getcensus:用 Stata 下载美国县级 ACS 调查数据

👇 连享会 · 推文导航 |www.lianxh.cn

🍓 连享会 · 2026 AI 实证研究嘉宾：司继春（上海对外经贸大学）时间：2026 年 6 月 27-28 日咨询：王老师 18903405450（微信）

连享会：2026AI-Agent专题 · 线上时间：6月20-21日嘉宾：李学恒 (中山大学)咨询：王老师 18903405450（微信）

 A班和B班的区别

• • 解决的问题不同：A班偏向搭建AI科研协作系统，B班偏向把实证研究做扎实。
• • 课程定位：A班关注AI科研工作流，包括工作台、文献与知识管理、写作系统和论文修改流程；B班关注实证研究本身，包括数据获取、代码复查、识别策略和理论建模。
• • 要解决的问题：
• • A班——AI工具很多，但东一榔头西一棒槌，没有稳定系统？
• • B班——数据是否可靠、Stata代码能不能信、识别策略是否站得住、机制解释是否有理论含量？

在A班把工具理顺，在B班把研究做扎实，从而让好的研究想法更高效的产出。

作者： 丁星星 (连享会)邮箱：lianxhcn@163.com^[1]

• • Title: getcensus：用 Stata 下载美国县级 ACS 调查数据
• • Keywords: getcensus, Stata, ACS, Census API, 美国社区调查, 区域数据, FIPS
• • 提要：getcensus 是一个 Stata 命令，可直接调用美国社区调查 (ACS) 数据，获取县级收入、贫困率、住房负担、医保覆盖等地区变量。本文介绍安装、API key、变量查询、地理层级和可复现代码，适合 DID、政策评估和美国县级面板研究。

相关链接

• • 项目主页：https://centeronbudget.github.io/getcensus/
• • GitHub 仓库：https://github.com/CenterOnBudget/getcensus
• • Census API key 申请：https://api.census.gov/data/key_signup.html
• • Census Bureau API 数据集说明：https://www.census.gov/data/developers/data-sets.html
• • ACS 表号说明：https://www.census.gov/programs-surveys/acs/data/data-tables/table-ids-explained.html
• • ACS 表和地理口径变化：https://www.census.gov/programs-surveys/acs/technical-documentation/table-and-geography-changes.html

1. getcensus 简介与安装

做美国经验研究时，很多人都会遇到一个具体问题：论文主数据已经整理好了，但还需要补充县、市、州、都市圈或学区层面的控制变量。例如，中位家庭收入、贫困率、住房负担、医保覆盖、SNAP 参与率、人口年龄结构等。

这些变量通常来自 U.S. Census Bureau 的 American Community Survey (ACS)。传统做法是在 data.census.gov 上手工搜索、下载 CSV、整理变量名，再与论文主数据合并。这个过程不难，但很容易出错：表号记错、变量 ID 选错、年份口径不一致、地理层级不匹配，最后还要反复处理 FIPS 或 GEOID。

getcensus 解决的正是这个问题。它让 Stata 用户可以直接从 Census Bureau API 读取 ACS 数据，并把结果载入 Stata 内存，把繁琐的手工下载流程变成清晰、可复现的代码。

1.1 安装 getcensus

安装命令如下：

* 从 SSC 安装 getcensusssc install getcensus

getcensus 要求 Stata 13.1 或更高版本。如果需要安装 GitHub 上的最新版，可以使用：

* 从 GitHub 安装 getcensusnet install getcensus, ///    from("https://raw.githubusercontent.com/CenterOnBudget/getcensus/master/src") ///    replace

如果已经安装过，可以更新：

* 更新已安装的 getcensusado update getcensus, update

1.2 API key 设置

新版 getcensus 必须提供 Census Bureau API key。申请地址为：https://api.census.gov/data/key_signup.html。申请过程很简单 (只需要填写学校名称和邮箱即可)，通常几分钟内就能收到 key。

注意：收到邮件后，请务必点击蓝色链接，激活 API：

拿到 key 后，可以在命令中使用 key() 选项，也可以把它存为全局宏 $censuskey。更稳妥的做法是写入 profile.do (有关 profile.do 的设定，参见 连享会-profile^[2])，这样每次启动 Stata 后都可以自动调用。

1. 1. 在 Stata 命令窗口输入如下命令，打开 profile.do 文档：

   doedit "`c(sysdir_stata)'profile.do"

2. 2. 在 profile.do 中写入以下内容：

   * 注意：不要把真实 key 上传到 GitHub 或公开仓库global censuskey "your-api-key-here"

如果只是临时运行，也可以直接在命令中写入 key()：

* 临时使用 API keygetcensus B19013_001, ///    year(2024) ///    geography(state) ///    key(your-api-key-here) ///    clear

注意：公开资料中不建议展示真实 key。API key 虽然不像银行密码那样敏感，但也不应放入 GitHub 仓库、公开 do-file 或推文截图。

2. 基本用法

getcensus 有两类基本用法。第一类是读取 ACS 数据：

getcensus variable_ids_or_table_id_or_keyword [, options]

第二类是搜索 API data dictionary：

getcensus catalog [, options]

ACS 数据有两个基本概念：

• • Table ID：表号。例如 S1701 是 ACS 中有关贫困状态的表。
• • Variable ID：变量号。例如 S1701_C02_001 表示 S1701 表中的某个具体统计量。

使用 getcensus 时，用户可以输入三类内容：

• • 一个或多个变量 ID；
• • 一个表号；
• • 一个内置关键词，例如 pov、medinc、snap、medicaid 等。

需要说明的是，指定变量 ID 时不要加后缀 E 或 M。也就是说，应写 B19013_001，不要写 B19013_001E 或 B19013_001M。getcensus 默认同时拉取估计值和 margin of error，会自动处理。

2.1 读取单个变量

* 读取 2024 年州层面的中位家庭收入getcensus B19013_001, ///    year(2024) ///    geography(state) ///    clear

year() 应始终显式写出，不要依赖默认值。年份直接影响数据口径，也是可复现研究的基本要求。严格地说，getcensus 的选项是 years()，year() 是其允许的缩写；在读取单一年份时，帮助文件示例也使用 year(2024)。

如果只需要点估计，不需要 margin of error，可以加入 noerror：

* 只读取点估计，不读取 margin of errorgetcensus B19013_001, ///    year(2024) ///    geography(state) ///    noerror ///    clear

2.2 读取整张表

如果知道表号，可以一次读取该表下的全部变量：

* 读取 S1701 表中的全部变量getcensus S1701, ///    year(2024) ///    geography(state) ///    clear

这种写法适合探索数据结构。正式研究中，建议先用整表了解变量口径，再筛选出论文真正需要的变量 ID。

2.3 读取多个变量

可以一次读取多个变量，但这些变量必须来自相同类型的 ACS 产品。例如，Detailed Table、Subject Table、Data Profile 和 Comparison Profile 不能随意混用。

* 同时读取两个 Subject Table 变量getcensus S1701_C03_001 S2701_C05_001, ///    year(2024) ///    geography(county) ///    statefips(06) ///    noerror ///    clear

这里的 statefips(06) 表示只读取加州，geography(county) 表示读取县级数据。

2.4 读取多个年份

如果要构造地区面板数据，可以一次指定多个年份。getcensus 会把不同年份的数据追加到一起。

* 读取 2022-2024 年州层面中位家庭收入getcensus B19013_001, ///    years(2022/2024) ///    geography(state) ///    noerror ///    clear

也可以指定不连续年份：

* 读取 2019、2021、2024 年数据getcensus B19013_001, ///    years(2019 2021 2024) ///    geography(state) ///    noerror ///    clear

做 DID、事件研究或地区面板分析时，这个功能很有用。不过，跨年数据要检查表结构、变量定义和地理边界是否变化，不能机械地把所有年份拼在一起。

2.5 保存和导出数据

getcensus 可以在读取后直接保存为 Stata 数据集。如果指定 exportexcel，还可以同时导出 Excel 文件。

* 读取并保存为 Stata 数据集和 Excel 文件getcensus B19013_001, ///    year(2024) ///    geography(state) ///    saveas("acs_state_income_2024.dta") ///    exportexcel ///    replace ///    clear

对于教学示例，这种写法很方便；对于论文项目，我更建议把数据下载、变量清理、变量重命名和数据合并分成几个清楚的代码段，便于后续检查和复现。

2.6 用 catalog 查变量 ID

很多研究者卡住，不是因为不会写 Stata 命令，而是不知道 ACS 中哪个变量对应自己需要的研究概念。getcensus catalog 就是为这个问题设计的。

例如，想找与 poverty 相关的 Subject Table 变量，可以写：

* 搜索 Subject Table 中与 poverty 相关的变量getcensus catalog, ///    year(2024) ///    product(ST) ///    search(poverty) ///    cleardescribebrowse

product() 用来指定 ACS 产品类型：

如果已经知道表号，也可以直接查看某张表下的变量说明：

* 查看 S1701 表中的变量说明getcensus catalog, ///    year(2024) ///    table(S1701) ///    cleardescribebrowse

search() 支持正则表达式。catalog 的作用是把变量说明直接拉到 Stata 里，减少手工查表的错误，在确认变量口径时尤其有用。

例如，论文中常说「地区贫困率」，但 ACS 里与贫困相关的变量很多，可能按总体人口、儿童、家庭、种族、收入贫困线比率等不同口径定义。此时不能只凭变量名猜含义，而应先用 catalog 看清变量描述和所在表，再决定是否放入回归。

3. 地理层级与地理组成

地理层级是使用 ACS 数据时最容易出错的地方。getcensus 支持 Census Bureau API 中的大部分地理层级，但不是全部。对于跨年数据，ACS 地理边界和表结构也可能变化，构造面板数据时尤其要检查。

3.1 Supported Geographies

下表中，加粗选项表示该地理层级下必须指定；* 表示仅有 5-year estimates；** 表示指定 statefips() 时仅有 5-year estimates；† 表示从 2020 年 5-year estimates 起不可指定，Subject Tables 从 2019 年起不可指定。

例如，读取 Alabama Autauga County 某个 tract 的 2024 年 5-year 数据：

getcensus B19013_001, ///    year(2024) ///    sample(5) ///    geography(tract) ///    statefips(01) ///    countyfips(001) ///    geoids(020100) ///    clear

这里要注意一个细节：geoids() 通常只写 GEOID 的最后一段；州代码和县代码分别放在 statefips() 和 countyfips() 中。

例如，一个 tract 的完整 GEOID 可能由州代码、县代码和 tract 代码拼接而成。如果把完整 GEOID 全部写进 geoids()，有时反而会报错。getcensus 的思路是：州这一层交给 statefips()，县这一层交给 countyfips()，最后一段目标地理单元代码才放入 geoids()。

3.2 Geographic components

geocomponents() 用于在某个地理层级下进一步区分城市、农村、都市区内外等。例如，对州层级数据区分都市区内外：

getcensus B19013_001, ///    year(2024) ///    geography(state) ///    geocomponents(H0 C0) ///    clear

这条命令会为每个州返回两类观测：一类是不在 metropolitan statistical area 中的部分，另一类是在 metropolitan statistical area 中的部分。

Available with geography() us, region, division, or state

Available with geography(us) only

说明：

• • *：仅有 5-year estimates。
• • **：无 1-year estimates。

这部分信息在实证研究中很有用。很多研究并不只关心某个州的平均收入，而是关心州内城市和农村地区是否存在差异，或都市区内外的住房负担是否不同。此时，geocomponents() 比单纯使用 geography(state) 更有信息量。

4. Keywords

帮助文件中写道：

Users may use a keyword to retrieve a curated set of variables.

关键词对应的不是单个变量，而是一组经过整理的常用变量。当前可用关键词如下：

例如：

* 读取中位家庭收入相关变量getcensus medinc, ///    year(2024) ///    geography(state) ///    clear

有一个细节需要注意：使用 costburden_renters 计算租房者住房负担比例时，分母应从租房者总数 B25070_001 中减去无法计算住房负担的租房者人数 B25070_011。使用 housing_overview 则不需要这一步，该表中租金负担部分的总数 DP04_0136 已经排除了这部分人群。

这个提醒很重要。ACS 表中有些总体数并不是论文直觉中的「全部样本」。如果不检查变量说明，结果可能会出现系统性偏差。

关键词适合快速上手和教学演示。正式论文中，建议最终回到具体变量 ID，并在数据附录中说明变量来源、表号和变量含义。

5. 一个可复现的 Stata 示例

下面给出一个最小可运行示例。目标是读取 2024 年加州县级 ACS 数据，并保存为 Stata 数据集。读者可以把它改造成自己的论文数据准备脚本。

***************************************************** 示例：使用 getcensus 读取 ACS 县级数据* 目的：获取 2024 年加州县级变量，用作论文地区控制变量****************************************************clear allset more off*---------------------------------------------------* Step 1: 设置 API key* 实际使用时，建议把这一行写入 profile.do* 不要把真实 key 上传到 GitHub 或公开仓库*---------------------------------------------------// 如果 API key 已经写入 profile.do, 可以删除此行global censuskey "your-api-key-here"*---------------------------------------------------* Step 2: 搜索 poverty 相关变量* product(ST) 表示在 Subject Table 中搜索*---------------------------------------------------getcensus catalog, ///    year(2024) ///    product(ST) ///    search(poverty) ///    cleardescribesave "acs_catalog_st_poverty_2024.dta", replace

结果如下：

. describeContains data from ~/AppData/Local/getcensus/acs_dict_2024_1yr_st.dta Observations:    1,475                      Variables:        4  25 May 2026 18:39------------------------------------------Variable      Storage   Display    Value    name         type    format    label------------------------------------------table_id        str8    %9s               table_name      strL    %9s               variable_id     str8    %9s               variable_desc~p strL    %9s               ------------------------------------------

*---------------------------------------------------* Step 3: 读取两个示例变量* geography(county) 表示县级* statefips(06) 表示加州* noerror 表示暂不读取 margin of error，便于课堂演示*---------------------------------------------------getcensus S1701_C03_001 S2701_C05_001, ///    year(2024) ///    geography(county) ///    statefips(06) ///    noerror ///    cleardescribenotes*---------------------------------------------------* Step 4: 拼接五位县级 FIPS 代码，便于合并主数据* getcensus 返回的 state 和 county 可能是字符串，也可能是数值* 这里写成稳健版本，避免因变量类型不同而出错*---------------------------------------------------capture confirm string variable stateif !_rc {    gen str2 state_str = state}else {    gen str2 state_str = string(state, "%02.0f")}capture confirm string variable countyif !_rc {    gen str3 county_str = county}else {    gen str3 county_str = string(county, "%03.0f")}gen str5 county_fips = state_str + county_strlabel var county_fips "Five-digit county FIPS code"*---------------------------------------------------* Step 5: 保存结果*---------------------------------------------------save "acs_ca_county_2024.dta", replace

运行后需要重点检查三处：

• • describe：确认返回了哪些地理标识变量和 ACS 变量；
• • 变量标签和 notes：确认变量口径是否符合论文需要；
• • county_fips：确认是否可以与自己的主数据合并。

如果论文主数据是县级面板，通常可以按 county_fips year 合并；如果是州级面板，可以按州 FIPS 或州名合并；如果是城市、都市圈、国会选区等层级，则需要先统一地理编码口径。

如果希望直接下载并保存多个年份的县级数据，可以把 year(2024) 改成 years(2022/2024)，并在后续合并时保留 year 变量：

* 读取 2022-2024 年加州县级数据getcensus S1701_C03_001 S2701_C05_001, ///    years(2022/2024) ///    geography(county) ///    statefips(06) ///    noerror ///    cleardescribesave "acs_ca_county_2022_2024.dta", replace

结果如下：

Contains data from C:\Users\ADMINI~1\AppData\Local\Temp\ST_312c_000001.tmp Observations:           126                      Variables:             6     25 May 2026 18:44--------------------------------------------------Variable      Storage   Display    name         type    format   Variable label--------------------------------------------------year            int     %10.0g    state           str2    %9s       county          str3    %9s       countyname            str34   %34s      s1701_c03_001e  double  %10.0g    [[S1701_C03_001Es2701_c05_001e  double  %10.0g    S2701_C05_001E--------------------------------------------------Sorted by: year  state  county     Note: Dataset has changed since last saved.

不过，跨年下载只是第一步。正式构造面板数据时，还要确认这些变量在各年是否可得，变量定义是否一致，县级边界是否发生变化。

6. 注意事项与适用场景

getcensus 的语法并不复杂，真正需要谨慎的是数据口径。

6.1 注意事项

• • 显式写出 year() 或 years()。年份直接影响数据口径，论文代码不应依赖「最新年份」这种会随时间变化的默认值。
• • 提前申请 API key。新版中 API key 已经成为必需项。建议把 key 写入本地 profile.do，不要写入公开 do-file。
• • 区分 1-year、3-year 和 5-year estimates。sample(1) 是默认值；sample(3) 只适用于 2007-2013 年；sample(5) 覆盖更细的地理层级。1-year estimates 更及时，但只适用于人口较大的地理区域；5-year estimates 覆盖 tract、block group、ZCTA 等更细层级，但代表的是多年累积样本。县级或更细层级的研究，很多变量只能使用 5-year estimates。
• • 不要混合不同产品类型的变量。Detailed Table、Subject Table、Data Profile、Comparison Profile 属于不同产品类型。一次读取多个变量时，应确认它们属于同一类型。若不确定，先用 getcensus catalog 搜索确认。
• • 跨年数据要检查表和地理边界是否变化。ACS 表结构、变量定义和地理边界并非永远不变。构造面板数据时，应检查变量在各年是否可用、地理单元是否可比，必要时固定在较高层级或使用官方 crosswalk。
• • 不要忽略 margin of error。ACS 是抽样调查数据，在县、tract、block group 等较小地理层级上，抽样误差可能较大。如果 ACS 变量是核心解释变量或被解释变量，最好保留 margin of error，并在稳健性分析中讨论抽样误差。
• • 注意 GEOID 的层级。statefips() 是两位州代码，countyfips() 是三位县代码，geoids() 通常只写目标地理单元 GEOID 的最后一段。把完整 GEOID 直接传给 geoids()，有时反而会出错。
• • 谨慎使用关键词变量集。关键词适合快速获取一组常用变量，但它返回的是「curated set of variables」，不等于已经替研究者完成变量选择。正式论文中应回到具体变量 ID，逐一核对变量定义。
• • 明确 getcensus 和 censusapi 的关系。getcensus 支持多数但不是全部 ACS 地理层级和 geographic components。如果研究需要更完整的 Census API 功能，可以同时了解 Stata 中的 censusapi 命令。两者不是完全替代关系：getcensus 更适合 ACS 常用变量的便捷获取，censusapi 更接近通用 API 接口。

6.2 适用场景

对经管类研究者而言，getcensus 最常见的用途不是单独写一篇人口统计论文，而是为主研究补充地区层面的控制变量、分组变量或机制变量。典型场景包括：

• • 补充公司、银行、学校、医院等微观主体所在地的经济背景变量；
• • 获取县级贫困率、中位收入、住房负担、医保覆盖等社会经济变量；
• • 比较政策评估中处理组和控制组所在地区的基准差异；
• • 为 DID 或事件研究构造地区层面时间变动控制变量；
• • 做城乡、都市区内外、州内不同地区之间的异质性分析；
• • 为美国县级、州级、都市圈层面的面板数据研究补充背景变量。

getcensus 最大的价值不是「多下载几个变量」，而是把 ACS 数据获取过程写进 do-file，让数据来源、年份、地理层级、样本类型和变量 ID 都能被复查和复现。

简言之，getcensus 是 Stata 用户获取 ACS 数据的一个便捷入口。它不能替代研究者对变量口径的判断，但可以把繁琐的手工下载流程变成清晰、可复现的代码流程。

7. 资料来源

• • getcensus 官方主页：https://centeronbudget.github.io/getcensus/
• • GitHub 仓库：https://github.com/CenterOnBudget/getcensus
• • Census API key 申请：https://api.census.gov/data/key_signup.html
• • Census Bureau API 数据集说明：https://www.census.gov/data/developers/data-sets.html
• • ACS 表号说明：https://www.census.gov/programs-surveys/acs/data/data-tables/table-ids-explained.html
• • ACS 表和地理口径变化：https://www.census.gov/programs-surveys/acs/technical-documentation/table-and-geography-changes.html

getcensus 是 Center on Budget and Policy Priorities 的开源项目，由 Claire Zippel 和 Matt Saenz 开发，Raheem Chaudhry 和 Vincent Palacios 创立。维护者和贡献者信息以项目主页和 GitHub 仓库为准。

8. 相关推文

Note：产生如下推文列表的 Stata 命令为：lianxh 数据平台 数据共享 数据分享 复现网站 API, md2 nocat安装最新版 lianxh 命令：ssc install lianxh, replace

• • 丁晨, 2021, Stata数据处理：通过API获取经济数据^[3].
• • 冷萱, 2021, Stata：我和她离多远？基于百度地图API的地理距离计算^[4].
• • 刘烁华, 2023, 数据共享：土地覆盖数据介绍^[5].
• • 刘烁华, 2023, 数据分享：气候数据哪里找？^[6].
• • 初虹, 2022, Stata：CSMAR数据库API介绍^[7].
• • 吕卓阳, 2025, FinanceDatabase：涵盖30万条全球金融数据的平台^[8].
• • 周豪波, 2020, Python 调用 API 爬取百度 POI 数据小贴士——坐标转换、数据清洗与 ArcGIS 可视化^[9].
• • 周豪波, 2020, Python 调用 API 进行逆地理编码^[10].
• • 孙斯嘉, 2020, Python 调用 API 爬取百度 POI 数据^[11].
• • 孙斯嘉, 2020, Python 调用 API 进行地理编码^[12].
• • 宗景辉, 2025, 数据分享：收藏！宏观经济与金融数据大合集^[13].
• • 张家星, 2025, I4R网站：让复现研究成为社会科学的新常态^[14].
• • 张祖冲, 2025, akshare 与 Python：中国金融数据分析与获取的开源首选工具^[15].
• • 桑倩倩, 2022, 美国社会-人口数据平台-Opportunity-Insights：由Chetty发起^[16].
• • 王舒瑶, 2022, 知乎高赞：各大行业报告的数据都是从哪里找的？^[17].
• • 申维冰, 2022, 金融数据哪里找——Akshare数据平台^[18].
• • 申维冰, 2021, 金融数据哪里找：Tushare数据平台^[19].
• • 肖蕊, 2021, 知乎热议：经济-金融大佬从哪里获得数据？如何处理？^[20].
• • 赵雨鑫, 2023, 数据库分享：年报文本语气数据库^[21].
• • 连享会, 2021, Stata-Python交互-6：调用APIs和JSON数据^[22].
• • 连享会, 2020, 数据分享——EPS数据库-新冠肺炎疫情实时监控平台^[23].
• • 连享会, 2020, 连享会：论文重现复现网站大全^[24].
• • 连小白, 2025, EJD平台：13000篇顶刊论文的复现数据和代码^[25].
• • 连小白, 2026, OpenBB 爆火：用于投喂 AI-Agent 的开源数据平台^[26].
• • 连玉君, 2025, API 是什么？^[27].

连享会：2026AI-Agent专题 · 线上时间：6月20-21日嘉宾：李学恒 (中山大学)咨询：王老师 18903405450（微信）

🍓 连享会 · 2026 AI 实证研究嘉宾：司继春（上海对外经贸大学）时间：2026 年 6 月 27-28 日咨询：王老师 18903405450（微信）

New！ Stata 搜索神器：lianxh 和 songblGIF 动图介绍搜： 推文、数据分享、期刊论文、重现代码 ……👉 安装：. ssc install lianxh. ssc install songbl👉  使用：. lianxh DID 倍分法. songbl all

🍏 关于我们

• • 连享会 ( www.lianxh.cn，推文列表) 由中山大学连玉君老师团队创办，定期分享实证分析经验。
• • 直通车： 👉【百度一下：连享会】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。

引用链接

[1] lianxhcn@163.com: mailto:lianxhcn@163.com[2] 连享会-profile: [3] Stata数据处理：通过API获取经济数据: https://www.lianxh.cn/details/596.html[4] Stata：我和她离多远？基于百度地图API的地理距离计算: https://www.lianxh.cn/details/509.html[5] 数据共享：土地覆盖数据介绍: https://www.lianxh.cn/details/1301.html[6] 数据分享：气候数据哪里找？: https://www.lianxh.cn/details/1149.html[7] Stata：CSMAR数据库API介绍: https://www.lianxh.cn/details/884.html[8] FinanceDatabase：涵盖30万条全球金融数据的平台: https://www.lianxh.cn/details/1696.html[9] Python 调用 API 爬取百度 POI 数据小贴士——坐标转换、数据清洗与 ArcGIS 可视化: https://www.lianxh.cn/details/20.html[10] Python 调用 API 进行逆地理编码: https://www.lianxh.cn/details/59.html[11] Python 调用 API 爬取百度 POI 数据: https://www.lianxh.cn/details/60.html[12] Python 调用 API 进行地理编码: https://www.lianxh.cn/details/62.html[13] 数据分享：收藏！宏观经济与金融数据大合集: https://www.lianxh.cn/details/1720.html[14] I4R网站：让复现研究成为社会科学的新常态: https://www.lianxh.cn/details/1702.html[15] akshare 与 Python：中国金融数据分析与获取的开源首选工具: https://www.lianxh.cn/details/1642.html[16] 美国社会-人口数据平台-Opportunity-Insights：由Chetty发起: https://www.lianxh.cn/details/929.html[17] 知乎高赞：各大行业报告的数据都是从哪里找的？: https://www.lianxh.cn/details/1101.html[18] 金融数据哪里找——Akshare数据平台: https://www.lianxh.cn/details/958.html[19] 金融数据哪里找：Tushare数据平台: https://www.lianxh.cn/details/676.html[20] 知乎热议：经济-金融大佬从哪里获得数据？如何处理？: https://www.lianxh.cn/details/813.html[21] 数据库分享：年报文本语气数据库: https://www.lianxh.cn/details/1225.html[22] Stata-Python交互-6：调用APIs和JSON数据: https://www.lianxh.cn/details/556.html[23] 数据分享——EPS数据库-新冠肺炎疫情实时监控平台: https://www.lianxh.cn/details/23.html[24] 连享会：论文重现复现网站大全: https://www.lianxh.cn/details/232.html[25] EJD平台：13000篇顶刊论文的复现数据和代码: https://www.lianxh.cn/details/1701.html[26] OpenBB 爆火：用于投喂 AI-Agent 的开源数据平台: https://www.lianxh.cn/details/1789.html[27] API 是什么？: https://www.lianxh.cn/details/1686.html