diff --git a/akshare/futures_derivative/futures_hog.py b/akshare/futures_derivative/futures_hog.py
index d9e82da0c0a..d0e0ea7d2aa 100644
--- a/akshare/futures_derivative/futures_hog.py
+++ b/akshare/futures_derivative/futures_hog.py
@@ -1,313 +1,278 @@
 #!/usr/bin/env python
 # -*- coding:utf-8 -*-
 """
-Date: 2023/2/13 22:03
-Desc: 养猪数据中心
+Date: 2024/3/18 14:00
+Desc: 玄田数据
 https://zhujia.zhuwang.com.cn
 """
-import requests
+
 import pandas as pd
+import requests
 
 
-def futures_hog_info(symbol: str = "猪肉批发价") -> pd.DataFrame:
+def futures_hog_core(symbol: str = "外三元") -> pd.DataFrame:
     """
-    养猪数据中心
-    https://zhujia.zhuwang.com.cn/
-    :param symbol: choice of {"猪肉批发价", "仔猪价格", "生猪期货指数", "二元母猪价格", "生猪产能数据", "饲料原料数据", "中央储备冻猪肉", "白条肉", "育肥猪配合饲料", "肉类价格指数", "猪粮比价", "猪企销售简报-销售量", "猪企销售简报-销售额", "猪企销售简报-销售均价"}
+    玄田数据-核心数据
+    https://zhujia.zhuwang.com.cn
+    :param symbol: choice of {"外三元", "内三元", "土杂猪"}
     :type symbol: str
-    :return: 猪肉信息
+    :return: 玄田数据-核心数据
     :rtype: pandas.DataFrame
     """
-    if symbol == "猪肉批发价":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhujiapork/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    if symbol == "外三元":
+        url = "https://xt.yangzhu.vip/data/getzhujiahitsdata"
+        params = {"ptype": "1", "areano": "-1", "datetype": "0"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json)
-        temp_df.columns = ["date", "item", "value"]
-        del temp_df["item"]
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["value", "date"]
+        temp_df = temp_df[["date", "value"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "仔猪价格":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhizhu/chart2.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "内三元":
+        url = "https://xt.yangzhu.vip/data/getzhujiahitsdata"
+        params = {"ptype": "2", "areano": "-1", "datetype": "0"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["date", "value"]
-        temp_df["date"] = pd.to_datetime(temp_df["date"], format="%Y年%m月%d日").dt.date
-        temp_df["value"] = pd.to_numeric(temp_df["value"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["value", "date"]
+        temp_df = temp_df[["date", "value"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "生猪期货指数":
-        url = "https://zhujia.zhuwang.com.cn/new_map/shengzhuqihuo/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "土杂猪":
+        url = "https://xt.yangzhu.vip/data/getzhujiahitsdata"
+        params = {"ptype": "3", "areano": "-1", "datetype": "0"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json)
-        need_list = temp_df.iloc[-1, [1, 3, 5, 7, 9, 11, 13, 15]].tolist()
-        temp_df.columns = list("abcdefghijklmnopq")
-        temp_df = temp_df.drop(["b", "d", "f", "h", "j", "l", "n", "p"], axis="columns")
-        temp_df.columns = ["日期"] + need_list
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["value", "date"]
+        temp_df = temp_df[["date", "value"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "二元母猪价格":
-        url = "https://zhujia.zhuwang.com.cn/new_map/eryuanpig/chart2.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+
+
+def futures_hog_cost(symbol: str = "玉米") -> pd.DataFrame:
+    """
+    玄田数据-成本维度
+    https://zhujia.zhuwang.com.cn
+    :param symbol: choice of {"玉米", "豆粕", "二元母猪价格", "仔猪价格"}
+    :type symbol: str
+    :return: 玄田数据-成本维度
+    :rtype: pandas.DataFrame
+    """
+    if symbol == "玉米":
+        url = "https://xt.yangzhu.vip/data/getzhujiahitsdata"
+        params = {"ptype": "4", "areano": "-1", "datetype": "0"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["date", "value"]
-        temp_df["date"] = pd.to_datetime(temp_df["date"], format="%Y年%m月%d日").dt.date
-        temp_df["value"] = pd.to_numeric(temp_df["value"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["value", "date"]
+        temp_df = temp_df[["date", "value"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "生猪产能数据":
-        url = "https://zhujia.zhuwang.com.cn/new_map/shengzhuchanneng/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "豆粕":
+        url = "https://xt.yangzhu.vip/data/getzhujiahitsdata"
+        params = {"ptype": "5", "areano": "-1", "datetype": "0"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "能繁母猪存栏", "猪肉产量", "生猪存栏", "生猪出栏"]
-        temp_df["能繁母猪存栏"] = pd.to_numeric(temp_df["能繁母猪存栏"], errors="coerce")
-        temp_df["猪肉产量"] = pd.to_numeric(temp_df["猪肉产量"], errors="coerce")
-        temp_df["生猪存栏"] = pd.to_numeric(temp_df["生猪存栏"], errors="coerce")
-        temp_df["生猪出栏"] = pd.to_numeric(temp_df["生猪出栏"], errors="coerce")
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["value", "date"]
+        temp_df = temp_df[["date", "value"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "饲料原料数据":
-        url = "https://zhujia.zhuwang.com.cn/new_map/pigfeed/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "二元母猪价格":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {
+            "ptype": "1",
+            "areano": "-1",
+        }
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "大豆进口金额", "大豆播种面积", "玉米进口金额", "玉米播种面积"]
-        temp_df["周期"] = temp_df["周期"].astype(int).astype(str)
-        temp_df["大豆进口金额"] = pd.to_numeric(temp_df["大豆进口金额"], errors="coerce")
-        temp_df["大豆播种面积"] = pd.to_numeric(temp_df["大豆播种面积"], errors="coerce")
-        temp_df["玉米进口金额"] = pd.to_numeric(temp_df["玉米进口金额"], errors="coerce")
-        temp_df["玉米播种面积"] = pd.to_numeric(temp_df["玉米播种面积"], errors="coerce")
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["date", "value"]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "中央储备冻猪肉":
-        url = "https://zhujia.zhuwang.com.cn/new_map/chubeidongzhurou/chart2.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "仔猪价格":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {
+            "ptype": "2",
+            "areano": "-1",
+        }
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
+        temp_df = pd.DataFrame(data_json["data"])
         temp_df.columns = ["date", "value"]
-        temp_df["date"] = pd.to_datetime(temp_df["date"], format="%Y年%m月%d日").dt.date
-        temp_df["value"] = pd.to_numeric(temp_df["value"])
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "白条肉":
-        url = "https://zhujia.zhuwang.com.cn/new_map/baitiaozhurou/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+
+
+def futures_hog_supply(symbol: str = "猪肉批发价") -> pd.DataFrame:
+    """
+    玄田数据-供应维度
+    https://zhujia.zhuwang.com.cn
+    :param symbol: choice of {"猪肉批发价", "储备冻猪肉", "饲料原料数据", "白条肉",
+    "生猪产能", "育肥猪", "肉类价格指数", "猪粮比价"}
+    :type symbol: str
+    :return: 玄田数据-供应维度
+    :rtype: pandas.DataFrame
+    """
+    if symbol == "猪肉批发价":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "3", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "白条肉平均出厂价格", "环比", "同比"]
-        temp_df["白条肉平均出厂价格"] = pd.to_numeric(temp_df["白条肉平均出厂价格"])
-        temp_df["环比"] = pd.to_numeric(temp_df["环比"])
-        temp_df["同比"] = pd.to_numeric(temp_df["同比"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["date", "item", "value"]
+        del temp_df["item"]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "育肥猪配合饲料":
-        url = "https://zhujia.zhuwang.com.cn/new_map/yufeipig/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "储备冻猪肉":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "4", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json)
-        temp_df.columns = ["周期", "发布日期", "_", "本周", "去年同期", "上一周", "_", "_", "_"]
-        temp_df = temp_df[["发布日期", "周期", "本周", "去年同期", "上一周"]]
-        temp_df["去年同期"] = pd.to_numeric(temp_df["去年同期"])
-        temp_df["上一周"] = pd.to_numeric(temp_df["上一周"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["date", "value"]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "肉类价格指数":
-        url = "https://zhujia.zhuwang.com.cn/new_map/meatindex/chart1.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "饲料原料数据":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "5", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json)
-        temp_df.columns = ["date", "_", "value"]
-        temp_df = temp_df[["date", "value"]]
-        temp_df["value"] = pd.to_numeric(temp_df["value"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = [
+            "周期",
+            "大豆进口金额",
+            "大豆播种面积",
+            "玉米进口金额",
+            "玉米播种面积",
+        ]
+        temp_df["周期"] = temp_df["周期"].astype(int).astype(str)
+        temp_df["大豆进口金额"] = pd.to_numeric(
+            temp_df["大豆进口金额"], errors="coerce"
+        )
+        temp_df["大豆播种面积"] = pd.to_numeric(
+            temp_df["大豆播种面积"], errors="coerce"
+        )
+        temp_df["玉米进口金额"] = pd.to_numeric(
+            temp_df["玉米进口金额"], errors="coerce"
+        )
+        temp_df["玉米播种面积"] = pd.to_numeric(
+            temp_df["玉米播种面积"], errors="coerce"
+        )
         return temp_df
-    elif symbol == "猪粮比价":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhuliangbi/chart2.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "白条肉":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "6", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["date", "value"]
-        temp_df["date"] = pd.to_datetime(temp_df["date"], format="%Y年%m月%d日").dt.date
-        temp_df["value"] = pd.to_numeric(temp_df["value"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["周期", "白条肉平均出厂价格", "环比", "同比"]
+        temp_df["白条肉平均出厂价格"] = pd.to_numeric(
+            temp_df["白条肉平均出厂价格"], errors="coerce"
+        )
+        temp_df["环比"] = pd.to_numeric(temp_df["环比"], errors="coerce")
+        temp_df["同比"] = pd.to_numeric(temp_df["同比"], errors="coerce")
         return temp_df
-    elif symbol == "猪企销售简报-销售量":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhuqixiaoshoujianbao/xiaoliang.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "生猪产能":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "7", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "温氏", "正邦", "新希望", "牧原"]
-        temp_df["温氏"] = pd.to_numeric(temp_df["温氏"])
-        temp_df["正邦"] = pd.to_numeric(temp_df["正邦"])
-        temp_df["新希望"] = pd.to_numeric(temp_df["新希望"])
-        temp_df["牧原"] = pd.to_numeric(temp_df["牧原"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["周期", "能繁母猪存栏", "猪肉产量", "生猪存栏", "生猪出栏"]
+        temp_df["能繁母猪存栏"] = pd.to_numeric(
+            temp_df["能繁母猪存栏"], errors="coerce"
+        )
+        temp_df["猪肉产量"] = pd.to_numeric(temp_df["猪肉产量"], errors="coerce")
+        temp_df["生猪存栏"] = pd.to_numeric(temp_df["生猪存栏"], errors="coerce")
+        temp_df["生猪出栏"] = pd.to_numeric(temp_df["生猪出栏"], errors="coerce")
         return temp_df
-    elif symbol == "猪企销售简报-销售额":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhuqixiaoshoujianbao/xiaoshoue.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "育肥猪":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "9", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "温氏", "正邦", "新希望", "牧原"]
-        temp_df["温氏"] = pd.to_numeric(temp_df["温氏"])
-        temp_df["正邦"] = pd.to_numeric(temp_df["正邦"])
-        temp_df["新希望"] = pd.to_numeric(temp_df["新希望"])
-        temp_df["牧原"] = pd.to_numeric(temp_df["牧原"])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df = temp_df[["date", "benzhou"]]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["benzhou"] = pd.to_numeric(temp_df["benzhou"], errors="coerce")
         return temp_df
-    elif symbol == "猪企销售简报-销售均价":
-        url = "https://zhujia.zhuwang.com.cn/new_map/zhuqixiaoshoujianbao/junjia.json"
-        params = {"timestamp": "1627567846422"}
-        r = requests.get(url, params=params)
+    elif symbol == "肉类价格指数":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "10", "areano": "-1"}
+        r = requests.post(url, params=params)
         data_json = r.json()
-        temp_df = pd.DataFrame(data_json).T
-        temp_df.columns = ["周期", "温氏", "正邦", "新希望", "牧原"]
-        temp_df["温氏"] = pd.to_numeric(temp_df["温氏"])
-        temp_df["正邦"] = pd.to_numeric(temp_df["正邦"])
-        temp_df["新希望"] = pd.to_numeric(temp_df["新希望"])
-        temp_df["牧原"] = pd.to_numeric(temp_df["牧原"])
-        return temp_df
-
-
-def futures_hog_rank(symbol: str = "外三元") -> pd.DataFrame:
-    """
-    价格排行榜
-    https://zhujia.zhuwang.com.cn/lists.shtml
-    :param symbol: choice of {"外三元", "内三元", "土杂猪", "玉米", "豆粕"}
-    :type symbol: str
-    :return: 价格排行榜
-    :rtype: pandas.DataFrame
-    """
-    if symbol == "外三元":
-        temp_df = pd.read_html("https://zhujia.zhuwang.com.cn/lists.shtml")[0]
-        temp_df.columns = [
-            '排名',
-            '品种',
-            '省份',
-            '价格-公斤',
-            '价格-斤',
-        ]
-        temp_df['价格-公斤'] = temp_df['价格-公斤'].str.strip("元")
-        temp_df['价格-斤'] = temp_df['价格-斤'].str.strip("元")
-        temp_df['价格-公斤'] = pd.to_numeric(temp_df['价格-公斤'])
-        temp_df['价格-斤'] = pd.to_numeric(temp_df['价格-斤'])
-        return temp_df
-    elif symbol == "内三元":
-        temp_df = pd.read_html("https://zhujia.zhuwang.com.cn/lists-1.shtml")[0]
-        temp_df.columns = [
-            '排名',
-            '品种',
-            '省份',
-            '价格-公斤',
-            '价格-斤',
-        ]
-        temp_df['价格-公斤'] = temp_df['价格-公斤'].str.strip("元")
-        temp_df['价格-斤'] = temp_df['价格-斤'].str.strip("元")
-        temp_df['价格-公斤'] = pd.to_numeric(temp_df['价格-公斤'])
-        temp_df['价格-斤'] = pd.to_numeric(temp_df['价格-斤'])
-        return temp_df
-    elif symbol == "土杂猪":
-        temp_df = pd.read_html("https://zhujia.zhuwang.com.cn/lists-2.shtml")[0]
-        temp_df.columns = [
-            '排名',
-            '品种',
-            '省份',
-            '价格-公斤',
-            '价格-斤',
-        ]
-        temp_df['价格-公斤'] = temp_df['价格-公斤'].str.strip("元")
-        temp_df['价格-斤'] = temp_df['价格-斤'].str.strip("元")
-        temp_df['价格-公斤'] = pd.to_numeric(temp_df['价格-公斤'])
-        temp_df['价格-斤'] = pd.to_numeric(temp_df['价格-斤'])
-        return temp_df
-    elif symbol == "玉米":
-        temp_df = pd.read_html("https://zhujia.zhuwang.com.cn/lists-3.shtml")[0]
-        temp_df.columns = [
-            '排名',
-            '品种',
-            '省份',
-            '价格-公斤',
-            '价格-斤',
-        ]
-        temp_df['价格-公斤'] = temp_df['价格-公斤'].str.strip("元")
-        temp_df['价格-斤'] = temp_df['价格-斤'].str.strip("元")
-        temp_df['价格-公斤'] = pd.to_numeric(temp_df['价格-公斤'])
-        temp_df['价格-斤'] = pd.to_numeric(temp_df['价格-斤'])
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["date", "item", "value"]
+        del temp_df["item"]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
-    elif symbol == "豆粕":
-        temp_df = pd.read_html("https://zhujia.zhuwang.com.cn/lists-4.shtml")[0]
-        temp_df.columns = [
-            '排名',
-            '品种',
-            '省份',
-            '价格-公斤',
-            '价格-斤',
-        ]
-        temp_df['价格-公斤'] = temp_df['价格-公斤'].str.strip("元")
-        temp_df['价格-斤'] = temp_df['价格-斤'].str.strip("元")
-        temp_df['价格-公斤'] = pd.to_numeric(temp_df['价格-公斤'])
-        temp_df['价格-斤'] = pd.to_numeric(temp_df['价格-斤'])
+    elif symbol == "猪粮比价":
+        url = "https://xt.yangzhu.vip/data/getmapdata"
+        params = {"ptype": "11", "areano": "-1"}
+        r = requests.post(url, params=params)
+        data_json = r.json()
+        temp_df = pd.DataFrame(data_json["data"])
+        temp_df.columns = ["date", "value"]
+        temp_df["date"] = pd.to_datetime(temp_df["date"], errors="coerce").dt.date
+        temp_df["value"] = pd.to_numeric(temp_df["value"], errors="coerce")
         return temp_df
 
 
 if __name__ == "__main__":
-    futures_hog_info_df = futures_hog_info(symbol="猪肉批发价")
-    print(futures_hog_info_df)
-
-    futures_hog_info_df = futures_hog_info(symbol="仔猪价格")
-    print(futures_hog_info_df)
-
-    futures_hog_info_df = futures_hog_info(symbol="生猪期货指数")
-    print(futures_hog_info_df)
-
-    futures_hog_info_df = futures_hog_info(symbol="二元母猪价格")
-    print(futures_hog_info_df)
-
-    futures_hog_info_df = futures_hog_info(symbol="生猪产能数据")
-    print(futures_hog_info_df)
+    futures_hog_core_df = futures_hog_core(symbol="外三元")
+    print(futures_hog_core_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="饲料原料数据")
-    print(futures_hog_info_df)
+    futures_hog_core_df = futures_hog_core(symbol="内三元")
+    print(futures_hog_core_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="中央储备冻猪肉")
-    print(futures_hog_info_df)
+    futures_hog_core_df = futures_hog_core(symbol="土杂猪")
+    print(futures_hog_core_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="白条肉")
-    print(futures_hog_info_df)
+    futures_hog_cost_df = futures_hog_cost(symbol="玉米")
+    print(futures_hog_cost_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="育肥猪配合饲料")
-    print(futures_hog_info_df)
+    futures_hog_cost_df = futures_hog_cost(symbol="豆粕")
+    print(futures_hog_cost_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="肉类价格指数")
-    print(futures_hog_info_df)
+    futures_hog_cost_df = futures_hog_cost(symbol="二元母猪价格")
+    print(futures_hog_cost_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="猪粮比价")
-    print(futures_hog_info_df)
+    futures_hog_cost_df = futures_hog_cost(symbol="仔猪价格")
+    print(futures_hog_cost_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="猪企销售简报-销售量")
-    print(futures_hog_info_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="猪肉批发价")
+    print(futures_hog_supply_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="猪企销售简报-销售额")
-    print(futures_hog_info_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="储备冻猪肉")
+    print(futures_hog_supply_df)
 
-    futures_hog_info_df = futures_hog_info(symbol="猪企销售简报-销售均价")
-    print(futures_hog_info_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="饲料原料数据")
+    print(futures_hog_supply_df)
 
-    futures_hog_rank_df = futures_hog_rank(symbol="外三元")
-    print(futures_hog_rank_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="白条肉")
+    print(futures_hog_supply_df)
 
-    futures_hog_rank_df = futures_hog_rank(symbol="内三元")
-    print(futures_hog_rank_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="生猪产能")
+    print(futures_hog_supply_df)
 
-    futures_hog_rank_df = futures_hog_rank(symbol="土杂猪")
-    print(futures_hog_rank_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="育肥猪")
+    print(futures_hog_supply_df)
 
-    futures_hog_rank_df = futures_hog_rank(symbol="玉米")
-    print(futures_hog_rank_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="肉类价格指数")
+    print(futures_hog_supply_df)
 
-    futures_hog_rank_df = futures_hog_rank(symbol="豆粕")
-    print(futures_hog_rank_df)
+    futures_hog_supply_df = futures_hog_supply(symbol="猪粮比价")
+    print(futures_hog_supply_df)
diff --git a/docs/data/futures/futures.md b/docs/data/futures/futures.md
index bafbc795249..b6157aebb32 100644
--- a/docs/data/futures/futures.md
+++ b/docs/data/futures/futures.md
@@ -3859,7 +3859,7 @@ print(futures_contract_detail_df)
 
 ### 期货穿透式接入
 
-第 1 步：申请穿透式接入 
+第 1 步：申请穿透式接入
 
 联系你的客户经理，向期货公司申请进行穿透式接入测试。如果期货公司服务质量较好，两三天即可完成测试。这里为大家推荐宏源期货量化顾问（微信：sun1020zh，QQ：1092341555），专业高效量化交易服务。
 
@@ -4683,816 +4683,154 @@ print(futures_comex_inventory_df)
 
 ### 生猪信息
 
-接口: futures_hog_info
+#### 核心数据
+
+接口: futures_hog_core
 
 目标地址: https://zhujia.zhuwang.com.cn
 
-描述: 养猪数据中心-猪肉价格信息数据
+描述: 玄田数据-核心数据
 
 限量: 单次返回指定 symbol 的所有历史数据
 
 输入参数
 
-| 名称     | 类型  | 描述                                                                                                                                                                            |
-|--------|-----|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
-| symbol | str | symbol="猪肉批发价"; choice of {"猪肉批发价", "仔猪价格", "生猪期货指数", "二元母猪价格", "生猪产能数据", "饲料原料数据", "中央储备冻猪肉", "白条肉", "育肥猪配合饲料", "肉类价格指数", "猪粮比价", "猪企销售简报-销售量", "猪企销售简报-销售额", "猪企销售简报-销售均价"} |
+| 名称     | 类型  | 描述                                            |
+|--------|-----|-----------------------------------------------|
+| symbol | str | symbol="外三元"; choice of {"外三元", "内三元", "土杂猪"} |
 
-输出参数-猪肉批发价
+输出参数
 
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| date  | object  | -          |
-| value | float64 | 注意单位: 元/公斤 |
+| 名称    | 类型      | 描述 |
+|-------|---------|----|
+| date  | object  | -  |
+| value | float64 | -  |
 
-接口示例-猪肉批发价
+接口示例
 
 ```python
 import akshare as ak
 
-futures_hog_info_df = ak.futures_hog_info(symbol="猪肉批发价")
-print(futures_hog_info_df)
+futures_hog_core_df = ak.futures_hog_core(symbol="外三元")
+print(futures_hog_core_df)
 ```
 
-数据示例-猪肉批发价
+数据示例
 
 ```
            date  value
-0    2022-03-07  18.21
-1    2022-03-08  18.32
-2    2022-03-09  18.56
-3    2022-03-10  18.33
-4    2022-03-11  18.28
+0    2023-03-18  15.42
+1    2023-03-19  15.46
+2    2023-03-20  15.42
+3    2023-03-21  15.44
+4    2023-03-22  15.25
 ..          ...    ...
-360  2023-03-03  21.04
-361  2023-03-04  20.95
-362  2023-03-05  21.09
-363  2023-03-06  21.21
-364  2023-03-07  21.15
+362  2024-03-14  14.58
+363  2024-03-15  14.53
+364  2024-03-16  14.54
+365  2024-03-17  14.67
+366  2024-03-18  14.71
+[367 rows x 2 columns]
 ```
 
-输出参数-仔猪价格
+#### 成本维度
 
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| date  | object  | -          |
-| value | float64 | 注意单位: 元/公斤 |
-
-接口示例-仔猪价格
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="仔猪价格")
-print(futures_hog_info_df)
-```
+接口: futures_hog_cost
 
-数据示例-仔猪价格
-
-```
-          date   value
-0   2018-12-15   22.90
-1   2019-01-15   22.33
-2   2019-02-15   23.26
-3   2019-03-15   30.09
-4   2019-04-15   35.07
-5   2019-05-15   36.54
-6   2019-06-15   38.46
-7   2019-07-15   41.46
-8   2019-08-15   46.25
-22  2020-10-15   94.76
-23  2020-11-15   83.86
-24  2020-12-15   83.14
-25  2021-01-15   89.52
-26  2021-02-15   90.66
-27  2021-03-15   92.34
-28  2021-04-15   86.92
-29  2021-05-15   74.13
-30  2021-06-15   55.34
-```
-
-输出参数-生猪期货指数
-
-| 名称        | 类型     | 描述                  |
-|-----------|--------|---------------------|
-| 日期        | object | -                   |
-| 生猪XXXX开盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-| 生猪XXXX收盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-| 生猪XXXX开盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-| 生猪XXXX收盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-| 生猪XXXX开盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-| 生猪XXXX收盘价 | int64  | 期货价格; 其中 XXXX 为合约代码 |
-
-接口示例-生猪期货指数
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="生猪期货指数")
-print(futures_hog_info_df)
-```
-
-数据示例-生猪期货指数
-
-```
-             日期  生猪2109开盘价  生猪2109收盘价  ...  生猪2111收盘价  生猪2201开盘价  生猪2201收盘价
-0    2021-01-08      29500      26810  ...      24935      26200      24140
-1    2021-01-11      26225      26030  ...      23250      23790      23790
-2    2021-01-12      25760      25560  ...      23495      23710      23640
-3    2021-01-13      25830      25870  ...      23745      23870      23790
-4    2021-01-14      25805      24890  ...      22700      23875      22735
-..          ...        ...        ...  ...        ...        ...        ...
-193  2021-07-26      18500      18460  ...      18015      19300      19245
-194  2021-07-27      18385      18390  ...      17960      19235      19200
-195  2021-07-28      18520      18430  ...      17890      19200      19105
-196  2021-07-29      18500      18600  ...      18000      19205      19185
-197  2021-07-30      18645      18765  ...      17965      19200      19070
-```
-
-输出参数-二元母猪价格
-
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| date  | object  | -          |
-| value | float64 | 注意单位: 元/公斤 |
-
-接口示例-二元母猪价格
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="二元母猪价格")
-print(futures_hog_info_df)
-```
-
-数据示例-二元母猪价格
-
-```
-          date  value
-0   2018-11-07  30.16
-1   2018-11-04  30.09
-2   2018-12-12  29.63
-3   2018-12-26  29.00
-4   2019-01-02  28.85
-..         ...    ...
-85  2021-04-14  71.81
-86  2021-04-21  70.83
-87  2021-04-28  70.61
-88  2021-05-05  68.94
-89  2021-05-12  67.18
-```
-
-输出参数-生猪产能数据
-
-| 名称     | 类型      | 描述       |
-|--------|---------|----------|
-| 周期     | object  | -        |
-| 能繁母猪存栏 | float64 | 注意单位: 万头 |
-| 猪肉产量   | float64 | 注意单位: 万吨 |
-| 生猪存栏   | float64 | 注意单位: 万头 |
-| 生猪出栏   | float64 | 注意单位: 万头 |
-
-接口示例-生猪产能数据
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="生猪产能数据")
-print(futures_hog_info_df)
-```
-
-数据示例-生猪产能数据
-
-```
-          周期   能繁母猪存栏     猪肉产量      生猪存栏   生猪出栏
-0         2009      NaN  4932.85  47177.21  64465
-1         2010      NaN  5138.44  46765.25  66700
-2         2011  4921.10  5131.65  47074.81  66170
-3         2012  5043.20  5443.55  48030.24  69628
-4         2013  5132.27  5618.60  47893.14  71557
-5         2014  4962.53  5820.80  47160.21  73515
-6         2015  4693.05  5645.41  45802.89  70825
-7         2016  4456.18  5425.49  44209.17  68502
-8         2017  4226.00  5451.80  44158.92  68861
-9         2018  3189.00  5403.74  42817.11  69382
-10        2019  3080.00  4255.31  31041.00  54419
-11        2020  4161.00  4113.00  40650.00  52704
-12  2021(第一季度)  4318.00  1369.00  41595.00  17143
-13  2021(第二季度)  4564.00  2715.00  43911.00  16599
-```
-
-输出参数-饲料原料数据
-
-| 名称     | 类型      | 描述        |
-|--------|---------|-----------|
-| 周期     | object  | -         |
-| 大豆进口金额 | float64 | 注意单位: 万美元 |
-| 大豆播种面积 | float64 | 注意单位: 千公顷 |
-| 玉米进口金额 | float64 | 注意单位: 万美元 |
-| 玉米播种面积 | float64 | 注意单位: 千公顷 |
-
-接口示例-饲料原料数据
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="饲料原料数据")
-print(futures_hog_info_df)
-```
-
-数据示例-饲料原料数据
-
-```
-   周期        大豆进口金额   大豆播种面积        玉米进口金额    玉米播种面积
-0  2013  3.798510e+10   9223.6  9.374962e+08  41299.21
-1  2014  4.027222e+10   9178.8  7.296671e+08  42996.81
-2  2015  3.483178e+10   8868.3  1.108506e+09  44968.39
-3  2016  3.398474e+10   9287.2  6.385565e+08  44177.61
-4  2017  3.963771e+10  10051.3  6.033738e+08  42399.00
-5  2018  3.806010e+10  10186.3  7.888378e+08  42129.00
-6  2019  3.533687e+10      NaN  1.063185e+09  41284.00
-```
-
-输出参数-中央储备冻猪肉
-
-| 名称    | 类型      | 描述       |
-|-------|---------|----------|
-| date  | object  | -        |
-| value | float64 | 注意单位: 万吨 |
-
-接口示例-中央储备冻猪肉
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="中央储备冻猪肉")
-print(futures_hog_info_df)
-```
-
-数据示例-中央储备冻猪肉
-
-```
-          date  value
-0   2020-01-03    3.0
-1   2020-01-09    2.0
-2   2020-01-17    3.0
-3   2020-01-21    2.0
-4   2020-02-07    1.0
-5   2020-02-14    2.0
-6   2020-02-21    2.0
-7   2020-02-27    2.0
-8   2020-03-05    2.0
-9   2020-03-13    2.0
-10  2020-03-20    2.0
-39  2021-01-15    3.0
-40  2021-01-21    3.0
-41  2021-01-28    3.0
-42  2021-02-04    3.0
-43  2021-02-09    3.0
-44  2021-02-10    0.2
-45  2021-02-26    2.0
-46  2021-03-05    1.0
-47  2021-03-10    1.0
-48  2021-07-07    2.0
-49  2021-07-14    1.3
-50  2021-07-21    2.0
-```
-
-输出参数-白条肉
-
-| 名称        | 类型      | 描述         |
-|-----------|---------|------------|
-| 周期        | object  | -          |
-| 白条肉平均出厂价格 | float64 | 注意单位: 元/公斤 |
-| 环比        | float64 | 注意单位: %    |
-| 同比        | float64 | 注意单位: %    |
-
-接口示例-白条肉
+目标地址: https://zhujia.zhuwang.com.cn
 
-```python
-import akshare as ak
+描述: 玄田数据-成本维度
 
-futures_hog_info_df = ak.futures_hog_info(symbol="白条肉")
-print(futures_hog_info_df)
-```
+限量: 单次返回指定 symbol 的所有历史数据
 
-数据示例-白条肉
+输入参数
 
-```
-      周期  白条肉平均出厂价格    环比     同比
-0     2018年第1周      20.39  0.30 -13.71
-1     2018年第2周      20.57  0.88 -13.64
-2     2018年第3周      20.51 -0.29 -13.97
-3     2018年第4周      20.45 -0.29 -14.86
-4     2018年第5周      20.29 -0.78 -14.75
-..         ...        ...   ...    ...
-177  2021年第25周      20.79 -1.20 -52.50
-178  2021年第26周      22.64  8.90 -49.90
-179  2021年第27周      22.75  0.50 -51.80
-180  2021年第28周      22.36 -1.70 -53.30
-181  2021年第29周      22.36  0.00 -53.00
-```
+| 名称     | 类型  | 描述                                                    |
+|--------|-----|-------------------------------------------------------|
+| symbol | str | symbol="玉米"; choice of {"玉米", "豆粕", "二元母猪价格", "仔猪价格"} |
 
-输出参数-育肥猪配合饲料
+输出参数
 
-| 名称   | 类型      | 描述         |
-|------|---------|------------|
-| 发布日期 | object  | -          |
-| 周期   | object  | -          |
-| 本周   | float64 | 注意单位: 元/公斤 |
-| 去年同期 | float64 | 注意单位: 元/公斤 |
-| 上一周  | float64 | 注意单位: 元/公斤 |
+| 名称    | 类型      | 描述 |
+|-------|---------|----|
+| date  | object  | -  |
+| value | float64 | -  |
 
-接口示例-育肥猪配合饲料
+接口示例
 
 ```python
 import akshare as ak
 
-futures_hog_info_df = ak.futures_hog_info(symbol="育肥猪配合饲料")
-print(futures_hog_info_df)
+futures_hog_cost_df = ak.futures_hog_cost(symbol="玉米")
+print(futures_hog_cost_df)
 ```
 
-数据示例-白条肉
+数据示例
 
 ```
-           发布日期                    周期    本周  去年同期   上一周
-0    2017-06-20 17:23:42  6月份第2周畜产品和饲料集贸市场价格情况  2.96  3.07  2.97
-1    2017-06-28 07:58:00  6月份第3周畜产品和饲料集贸市场价格情况  2.96  3.08  2.96
-2    2017-07-04 16:49:21  6月份第4周畜产品和饲料集贸市场价格情况  2.96  3.10  2.96
-3    2017-07-11 16:05:43  7月份第1周畜产品和饲料集贸市场价格情况  2.97  3.11  2.96
-4    2017-07-18 16:13:08  7月份第2周畜产品和饲料集贸市场价格情况  2.98  3.12  2.97
-..                   ...                   ...   ...   ...   ...
-203  2021-06-16 10:56:00  6月份第2周畜产品和饲料集贸市场价格情况  3.62  3.16  3.62
-204  2021-06-22 14:16:00  6月份第3周畜产品和饲料集贸市场价格情况  3.63  3.15  3.62
-205  2021-06-29 11:11:00  6月份第4周畜产品和饲料集贸市场价格情况  3.63  3.16  3.63
-206  2021-07-06 14:07:00  7月份第1周畜产品和饲料集贸市场价格情况  3.62  3.16  3.63
-207  2021-07-13 14:54:00  7月份第2周畜产品和饲料集贸市场价格情况  3.62  3.17  3.62
+           date  value
+0    2023-03-18   2915
+1    2023-03-19   2895
+2    2023-03-20   2874
+3    2023-03-21   2903
+4    2023-03-22   2891
+..          ...    ...
+362  2024-03-14   2474
+363  2024-03-15   2486
+364  2024-03-16   2473
+365  2024-03-17   2471
+366  2024-03-18   2462
+[367 rows x 2 columns]
 ```
 
-输出参数-肉类价格指数
+#### 供应维度
 
-| 名称    | 类型     | 描述         |
-|-------|--------|------------|
-| date  | object | -          |
-| value | object | 注意单位: 元/公斤 |
+接口: futures_hog_supply
 
-接口示例-肉类价格指数
+目标地址: https://zhujia.zhuwang.com.cn
 
-```python
-import akshare as ak
+描述: 玄田数据-供应维度
 
-futures_hog_info_df = ak.futures_hog_info(symbol="肉类价格指数")
-print(futures_hog_info_df)
-```
+限量: 单次返回指定 symbol 的所有历史数据
 
-数据示例-肉类价格指数
+输入参数
 
-```
-       date   value
-0   2017-01  156.70
-1   2017-02  160.60
-2   2017-03  163.20
-3   2017-04  166.60
-4   2017-05  171.70
-5   2017-06  175.20
-6   2017-07  175.10
-7   2017-08  172.40
-8   2017-09  172.40
-9   2017-10  172.70
-10  2017-11  173.20
-40  2020-05  167.99
-41  2020-06   95.16
-42  2020-07   93.02
-43  2020-08   93.22
-44  2020-09   91.55
-45  2020-10   90.69
-46  2020-11   91.91
-47  2020-12   94.31
-48  2021-01   96.04
-49  2021-02   96.40
-50  2021-03   98.90
-51  2021-04  101.84
-```
+| 名称     | 类型  | 描述                                                                                          |
+|--------|-----|---------------------------------------------------------------------------------------------|
+| symbol | str | symbol="玉米"; choice of {"猪肉批发价", "储备冻猪肉", "饲料原料数据", "白条肉", "生猪产能", "育肥猪", "肉类价格指数", "猪粮比价"} |
 
-输出参数-猪粮比价
+输出参数
 
-| 名称    | 类型     | 描述         |
-|-------|--------|------------|
-| date  | object | -          |
-| value | object | 注意单位: 元/公斤 |
+| 名称    | 类型      | 描述 |
+|-------|---------|----|
+| date  | object  | -  |
+| value | float64 | -  |
 
-接口示例-猪粮比价
+接口示例
 
 ```python
 import akshare as ak
 
-futures_hog_info_df = ak.futures_hog_info(symbol="猪粮比价")
-print(futures_hog_info_df)
+futures_hog_supply_df = ak.futures_hog_supply(symbol="猪肉批发价")
+print(futures_hog_supply_df)
 ```
 
-数据示例-猪粮比价
+数据示例
 
 ```
           date  value
-0   2020-01-08  17.80
-1   2020-01-15  18.06
-2   2020-02-19  18.68
-3   2020-02-26  18.46
-4   2020-03-04  18.27
-48  2021-04-07   8.90
-49  2021-04-14   8.67
-50  2021-04-21   8.65
-51  2021-04-28   8.43
-52  2021-05-05   8.11
-53  2021-05-12   7.48
-```
-
-输出参数-猪企销售简报-销售量
-
-| 名称  | 类型     | 描述       |
-|-----|--------|----------|
-| 周期  | object | -        |
-| 温氏  | object | 注意单位: 万头 |
-| 正邦  | object | 注意单位: 万头 |
-| 新希望 | object | 注意单位: 万头 |
-| 牧原  | object | 注意单位: 万头 |
-
-接口示例-猪企销售简报-销售量
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="猪企销售简报-销售量")
-print(futures_hog_info_df)
-```
-
-数据示例-猪企销售简报-销售量
-
-```
-   周期      温氏      正邦    新希望      牧原
-0  2021年1月  100.40   78.67  73.19  244.35
-1  2021年2月   49.87   75.36  69.78  244.35
-2  2021年3月   59.45  103.82  85.39  283.30
-3  2021年4月   62.24  118.44  83.79  314.50
-4  2021年5月   95.67  164.84  69.33  309.70
-5  2021年6月  101.10  158.53  64.63  347.50
-```
-
-输出参数-猪企销售简报-销售额
-
-| 名称  | 类型     | 描述       |
-|-----|--------|----------|
-| 周期  | object | -        |
-| 温氏  | object | 注意单位: 亿元 |
-| 正邦  | object | 注意单位: 亿元 |
-| 新希望 | object | 注意单位: 亿元 |
-| 牧原  | object | 注意单位: 亿元 |
-
-接口示例-猪企销售简报-销售额
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="猪企销售简报-销售额")
-print(futures_hog_info_df)
-```
-
-数据示例-猪企销售简报-销售额
-
-```
-   周期     温氏     正邦    新希望      牧原
-0  2021年1月  40.70  31.21  25.07  61.405
-1  2021年2月  16.79  20.38  20.38  61.405
-2  2021年3月  18.42  28.46  21.81  70.580
-3  2021年4月  16.16  30.35  19.01  79.240
-4  2021年5月  21.58  36.50  13.96  67.800
-5  2021年6月  17.61  30.50  10.85  57.070
-```
-
-输出参数-猪企销售简报-销售均价
-
-| 名称  | 类型     | 描述         |
-|-----|--------|------------|
-| 周期  | object | -          |
-| 温氏  | object | 注意单位: 元/公斤 |
-| 正邦  | object | 注意单位: 元/公斤 |
-| 新希望 | object | 注意单位: 元/公斤 |
-| 牧原  | object | 注意单位: 元/公斤 |
-
-接口示例-猪企销售简报-销售均价
-
-```python
-import akshare as ak
-
-futures_hog_info_df = ak.futures_hog_info(symbol="猪企销售简报-销售均价")
-print(futures_hog_info_df)
-```
-
-数据示例-猪企销售简报-销售均价
-
-```
-   周期     温氏     正邦    新希望     牧原
-0  2021年1月  34.19  32.65  30.52  26.95
-1  2021年2月  28.44  25.51  29.38  26.95
-2  2021年3月  26.20  24.86  23.50  23.21
-3  2021年4月  21.95  21.36  21.56  21.11
-4  2021年5月  18.26  17.52  18.46  17.65
-5  2021年6月  14.20  13.66  14.54  13.58
-```
-
-### 生猪价格排行
-
-接口: futures_hog_rank
-
-目标地址: https://zhujia.zhuwang.com.cn
-
-描述: 养猪数据中心-生猪价格排行
-
-限量: 单次返回指定 symbol 的所有当日数据
-
-输入参数
-
-| 名称     | 类型  | 描述                                                        |
-|--------|-----|-----------------------------------------------------------|
-| symbol | str | symbol="外三元"; choice of {"外三元", "内三元", "土杂猪", "玉米", "豆粕"} |
-
-输出参数-外三元
-
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| 排名    | int64   | -          |
-| 品种    | object  | -          |
-| 省份    | object  | -          |
-| 价格-公斤 | float64 | 注意单位: 元/公斤 |
-| 价格-元  | float64 | 注意单位: 元/斤  |
-
-接口示例-外三元
-
-```python
-import akshare as ak
-
-futures_hog_rank_df = ak.futures_hog_rank(symbol="外三元")
-print(futures_hog_rank_df)
-```
-
-数据示例-外三元
-
-```
-    排名   品种    省份  价格-公斤  价格-斤
-0    1  外三元   海南省  19.48  9.74
-1    2  外三元   广东省  16.88  8.44
-2    3  外三元   浙江省  16.44  8.22
-3    4  外三元   上海市  16.27  8.14
-4    5  外三元    广西  16.23  8.12
-5    6  外三元   福建省  16.17  8.09
-6    7  外三元   湖南省  15.76  7.88
-7    8  外三元   江西省  15.68  7.84
-8    9  外三元   山东省  15.48  7.74
-9   10  外三元   湖北省  15.37  7.69
-10  11  外三元   安徽省  15.32  7.66
-11  12  外三元   江苏省  15.25  7.63
-12  13  外三元   贵州省  15.19  7.60
-13  14  外三元   河南省  15.16  7.58
-14  15  外三元    宁夏  15.13  7.57
-15  16  外三元   天津市  15.06  7.53
-16  17  外三元   河北省  15.02  7.51
-17  18  外三元   青海省  14.96  7.48
-18  19  外三元   北京市  14.95  7.48
-19  20  外三元   重庆市  14.94  7.47
-20  21  外三元   山西省  14.85  7.43
-21  22  外三元    西藏  14.83  7.42
-22  23  外三元   陕西省  14.80  7.40
-23  24  外三元   四川省  14.59  7.30
-24  25  外三元   吉林省  14.25  7.13
-25  26  外三元   甘肃省  14.24  7.12
-26  27  外三元   云南省  14.23  7.12
-27  28  外三元   辽宁省  14.23  7.12
-28  29  外三元   内蒙古  14.18  7.09
-29  30  外三元  黑龙江省  13.75  6.88
-30  31  外三元    新疆  13.63  6.82
-```
-
-输出参数-内三元
-
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| 排名    | int32   | -          |
-| 品种    | object  | -          |
-| 省份    | object  | -          |
-| 价格-公斤 | float64 | 注意单位: 元/公斤 |
-| 价格-元  | float64 | 注意单位: 元/斤  |
-
-接口示例-内三元
-
-```python
-import akshare as ak
-
-futures_hog_rank_df = ak.futures_hog_rank(symbol="内三元")
-print(futures_hog_rank_df)
-```
-
-数据示例-内三元
-
-```
-    排名   品种    省份  价格-公斤   价格-斤
-0    1  内三元   海南省  21.00  10.50
-1    2  内三元   贵州省  16.80   8.40
-2    3  内三元   浙江省  16.60   8.30
-3    4  内三元   广东省  16.48   8.24
-4    5  内三元   福建省  16.00   8.00
-5    6  内三元    广西  15.97   7.99
-6    7  内三元   上海市  15.77   7.89
-7    8  内三元   湖南省  15.51   7.76
-8    9  内三元   江西省  15.35   7.68
-9   10  内三元   湖北省  15.19   7.60
-10  11  内三元   江苏省  15.09   7.55
-11  12  内三元   天津市  15.07   7.54
-12  13  内三元   山东省  15.01   7.51
-13  14  内三元   河南省  14.96   7.48
-14  15  内三元   北京市  14.90   7.45
-15  16  内三元    宁夏  14.89   7.45
-16  17  内三元   安徽省  14.85   7.43
-17  18  内三元   重庆市  14.80   7.40
-18  19  内三元   陕西省  14.79   7.40
-19  20  内三元   河北省  14.55   7.28
-20  21  内三元   山西省  14.45   7.23
-21  22  内三元   云南省  14.29   7.15
-22  23  内三元   四川省  14.27   7.14
-23  24  内三元   内蒙古  14.20   7.10
-24  25  内三元   辽宁省  14.13   7.07
-25  26  内三元   甘肃省  14.03   7.02
-26  27  内三元   吉林省  13.93   6.97
-27  28  内三元  黑龙江省  13.60   6.80
-28  29  内三元    新疆  13.35   6.68
-29  30  内三元   青海省  12.57   6.29
-30  31  内三元    西藏  12.32   6.16
-```
-
-输出参数-土杂猪
-
-| 名称    | 类型      | 描述         |
-|-------|---------|------------|
-| 排名    | int32   | -          |
-| 品种    | object  | -          |
-| 省份    | object  | -          |
-| 价格-公斤 | float64 | 注意单位: 元/公斤 |
-| 价格-元  | float64 | 注意单位: 元/斤  |
-
-接口示例-土杂猪
-
-```python
-import akshare as ak
-
-futures_hog_rank_df = ak.futures_hog_rank(symbol="土杂猪")
-print(futures_hog_rank_df)
-```
-
-数据示例-土杂猪
-
-```
-    排名   品种    省份  价格-公斤   价格-斤
-0    1  土杂猪   海南省  20.00  10.00
-1    2  土杂猪   贵州省  16.30   8.15
-2    3  土杂猪   福建省  15.83   7.92
-3    4  土杂猪   浙江省  15.80   7.90
-4    5  土杂猪   广东省  15.76   7.88
-5    6  土杂猪   上海市  15.58   7.79
-6    7  土杂猪    广西  15.50   7.75
-7    8  土杂猪   湖南省  15.23   7.62
-8    9  土杂猪   江西省  14.88   7.44
-9   10  土杂猪   湖北省  14.84   7.42
-10  11  土杂猪    宁夏  14.54   7.27
-11  12  土杂猪   河南省  14.51   7.26
-12  13  土杂猪   重庆市  14.50   7.25
-13  14  土杂猪   安徽省  14.41   7.21
-14  15  土杂猪   北京市  14.40   7.20
-15  16  土杂猪   山东省  14.35   7.18
-16  17  土杂猪   四川省  14.17   7.09
-17  18  土杂猪   陕西省  14.13   7.07
-18  19  土杂猪   河北省  14.07   7.04
-19  20  土杂猪   山西省  14.06   7.03
-20  21  土杂猪   天津市  14.00   7.00
-21  22  土杂猪   云南省  13.85   6.93
-22  23  土杂猪   江苏省  13.84   6.92
-23  24  土杂猪   甘肃省  13.70   6.85
-24  25  土杂猪   辽宁省  13.68   6.84
-25  26  土杂猪   内蒙古  13.40   6.70
-26  27  土杂猪   吉林省  13.40   6.70
-27  28  土杂猪    西藏  12.96   6.48
-28  29  土杂猪    新疆  12.93   6.47
-29  30  土杂猪  黑龙江省  12.35   6.18
-30  31  土杂猪   青海省  12.14   6.07
-```
-
-输出参数-玉米
-
-| 名称    | 类型      | 描述        |
-|-------|---------|-----------|
-| 排名    | int32   | -         |
-| 品种    | object  | -         |
-| 省份    | object  | -         |
-| 价格-公斤 | float64 | 注意单位: 元/吨 |
-| 价格-元  | float64 | 注意单位: 元/斤 |
-
-接口示例-玉米
-
-```python
-import akshare as ak
-
-futures_hog_rank_df = ak.futures_hog_rank(symbol="玉米")
-print(futures_hog_rank_df)
-```
-
-数据示例-玉米
-
-```
-    排名  品种    省份  价格-公斤  价格-斤
-0    1  玉米   福建省   3097  1.55
-1    2  玉米   海南省   3080  1.54
-2    3  玉米    宁夏   3065  1.53
-3    4  玉米   浙江省   3050  1.53
-4    5  玉米   云南省   2979  1.49
-5    6  玉米   贵州省   2973  1.49
-6    7  玉米   陕西省   2972  1.49
-7    8  玉米   湖南省   2922  1.46
-8    9  玉米   江苏省   2903  1.45
-9   10  玉米   山西省   2889  1.44
-10  11  玉米   湖北省   2887  1.44
-11  12  玉米   河南省   2886  1.44
-12  13  玉米   甘肃省   2881  1.44
-13  14  玉米   安徽省   2872  1.44
-14  15  玉米   天津市   2867  1.43
-15  16  玉米   江西省   2846  1.42
-16  17  玉米   河北省   2844  1.42
-17  18  玉米   四川省   2842  1.42
-18  19  玉米   山东省   2787  1.39
-19  20  玉米   广东省   2781  1.39
-20  21  玉米   重庆市   2751  1.38
-21  22  玉米   辽宁省   2703  1.35
-22  23  玉米   上海市   2684  1.34
-23  24  玉米   内蒙古   2650  1.33
-24  25  玉米   北京市   2647  1.32
-25  26  玉米    广西   2616  1.31
-26  27  玉米   吉林省   2576  1.29
-27  28  玉米  黑龙江省   2509  1.25
-28  29  玉米    新疆   2435  1.22
-29  30  玉米   青海省   2118  1.06
-30  31  玉米    西藏   2015  1.01
-```
-
-输出参数-豆粕
-
-| 名称    | 类型      | 描述        |
-|-------|---------|-----------|
-| 排名    | int32   | -         |
-| 品种    | object  | -         |
-| 省份    | object  | -         |
-| 价格-公斤 | float64 | 注意单位: 元/吨 |
-| 价格-元  | float64 | 注意单位: 元/斤 |
-
-接口示例-豆粕
-
-```python
-import akshare as ak
-
-futures_hog_rank_df = ak.futures_hog_rank(symbol="豆粕")
-print(futures_hog_rank_df)
-```
-
-数据示例-豆粕
-
-```
-    排名  品种    省份  价格-公斤  价格-斤
-0    1  豆粕   浙江省   4060  2.03
-1    2  豆粕    新疆   4040  2.02
-2    3  豆粕    宁夏   3896  1.95
-3    4  豆粕   甘肃省   3874  1.94
-4    5  豆粕   内蒙古   3850  1.93
-5    6  豆粕   湖南省   3847  1.92
-6    7  豆粕   福建省   3813  1.91
-7    8  豆粕  黑龙江省   3800  1.90
-8    9  豆粕   湖北省   3776  1.89
-9   10  豆粕   江苏省   3740  1.87
-10  11  豆粕   上海市   3731  1.87
-11  12  豆粕   河南省   3727  1.86
-12  13  豆粕   云南省   3721  1.86
-13  14  豆粕   四川省   3719  1.86
-14  15  豆粕   山西省   3713  1.86
-15  16  豆粕   天津市   3708  1.85
-16  17  豆粕   海南省   3700  1.85
-17  18  豆粕   重庆市   3680  1.84
-18  19  豆粕   陕西省   3677  1.84
-19  20  豆粕   安徽省   3677  1.84
-20  21  豆粕   山东省   3669  1.83
-21  22  豆粕   辽宁省   3659  1.83
-22  23  豆粕   江西省   3648  1.82
-23  24  豆粕   北京市   3625  1.81
-24  25  豆粕   贵州省   3610  1.81
-25  26  豆粕   广东省   3600  1.80
-26  27  豆粕   吉林省   3595  1.80
-27  28  豆粕   河北省   3539  1.77
-28  29  豆粕    广西   3496  1.75
-29  30  豆粕   青海省   3193  1.60
-30  31  豆粕    西藏   2642  1.32
+0   2023-12-17  20.14
+1   2023-12-18  20.12
+2   2023-12-19  20.24
+3   2023-12-20  20.39
+4   2023-12-21  20.54
+..         ...    ...
+85  2024-03-11  19.89
+86  2024-03-12  19.96
+87  2024-03-13  20.01
+88  2024-03-14  20.12
+89  2024-03-15  20.27
+[90 rows x 2 columns]
 ```
 
 ### 生猪市场价格指数
diff --git a/docs/tutorial.md b/docs/tutorial.md
index bfe59278b2f..3d8ada121fa 100644
--- a/docs/tutorial.md
+++ b/docs/tutorial.md
@@ -813,8 +813,9 @@
  "macro_australia_ppi_quarterly"  # 生产者物价指数季率
  "macro_australia_retail_rate_monthly"  # 零售销售月率
  # 养猪数据中心
- "futures_hog_info"  # 生猪信息
- "futures_hog_rank"  # 生猪价格排行
+ "futures_hog_core"  # 生猪信息-核心数据
+ "futures_hog_cost"  # 生猪信息-成本维度
+ "futures_hog_supply"  # 生猪信息-供应维度
  # 宏观-加拿大
  "macro_canada_new_house_rate"  # 新屋开工
  "macro_canada_unemployment_rate"  # 失业率