignore_indexTrue) # 只看目标影片的周票房序列 film df[df[name] 无双][[date, week_amount, total, up_ratio, list_day]] print(film.sort_values(date))分析要点关注up_ratio由正转负的拐点周判断该片票房是否进入衰减通道结合list_day与week_amount观察新片首周list_day较小的票房爆发力与老片的长尾续航用total / list_day计算累计日均票房可横向比较不同影片的单位上映天数吸金效率。与日度、月度、影院票房接口的协同使用周度票房数据并非孤立存在。Vibe-Trading 仓库在 TMT行业 目录下提供了完整的票房数据族四类接口形成互补接口文档统计粒度日期口径主要输出差异bo_daily电影日度票房.md单日单片当日日期day_amount当日票房bo_weekly电影周度票房.md自然周单片每周一日期week_amount、up_ratio周环比bo_monthly电影月度票房.md单月单片每月 1 日month_amount、m_ratio月度占比、list_date上映日期bo_cinema影院日度票房.md单日单影院当日日期c_name影院名、aud_count观众数、att_ratio上座率、day_showcount场次协同用法示例档期研究用bo_weekly看周维度趋势、用bo_daily拆解到每日细粒度波动用bo_monthly归并到月度视角放映效率分析将bo_weekly的week_amount与bo_cinema的att_ratio/p_pc结合判断高票房是源于高排片还是高上座率预测建模历史超过 10 年的周度数据可作为时间序列特征源叠加wom_index、p_pc、list_day等特征训练新片票房走势预测模型。注意事项与限制积分门槛至少 500 积分才能调取本接口低积分账户调用会报权限错误请先在 Tushare 官方积分体系下提升积分更新时滞本周只更新上一周的数据因此查询最近一周数据时存在一周时延不适合作当日/当周实时追踪实时性要求高的场景应改用日度接口日期口径date必须使用每周一日期传错日期会导致空数据或错周数据返回格式返回为pandas DataFrame与 Tushare 其他接口一致字段类型按上文表格核对后再进入计算流程外部链接合规本文为仓库内技术文档的解读token 获取、积分办法等外部流程请以 Tushare 官方平台公示信息为准。小结bo_weekly是 Tushare 票房数据族中唯一以自然周为统计口径的接口字段覆盖票房week_amount/total、票价avg_price、人次p_pc、口碑wom_index与环比up_ratio等完整维度历史可回溯至 2008 年非常适合档期分析、影片生命周期研究与票房预测建模。结合 Vibe-Trading 仓库 Tushare 技能 的 token 配置规范、示例脚本与 电影日度票房、电影月度票房、影院日度票房 等姊妹文档即可搭建从周度到日度、从影片到影院的多层次票房数据研究管线。【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Vibe-Trading 中 Tushare 电影周度票房接口bo_weekly详解参数、字段与实战调用【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading导读本文面向在 Vibe-Trading 项目中通过 Tushare 技能获取与使用中国电影市场周度票房数据的开发者与量化研究者完整讲解bo_weekly接口的权限门槛、输入输出参数、调用方式与字段含义并结合仓库内 Tushare 技能入口 与脚本示例给出可直接运行的代码。读完本文你将掌握如何按周提取单部影片的票房、票价、场均人次、口碑指数与环比变化数据并理解其与日度、月度、影院维度票房接口的差异与配合用法。接口概览电影周度票房bo_weeklybo_weekly是 Tushare 财经数据接口中面向电影行业经济数据的周度票房接口在 Vibe-Trading 仓库中的技术文档位于 电影周度票房.md其核心要素如下项目说明接口名bo_weekly功能获取周度票房数据按周统计各影片票房表现数据更新本周更新上一周数据数据历史从 2008 年第一周开始超过 10 年历史数据数据权限用户需要至少 500 积分方可调取与仓库内同分类下的其他票房接口形成完整的日—周—月—影院粒度矩阵日度接口bo_daily见 电影日度票房.md、月度接口bo_monthly见 电影月度票房.md以及影院粒度接口bo_cinema见 影院日度票房.md。其中周度接口是唯一按每周一日期对齐统计口径的档期分析利器适合研究新片上映首周的爆发力与长线影片的周环比衰减。数据权限说明调用bo_weekly前需要确保 Tushare 账户积分不低于 500 分。积分获取办法见 Tushare 官方文档积分与权限相关章节。从 Vibe-Trading 仓库 Tushare 技能入口 可以确认接入方式为在 Tushare 官网注册并获取 token然后通过环境变量TUSHARE_TOKEN配置export TUSHARE_TOKENyour_token输入参数bo_weekly的输入参数非常精简仅有一个必选参数名称类型必选描述datestrY日期每周一日期格式 YYYYMMDD关键点日期锚点规则date必须传入该周周一的日期。例如提取 2018 年 10 月 8 日所在自然周的票房传20181008日期格式严格的YYYYMMDD八位字符串这与 SKILL.md 中参数格式说明一节对全接口的统一约定一致日期统一使用YYYYMMDD如20241231历史起始最早可回溯到 2008 年第 1 周超过 10 年的历史数据可供长期趋势研究。输出参数详解接口返回pandas DataFrame这与 SKILL.md 中返回格式pandas DataFrame的统一约定一致每行代表该周一部影片的票房统计记录共 9 个字段名称类型默认显示描述datestrY日期namestrY影片名称avg_pricefloatY平均票价week_amountfloatY当周票房万totalfloatY累计票房万list_dayintY上映天数p_pcintY场均人次wom_indexfloatY口碑指数up_ratiofloatY环比变化%rankintY排名字段业务含义解读date统计周的周一日期字符串用于标识数据所属自然周name影片名称作为该周记录的实体标识可用于跨周追踪单部影片表现avg_price平均票价元反映当周该影片的实际售票均价week_amount当周票房单位万元是衡量该片当周吸金能力最直接的指标total累计票房单位万元为该片自上映以来的累计票房注意其统计口径跨周累加list_day上映天数即该片截至当周已上映的天数结合total可计算日均票房、评估长尾表现p_pc场均人次即平均每场观影人数是排片效率与上座热度的重要代理指标wom_index口碑指数用于横向比较影片口碑对票房的支撑力up_ratio环比变化%即当周票房相对于上一周的环比涨跌幅正值代表票房环比增长、负值代表衰减是判断口碑发酵还是热度消退的关键字段rank当周票房排名直接给出影片在该周的位次。字段单位与类型提示周度口径下week_amount与total均为万元p_pc虽声明为 int但在数据示例中常以整数值出现代表场均人次avg_price与wom_index、up_ratio为浮点数。做环比计算或聚合分析时建议统一转为float处理避免类型不一致带来的计算误差。接口调用实战基础调用Tushare 技能 SKILL.md 与示例脚本 stock_data_example.py 中给出的 token 初始化方式有两种等价写法import tushare as ts # 方式一自动读取本地记录的 token推荐跟随官方 SDK 惯例 pro ts.pro_api() # 方式二显式传入 token 字符串 # pro ts.pro_api(your token) # 提取 2018 年 10 月 8 日所在周的周度票房 df pro.bo_weekly(date20181008) print(df)其中方式二对应 SKILL.md 快速上手章节中读取环境变量 token 的完整做法import os import tushare as ts # 读取环境变量中的 token或读取本地记录的 token token os.getenv(TUSHARE_TOKEN) or ts.get_token() pro ts.pro_api(token) df pro.bo_weekly(date20181008) print(df)仓库内的 stock_data_example.py 更进一步展示了项目内的 token 读取方式通过配置访问器get_env_config().data.tushare_token回退到ts.get_token()在实际项目环境中可参照该模式组织凭据管理。返回值形态接口返回标准的pandas DataFrame。以date20181008为例原始数据形态如下前 9 行date name avg_price week_amount total list_day p_pc \ 0 20181008 无双 36.0 25640.0 93705.0 15 12 1 20181008 影 36.0 10277.0 55406.0 15 8 2 20181008 找到你 32.0 9318.0 15234.0 10 11 3 20181008 李茶的姑妈 35.0 5823.0 57263.0 15 6 4 20181008 胖子行动队 34.0 3875.0 23683.0 15 7 5 20181008 嗝嗝老师 30.0 2917.0 2941.0 3 10 6 20181008 悲伤逆流成河 34.0 2475.0 33532.0 24 7 7 20181008 超能泰坦 30.0 1202.0 1202.0 3 4 8 20181008 阿凡提之奇缘历险 34.0 675.0 7251.0 14 5字段核对以首行《无双》为例当周票房25640.0万元约 2.56 亿累计票房93705.0万元约 9.37 亿上映天数 15 天场均人次 12 人平均票价 36.0 元——可据此快速计算该片周均日票房、累计日均票房等衍生指标验证数据口径的合理性。实战进阶多周票房曲线与环比分析bo_weekly按周一锚点逐周查询因此可以循环调用绘制单部影片的周票房曲线并结合up_ratio、list_day评估档期走势import tushare as ts import pandas as pd pro ts.pro_api() # 以 2018 年 9 月 3 日周一为起点的连续 6 个自然周 monday_list [20180903, 20180910, 20180917, 20180924, 20181001, 20181008] frames [pro.bo_weekly(dated) for d in monday_list] df pd.concat(frames, ignore_indexTrue) # 只看目标影片的周票房序列 film df[df[name] 无双][[date, week_amount, total, up_ratio, list_day]] print(film.sort_values(date))分析要点关注up_ratio由正转负的拐点周判断该片票房是否进入衰减通道结合list_day与week_amount观察新片首周list_day较小的票房爆发力与老片的长尾续航用total / list_day计算累计日均票房可横向比较不同影片的单位上映天数吸金效率。与日度、月度、影院票房接口的协同使用周度票房数据并非孤立存在。Vibe-Trading 仓库在 TMT行业 目录下提供了完整的票房数据族四类接口形成互补接口文档统计粒度日期口径主要输出差异bo_daily电影日度票房.md单日单片当日日期day_amount当日票房bo_weekly电影周度票房.md自然周单片每周一日期week_amount、up_ratio周环比bo_monthly电影月度票房.md单月单片每月 1 日month_amount、m_ratio月度占比、list_date上映日期bo_cinema影院日度票房.md单日单影院当日日期c_name影院名、aud_count观众数、att_ratio上座率、day_showcount场次协同用法示例档期研究用bo_weekly看周维度趋势、用bo_daily拆解到每日细粒度波动用bo_monthly归并到月度视角放映效率分析将bo_weekly的week_amount与bo_cinema的att_ratio/p_pc结合判断高票房是源于高排片还是高上座率预测建模历史超过 10 年的周度数据可作为时间序列特征源叠加wom_index、p_pc、list_day等特征训练新片票房走势预测模型。注意事项与限制积分门槛至少 500 积分才能调取本接口低积分账户调用会报权限错误请先在 Tushare 官方积分体系下提升积分更新时滞本周只更新上一周的数据因此查询最近一周数据时存在一周时延不适合作当日/当周实时追踪实时性要求高的场景应改用日度接口日期口径date必须使用每周一日期传错日期会导致空数据或错周数据返回格式返回为pandas DataFrame与 Tushare 其他接口一致字段类型按上文表格核对后再进入计算流程外部链接合规本文为仓库内技术文档的解读token 获取、积分办法等外部流程请以 Tushare 官方平台公示信息为准。小结bo_weekly是 Tushare 票房数据族中唯一以自然周为统计口径的接口字段覆盖票房week_amount/total、票价avg_price、人次p_pc、口碑wom_index与环比up_ratio等完整维度历史可回溯至 2008 年非常适合档期分析、影片生命周期研究与票房预测建模。结合 Vibe-Trading 仓库 Tushare 技能 的 token 配置规范、示例脚本与 电影日度票房、电影月度票房、影院日度票房 等姊妹文档即可搭建从周度到日度、从影片到影院的多层次票房数据研究管线。【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
