时空API实测：区域人群客流画像数据快速获取

原创

API测评玩玩咯

发布于 2025-07-15 17:50:46

4110

公司市场部门要做人群客流调研做分析，到处找人群客流统计数据和画像数据，哪用那么麻烦？直接找相关API接口啊，分分钟获取数据。

给市场同事搞定人群客流数据后，顺便写写分享出来，有相同需求的可以试试。

API相关参数说明

先看看API的标准开发文档，几个关键参数便能体现其数据特性和价值：

Body 请求参数

名称	类型	是否必需	字段含义
month	string	是	季度（Q1~Q4）
area	number	是	围栏面积
size	integer	是	网格大小（100、200、500、1000）
query_type	string	是	circle/polygon
radius	integer	否	圆半径（1000）
location	string	否	圆心
polygon	string	否	围栏坐标集合
population_type	integer	是	1:居住人群， 2:工作人群，3:常驻人群，4：年轻群体居住，5：年轻群体工作，6：高净值人群居住，7：高净值群体工作， 8: 居住迁入迁出， 9: 工作迁入迁出，10: 常驻迁入迁出
data_type	integer	是	1：基础画像，2：收入消费，3：业态偏好，4：交通方式， 5：餐饮偏好， 6：商场偏好，（7：品牌偏好）， 8：手机终端， 9：业态偏好（粗），10：迁入迁出，11：运营商

从Body参数可知，这个API不像很多固定时间和区域的接口一样，它可以自由选择不同季度（Q1~Q4）、多种网格大小（100、200、500、1000）面积下的区域，想看哪里的人群画像就圈哪里，还能追溯历史数据，适配各种数据精准化需求。

API中可选择10类人群、11类人群画像数据，涵盖基础画像（如年龄、性别）和各种偏好画像（如消费、兴趣），不同人群不同画像，满足多样人群分析需求，应用面挺广。

返回响应字段说明

名称	类型	是否必需	字段含义
response_id	string	是	平台公共网响应ID
code	integer	是	公共网关响应码
message	integer	是	公共网关响应参数
biz_code	integer	是	API服务响应码
biz_message	string	是	API服务响应信息
date	string	是	-
data	object	是	年龄段、性别、职业分布、婚姻情况、有无房产、有无小孩、孩子年龄、学历

返回响应：仅【基础画像】便有8大类人群画像数据，囊括年龄、性别、职业等多维度，数据类型很丰富，就不一一展开，想了解具体参数去平台体验获取。

API免费体验及接入指南

注册与在线免费体验

1、在开放平台能力中心页面找到“泛客流”栏目，找到区域人群画像分布API，点击查看详情；

2、进入详情页便能申请API接口的测试次数，有特殊需求也可以找官方。

3、平台的【在线体验】页面是提供部分API 的免费在线测试，这个功能非常好，不需要花钱便能感受API的效果，省去很多测试成本，建议多去试试。

回到今天推荐的核心API：“区域人群画像分布”，API接口设计简洁易用，开发者可以快速集成到系统中，以下是关键步骤：

1.注册与认证

登录平台控制台，获取区域人群画像接口API Key，用于后续接口调用；

2. 接口调用示例

提供多种编程语言的SDK，以下以Python为例，展示区域人群画像接口的调用方法：

import http.client
import json

conn = http.client.HTTPSConnection("data-api.isjike.com")
payload = json.dumps({
   "month": "2025-Q1",
   "area": 3.429,
   "size": 100,
   "query_type": "circle",
   "population_type": 1,
   "radius": 100,
   "location": "113.943,22.535",
   "data_type": 1
})
headers = {
   'Content-Type': 'application/json'
}
conn.request("POST", "/api/v1/citymap/populationlabel", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))

3.测试参数示例

输入参数	返回参数
{ "month": "2025-Q1", "area": 3.429, "size": 100, "query_type": "circle", "population_type": 1, "radius": 100, "location": "113.943,22.535", "data_type": 1 }	{ "response_id": "ad93cc09-bff1-4ebd-8f1b-b65460e60e81", "code": 200, "message": "success", "biz_code": 0, "biz_message": "", "data": { "date": "2025-Q1", "data": { "年龄段": { "18-24岁": 0.03306, "25-29岁": 0.15702, "30-34岁": 0.16528, "35-39岁": 0.09917, "40-44岁": 0.06611, "45-49岁": 0.13223, "50-54岁": 0.13223, "55-59岁": 0.09917, "60-64岁": 0, "65-69岁": 0.03306, "70-74岁": 0.04959, "75-79岁": 0, "80-84岁": 0, "85以上": 0.03306 }, "性别": { "man": 0.5553134547560776, "woman": 0.4446865452439223 }, "职业分布": { "自由职业者": 0.14634, "写字楼白领": 0.60975, "政府工作人员": 0, "工厂蓝领工": 0.04878, "教育行业工作人员": 0, "大学生": 0, "购物行业": 0, "医院工作人员": 0, "餐饮行业工作人员": 0.04878, "景区工作人员": 0, "外卖员": 0, "酒店行业工作人员": 0.14634, "娱乐行业工作人员": 0, "丽人行业": 0, "铁路工作人员": 0, "机场工作人员": 0, "网约车司机": 0, "金融工作人员": 0, "汽车保养行业工作人员": 0, "亲子行业工作人员": 0 }, "婚姻": { "已婚": 0.50406, "未婚": 0.49593 }, "有无房产": { "有": 0.5691, "无": 0.43089 }, "有无小孩": { "有": 0.45365, "无": 0.54635 }, "孩子年龄": { "0-3岁（婴幼儿）": 0.40322, "4-6岁（学龄前）": 0.2258, "7-12岁（小学生）": 0.3387, "13-17岁(初高中生)": 0.03226 }, "学历": { "低学历（初中及以下）": 0.60162, "中学历（高中）": 0.28455, "高学历（大学、大专、研究生）": 0.11382 } } } }

输入参数

返回参数

{ "month": "2025-Q1", "area": 3.429, "size": 100, "query_type": "circle", "population_type": 1, "radius": 100, "location": "113.943,22.535", "data_type": 1 }

{ "response_id": "ad93cc09-bff1-4ebd-8f1b-b65460e60e81", "code": 200, "message": "success", "biz_code": 0, "biz_message": "", "data": { "date": "2025-Q1", "data": { "年龄段": { "18-24岁": 0.03306, "25-29岁": 0.15702, "30-34岁": 0.16528, "35-39岁": 0.09917, "40-44岁": 0.06611, "45-49岁": 0.13223, "50-54岁": 0.13223, "55-59岁": 0.09917, "60-64岁": 0, "65-69岁": 0.03306, "70-74岁": 0.04959, "75-79岁": 0, "80-84岁": 0, "85以上": 0.03306 }, "性别": { "man": 0.5553134547560776, "woman": 0.4446865452439223 }, "职业分布": { "自由职业者": 0.14634, "写字楼白领": 0.60975, "政府工作人员": 0, "工厂蓝领工": 0.04878, "教育行业工作人员": 0, "大学生": 0, "购物行业": 0, "医院工作人员": 0, "餐饮行业工作人员": 0.04878, "景区工作人员": 0, "外卖员": 0, "酒店行业工作人员": 0.14634, "娱乐行业工作人员": 0, "丽人行业": 0, "铁路工作人员": 0, "机场工作人员": 0, "网约车司机": 0, "金融工作人员": 0, "汽车保养行业工作人员": 0, "亲子行业工作人员": 0 }, "婚姻": { "已婚": 0.50406, "未婚": 0.49593 }, "有无房产": { "有": 0.5691, "无": 0.43089 }, "有无小孩": { "有": 0.45365, "无": 0.54635 }, "孩子年龄": { "0-3岁（婴幼儿）": 0.40322, "4-6岁（学龄前）": 0.2258, "7-12岁（小学生）": 0.3387, "13-17岁(初高中生)": 0.03226 }, "学历": { "低学历（初中及以下）": 0.60162, "中学历（高中）": 0.28455, "高学历（大学、大专、研究生）": 0.11382 } } } }

在测试过程中，API的响应很快，而且返回的数据非常详细，各类人群的画像数据基本都有，若能深度开发或集成“区域人群画像分布API”至产品，即可获得多维度的深度人群洞察。