上市公司供应链上下游
一行记录一家上市公司在某一年度与其特定上游供应商或下游客户的交易关系及金额。覆盖全国A股上市公司。
v1 生效中 · 2026/11/13 发布险种标签：企业财产险责任险时间跨度：2001–2022 年数据出处 上市公司年报、临时公告
- 记录
- 1.2 万
- 字段
- 20
- AI 扩增字段
- 2
- 平均非空率
- 79.2%
- 字段完整度
20 个字段，10 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 20 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 12,160 行计算。
关于这个数据集
一行记录一家上市公司在某一年度与其特定上游供应商或下游客户的交易关系及金额。覆盖全国A股上市公司。可用于评估企业供应链集中度、依赖度及潜在的经营中断风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year含义：年份键：年份。样本里格式符合 100%，还没有参照 | 整数 | 原生 | 100% | — | ||
| 股票代码stock_code含义：代码或编号键：股票代码。样本里格式符合 100%，100% 的行对上参照 listed-security-master、hk-security-master、stock-company-profile、neeq-company-info | 文本 | 原生 | 100% | — | ||
| 股票简称company_name含义：名称 | 文本 | 原生 | 100% | — | ||
| 行业名称industry_name规律 1：行业名称的字段规律字段规律：industry_code_2由行业名称扩增得出。含义：类别键：行业名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 行业代码industry_code含义：代码或编号 | 文本 | 原生 | 100% | — | ||
| 省份province含义：地区键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 城市city含义：地区键：城市名称。样本里格式符合 84.2%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县county含义：地区键：区县名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 99% | — | ||
| 区县代码region_code规律 1：区县代码的字段规律字段规律：region_code_current由区县代码扩增得出。含义：代码或编号键：县级区划代码（2024 年版）。样本里格式符合 100%，100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 上市状态listing_status含义：类别 | 文本 | 原生 | 100% | — | ||
| 上游供应商upstream_supplier含义：名称键：企业名称。样本里格式符合 99.3%，还没有参照 | 文本 | 原生 | 39% | — | ||
| 供应商代码supplier_stock_code含义：代码或编号 | 文本 | 原生 | 23% | 原表列名：供应商股票代码 | ||
| 采购额supplier_purchase_amount含义：金额（万元） | 小数 | 原生 | 39% | 单位：万元 原表列名：供应商采购额_万元 | ||
| 采购占比supplier_purchase_ratio含义：比率（小数） | 小数 | 原生 | 39% | 小数形式 原表列名：供应商采购额占比 | ||
| 下游客户downstream_customer含义：名称 | 文本 | 原生 | 82% | — | ||
| 客户代码customer_stock_code含义：代码或编号 | 文本 | 原生 | 41% | 原表列名：客户股票代码 | ||
| 销售额customer_sales_amount含义：金额（万元） | 小数 | 原生 | 82% | 单位：万元 原表列名：客户销售额_万元 | ||
| 销售占比customer_sales_ratio含义：比率（小数） | 小数 | 原生 | 82% | 小数形式 原表列名：客户销售额占比 | ||
| 区县代码（现行）region_code_current规律 1：区县代码（现行）的字段规律字段规律：region_code_current由区县代码扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，99.7% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：区县代码（现行） | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 区县代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 | ||
| 行业代码industry_code_2规律 1：行业代码的字段规律字段规律：industry_code_2由行业名称扩增得出。含义：代码或编号键：大类国民经济行业代码。样本里格式符合 100%，60.3% 的行对上参照 industry-classification | 文本 | 规则扩增第 2 级扩增查看溯源：行业代码 | 60%平均置信度 0.99校验少：不建议单独作为决策依据 | 由行业名称查行业分类参照（GB/T 4754-2017，没有时用 2011 版）得出的国民经济行业代码。名称对不上的为空 |
02样本
先看样本，再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 年份year | 股票代码stock_code | 股票简称company_name | 行业名称industry_name | 行业代码industry_code | 省份province | 城市city | 区县county | 区县代码region_code | 上市状态listing_status | 上游供应商upstream_supplier | 供应商代码supplier_stock_code | 采购额supplier_purchase_amount | 采购占比supplier_purchase_ratio | 下游客户downstream_customer | 客户代码customer_stock_code | 销售额customer_sales_amount | 销售占比customer_sales_ratio | 区县代码（现行）region_code_current | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2012 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 万科(重庆)房地产有限公司 | — | 7066.601 | 0.0799 | 440308 | 70 |
| 2 | 2011 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 北京万科企业有限公司 | — | 3166.27 | 0.052 | 440308 | — |
| 3 | 2011 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 广州市万科房地产有限公司 | — | 1792.804 | 0.0295 | 440308 | — |
| 4 | 2010 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 深圳市万科房地产有限公司 | — | 6180.768 | 0.1136 | 440308 | — |
| 5 | 2010 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 广州市万科房地产有限公司 | — | 4706.91 | 0.08650000000000001 | 440308 | — |
| 6 | 2009 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 广州市万科房地产有限公司 | — | 2895.843 | 0.0652 | 440308 | — |
| 7 | 2009 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 440308 | 正常上市 | — | — | — | — | 北京万科企业有限公司 | — | 1779.869 | 0.0401 | 440308 | — |
| 8 | 2016 | 000004 | 国农科技 | 医药制造业 | C27 | 广东省 | 深圳市 | 南山区 | 440305 | ST | 青海制药厂有限公司 | — | 128.711 | 0.0138 | — | — | — | — | 440305 | 27 |
| 9 | 2016 | 000004 | 国农科技 | 医药制造业 | C27 | 广东省 | 深圳市 | 南山区 | 440305 | ST | 江苏华兰药用新材料股份有限公司 | 301093 | 100.915 | 0.0109 | — | — | — | — | 440305 | 27 |
| 10 | 2014 | 000004 | 国农科技 | 医药制造业 | C27 | 广东省 | 深圳市 | 福田区 | 440304 | ST | 浙江海翔药业股份有限公司 | 002099 | 271.795 | 0.0208 | — | — | — | — | 440304 | 27 |
| 11 | 2013 | 000004 | 国农科技 | 医药制造业 | C27 | 广东省 | 深圳市 | 福田区 | 440304 | ST | 河南天方药业股份有限公司 | — | 245.25 | 0.04650000000000001 | — | — | — | — | 440304 | 27 |
| 12 | 2012 | 000004 | 国农科技 | 医药制造业 | C27 | 广东省 | 深圳市 | 福田区 | 440304 | ST | 江苏华兰药用新材料股份有限公司 | 301093 | 177.813 | 0.043 | — | — | — | — | 440304 | 27 |
| 13 | 2011 | 000004 | 国农科技 | 化学药品制剂制造业 | C8105 | 广东省 | 深圳市 | 福田区 | 440304 | ST | — | — | — | — | 丽珠集团丽珠制药厂 | — | 609.67 | 0.0818 | 440304 | — |
| 14 | 2021 | 000005 | ST 星源 | 生态保护和环境治理业 | N77 | 广东省 | 深圳市 | 罗湖区 | 440303 | ST | — | — | — | — | 上海市机电设计研究院有限公司 | — | 1387.168 | 0.0362 | 440303 | 77 |
| 15 | 2021 | 000005 | ST 星源 | 生态保护和环境治理业 | N77 | 广东省 | 深圳市 | 罗湖区 | 440303 | ST | — | — | — | — | 北京高能时代环境技术股份有限公司 | 603588 | 1009.174 | 0.0263 | 440303 | 77 |
| 16 | 2020 | 000005 | 世纪星源 | 生态保护和环境治理业 | N77 | 广东省 | 深圳市 | 罗湖区 | 440303 | ST | — | — | — | — | 北京高能时代环境技术股份有限公司 | 603588 | 4541.284 | 0.1151 | 440303 | 77 |
| 17 | 2019 | 000005 | 世纪星源 | 生态保护和环境治理业 | N77 | 广东省 | 深圳市 | 罗湖区 | 440303 | ST | — | — | — | — | 北京高能时代环境技术股份有限公司 | 603588 | 4541.284 | 0.08220000000000001 | 440303 | 77 |
| 18 | 2019 | 000005 | 世纪星源 | 生态保护和环境治理业 | N77 | 广东省 | 深圳市 | 罗湖区 | 440303 | ST | — | — | — | — | 上海市机电设计研究院有限公司 | — | 2634.799 | 0.04769999999999999 | 440303 | 77 |
| 19 | 2021 | 000006 | 深振业A | 房地产业 | K70 | 广东省 | 深圳市 | 罗湖区 | 440303 | 正常上市 | 中国五冶集团有限公司 | — | 24808.791 | 0.0284 | — | — | — | — | 440303 | 70 |
| 20 | 2021 | 000006 | 深振业A | 房地产业 | K70 | 广东省 | 深圳市 | 罗湖区 | 440303 | 正常上市 | 陕西建工集团股份有限公司 | — | 23875.598 | 0.0273 | — | — | — | — | 440303 | 70 |
03版本
每次发布，都留记录
发布后的数据版本不能修改。更正时发布新版本，旧版本保留。
版本 v12026/11/13 发布
生效中12,160 行 · 20 个字段 · 初始导入
04关联
和其他数据集，按键连起来
按键连到地区、企业、行业，能和不少于 146 个数据集连接。另外，它带年份或日期，能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组，对上的行多的在前。
按 国民经济行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 7,325 行有国民经济行业大类- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 stock_code、industry_code_2、year、county_code、province按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 industry_code_2、stock_code、year、county_code、province按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司商道融绿ESG评级面板企业主体 · 4.6 万 行 · 连接字段 stock_code、county_code、industry_code_2、province、year按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 industry_code_2、county_code、stock_code、year、province按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 stock_code、county_code、province、year、industry_code_2按国民经济行业大类对上本数据集 7,308 行（60%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、contract_date、company_industry_code_2、region_code、stock_code按国民经济行业大类对上本数据集 7,225 行（59%）
按 区县 + 省份 + 股票代码 + 年份 能连
10 个数据集 · 本数据集 12,149 行有区县- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 county_code、stock_code、year、province按区县对上本数据集 12,149 行（99%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、year、province、county_code按区县对上本数据集 12,130 行（99%）
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 province、stock_code、county_code、year按区县对上本数据集 12,079 行（99%）
- 上市公司供应链城市试点匹配企业主体 · 5.8 万 行 · 连接字段 province、county_code、year、stock_code按区县对上本数据集 12,079 行（99%）
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 county_code、stock_code、province、year按区县对上本数据集 12,078 行（99%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 province、year、stock_code、county_code按区县对上本数据集 12,040 行（99%）
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 province、stock_code、county_code、year按区县对上本数据集 11,911 行（97%）
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 province、stock_code、region_code、cutoff_date按区县对上本数据集 11,898 行（97%）
- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 year、county_code、stock_code、province按区县对上本数据集 11,860 行（97%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 stock_code、year、province、county_code按区县对上本数据集 10,923 行（89%）
按 国民经济行业大类 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 7,325 行有国民经济行业大类- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 industry_code、stock_code、province、year按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 year、province、industry_code_2、stock_code按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司数字化转型与企业创新面板企业主体 · 4.7 万 行 · 连接字段 year、industry_code_2、stock_code、province按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、industry_code_2、year、province按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、industry_code_2、province、stock_code按国民经济行业大类对上本数据集 7,325 行（60%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、stock_code、province、industry_code_2按国民经济行业大类对上本数据集 7,325 行（60%）
按 国民经济行业大类 + 区县 + 省份 + 年份 能连
3 个数据集 · 本数据集 7,325 行有国民经济行业大类- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 est_date、province、industry_code、county_code按国民经济行业大类对上本数据集 7,297 行（60%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 county_code、industry_code、province、year按国民经济行业大类对上本数据集 3,910 行（32%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 disclosure_date、county_code、province、industry_division_code按国民经济行业大类对上本数据集 10 行（不到 1%）
按 区县 + 省份 + 年份 能连
88 个数据集 · 本数据集 12,149 行有区县- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 region_code、province_code、year按区县对上本数据集 12,149 行（99%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 12,149 行（99%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、region_code、valid_from按区县对上本数据集 12,149 行（99%）
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 county_code、province_code、taobao_village_year按区县对上本数据集 12,148 行（99%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name按区县对上本数据集 12,148 行（99%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 12,148 行（99%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 12,148 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、region_code按区县对上本数据集 12,140 行（99%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、county_code、province按区县对上本数据集 12,140 行（99%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 12,140 行（99%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 12,140 行（99%）
- 区县人口分布（格网汇总）区域底数 · 1.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 12,140 行（99%）
按 省份 + 股票代码 + 年份 能连
42 个数据集 · 本数据集 12,149 行有省份- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 establish_date、province、stock_code按省份对上本数据集 12,149 行（99%）
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、ts_code、province按省份对上本数据集 12,149 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、province、establish_date按省份对上本数据集 12,149 行（99%）
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 12,149 行（99%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 12,149 行（99%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 12,149 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 12,149 行（99%）
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 12,149 行（99%）
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 stock_code、year、province_code按省份对上本数据集 12,149 行（99%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 12,149 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 12,149 行（99%）
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 12,149 行（99%）
按 国民经济行业大类 + 省份 + 年份 能连
4 个数据集 · 本数据集 7,325 行有国民经济行业大类- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、category_code、province按国民经济行业大类对上本数据集 4,926 行（40%）
- 央企基本信息企业主体 · 1,867 行 · 连接字段 industry_code、stat_date、province_code按国民经济行业大类对上本数据集 4,802 行（39%）
- 省级分行业工业总产值区域底数 · 1.1 万 行 · 连接字段 industry_code、region、year按国民经济行业大类对上本数据集 2,650 行（21%）
- 省级五年规划产业条目司法监管 · 4,363 行 · 连接字段 province、approval_date、mentioned_industry_code按国民经济行业大类对上本数据集 1,654 行（13%）
按 国民经济行业大类 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 7,325 行有国民经济行业大类- 上市公司全要素生产率（五种算法）企业主体 · 5.5 万 行 · 连接字段 year、stock_code、industry_code_2按国民经济行业大类对上本数据集 7,299 行（60%）
- 上市公司中央政策匹配企业主体 · 5.6 万 行 · 连接字段 year、stock_code、industry_code_b按国民经济行业大类对上本数据集 2,774 行（22%）
- 上市公司商道融绿ESG评级企业主体 · 5,746 行 · 连接字段 industry_wind_code、stock_code、year按国民经济行业大类对上本数据集 118 行（不到 1%）
- 上市公司股权激励方案企业主体 · 3,025 行 · 连接字段 latest_announcement_date、stock_code、wind_industry_code按国民经济行业大类对上本数据集 118 行（不到 1%）
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 12,149 行有区县按 国民经济行业大类 + 区县 + 省份 能连
1 个数据集 · 本数据集 7,325 行有国民经济行业大类按 国民经济行业大类 + 区县 + 年份 能连
1 个数据集 · 本数据集 7,325 行有国民经济行业大类按 省份 + 年份 能连
415 个数据集 · 本数据集 12,149 行有省份- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 province_name、year按省份对上本数据集 12,149 行（99%）
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 12,149 行（99%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 12,149 行（99%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 12,149 行（99%）
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 12,149 行（99%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 12,149 行（99%）
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 12,149 行（99%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 12,149 行（99%）
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code、year按省份对上本数据集 12,149 行（99%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year按省份对上本数据集 12,149 行（99%）
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 province、year按省份对上本数据集 12,149 行（99%）
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province、year按省份对上本数据集 12,149 行（99%）
按 股票代码 + 年份 能连
226 个数据集 · 本数据集 12,160 行有股票代码- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 stock_code、month按股票代码对上本数据集 12,160 行（100%）
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 12,160 行（100%）
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 12,160 行（100%）
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 12,160 行（100%）
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 12,160 行（100%）
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 12,159 行（99%）
- 上市公司竞争对手DID面板企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 12,159 行（99%）
- 上市公司环境披露指数企业主体 · 4.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 12,159 行（99%）
- 上市公司数字化转型指数（吴非）企业主体 · 4.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 12,155 行（99%）
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 12,141 行（99%）
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 listed_date、stock_code按股票代码对上本数据集 12,141 行（99%）
- 上市公司WW融资约束指数企业主体 · 5.7 万 行 · 连接字段 report_date、stock_code按股票代码对上本数据集 12,141 行（99%）
按 区县 + 省份 能连
17 个数据集 · 本数据集 12,149 行有区县- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 12,148 行（99%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province、region_code按区县对上本数据集 12,140 行（99%）
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code、region_code按区县对上本数据集 12,103 行（99%）
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 12,102 行（99%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code按区县对上本数据集 12,079 行（99%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 12,070 行（99%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 11,881 行（97%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 11,562 行（95%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 9,648 行（79%）
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、region_code按区县对上本数据集 8,026 行（66%）
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、county_code按区县对上本数据集 7,975 行（65%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code按区县对上本数据集 6,252 行（51%）
按 区县 + 年份 能连
13 个数据集 · 本数据集 12,149 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code、valid_from按区县对上本数据集 12,149 行（99%）
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 11,893 行（97%）
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 11,246 行（92%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 11,047 行（90%）
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 8,537 行（70%）
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 8,152 行（67%）
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 6,005 行（49%）
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 4,816 行（39%）
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 county_code、date按区县对上本数据集 4,537 行（37%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code按区县对上本数据集 3,641 行（29%）
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 3,154 行（25%）
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 year、region_code按区县对上本数据集 1,947 行（16%）
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 7,325 行有国民经济行业大类- 各行业绿色全要素生产率区域底数 · 1,620 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 7,288 行（59%）
- 上市公司碳强度企业主体 · 2,289 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 7,001 行（57%）
- 上市公司碳排放量企业主体 · 2,985 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 6,908 行（56%）
- 工业分行业统计指标区域底数 · 7,707 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 4,928 行（40%）
- 分行业二氧化碳排放量区域底数 · 1,386 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 4,926 行（40%）
- 全国行业燃料碳排放明细区域底数 · 1,287 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 4,926 行（40%）
- 中国对一带一路国家分行业出口区域底数 · 1.8 万 行 · 连接字段 industry_code、month按国民经济行业大类对上本数据集 4,847 行（39%）
- 中国自一带一路国家分行业进口区域底数 · 1.4 万 行 · 连接字段 industry_code、month按国民经济行业大类对上本数据集 4,803 行（39%）
- 中央产业政策文本司法监管 · 152 行 · 连接字段 approval_date、mentioned_industry_code按国民经济行业大类对上本数据集 407 行（3.3%）
按 国民经济行业大类 + 省份 能连
1 个数据集 · 本数据集 7,325 行有国民经济行业大类按 省份 + 股票代码 能连
1 个数据集 · 本数据集 12,149 行有省份按 省份 能连
27 个数据集 · 本数据集 12,149 行有省份- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 12,149 行（99%）
- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 12,149 行（99%）
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 12,149 行（99%）
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 12,149 行（99%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 12,149 行（99%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 12,149 行（99%）
按 区县 能连
12 个数据集 · 本数据集 12,149 行有区县- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 12,132 行（99%）
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 12,100 行（99%）
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 12,053 行（99%）
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 11,996 行（98%）
- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 11,984 行（98%）
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 10,837 行（89%）
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 10,105 行（83%）
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 10,076 行（82%）
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 7,270 行（59%）
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 5,844 行（48%）
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 4,202 行（34%）
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 2,926 行（24%）
按 股票代码 能连
2 个数据集 · 本数据集 12,160 行有股票代码只按年份能连：256 个数据集单独按年份连接多半没有意义，先看上面的组
按 年份 能连
256 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 year
- 上市公司数字词频企业主体 · 191.6 万 行 · 连接字段 year
- 分省HS商品年度进出口区域底数 · 135.8 万 行 · 连接字段 year
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据，不用来连接。
本数据集内2
- 扩增得出
industry_code_2由行业名称扩增得出。
来自字段扩增上市公司供应链上下游上市公司供应链上下游 - 扩增得出
region_code_current由区县代码扩增得出。
来自字段扩增上市公司供应链上下游上市公司供应链上下游
06授权与接入
申请授权，一次调用就能用上
试用立即生效，并送 500 点试用点数。授权后用 API Key 调用 REST 接口，按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量：export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/a-share-listed-company-supply-chain/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000002"}],"limit":10}'
交给 Agent
- 以后开放
MCP
仍在使用 MCP 的 Agent 客户端，用 OAuth 连接后通过工具查询。