- 记录
- 47.7 万
- 字段
- 19
- AI 扩增字段
- 5
- 平均非空率
- 85.3%
- 字段完整度
19 个字段，12 个没有空值，5 个 AI 扩增
01字段
字段来源，逐一标明
共 19 个字段，其中 AI 扩增字段 5 个。非空率按当前版本的 477,110 行计算。
关于这个数据集
一行是一家银行业金融机构的一个网点：机构编码、名称、总行、机构类型、地址、所在省市县、状态、发证日期、批准成立日期、退出日期，按统计日期记录。2018 至 2023 年，约 47.7 万条。可用来看各地银行网点的分布和变化。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 统计日期date键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 机构编码org_code | 文本 | 原生 | 100% | — | ||
| 分支行名称branch_name规律 1：分支行名称的字段规律字段规律：branch_uscc由分支行名称扩增得出。键：企业名称。样本里格式符合 99.8%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 机构IDorg_id | 文本 | 原生 | 87% | — | ||
| 总行名称head_office_name规律 1：总行名称的字段规律字段规律：head_office_uscc由总行名称扩增得出。键：企业名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 机构类型org_type | 文本 | 原生 | 100% | 代码含义不清 | ||
| 机构地址address键：地址。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 机构状态status | 文本 | 原生 | 100% | 代码含义不清 | ||
| 省份province规律 2：省份的字段规律字段规律：city_code由省份、城市扩增得出。。county_code由省份、城市、县区扩增得出。键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | 原表列名：机构所在省 | ||
| 城市city规律 2：城市的字段规律字段规律：city_code由省份、城市扩增得出。。county_code由省份、城市、县区扩增得出。键：城市名称。样本里格式符合 92.7%，还没有参照 | 文本 | 原生 | 100% | 原表列名：机构所在市/区 | ||
| 县区county规律 1：县区的字段规律字段规律：county_code由省份、城市、县区扩增得出。键：区县名称。样本里格式符合 99.1%，还没有参照 | 文本 | 原生 | 85% | 原表列名：机构所在县 | ||
| 发证日期license_date键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 批准成立日期approval_date规律 1：批准成立日期的字段规律字段规律：approval_year由批准成立日期扩增得出。键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 退出日期exit_date键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 4.6% | — | ||
| 县区区划代码county_code规律 1：县区区划代码的字段规律字段规律：county_code由省份、城市、县区扩增得出。键：县级区划代码。样本里格式符合 100%，82.3% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：县区区划代码 | 82%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、城市、县区查行政区划参照得出的现行县级区划代码。程序查表，不用模型。对不上或置信度低的为空 | ||
| 城市区划代码city_code规律 1：城市区划代码的字段规律字段规律：city_code由省份、城市扩增得出。键：市级区划代码。样本里格式符合 100%，98.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：城市区划代码 | 98%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、城市查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 | ||
| 分支行统一社会信用代码branch_uscc规律 1：分支行统一社会信用代码的字段规律字段规律：branch_uscc由分支行名称扩增得出。键：统一社会信用代码。样本里格式符合 100%，100% 的行对上参照 listed-security-master | 文本 | 规则扩增第 2 级扩增查看溯源：分支行统一社会信用代码 | 0.0%平均置信度 1.00校验少：不建议单独作为决策依据 | 分支行名称对上沪深京上市证券表的工商登记名称时，取出的统一社会信用代码。只覆盖上市公司，对不上的为空 | ||
| 总行统一社会信用代码head_office_uscc规律 1：总行统一社会信用代码的字段规律字段规律：head_office_uscc由总行名称扩增得出。键：统一社会信用代码。样本里格式符合 100%，100% 的行对上参照 listed-security-master | 文本 | 规则扩增第 2 级扩增查看溯源：总行统一社会信用代码 | 64%平均置信度 1.00校验少：不建议单独作为决策依据 | 总行名称对上沪深京上市证券表的工商登记名称时，取出的统一社会信用代码。只覆盖上市公司，对不上的为空 | ||
| 批准成立年份approval_year规律 1：批准成立年份的字段规律字段规律：approval_year由批准成立日期扩增得出。键：年份。样本里格式符合 100%，还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源：批准成立年份 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 从批准成立日期算出的年份 |
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。
| # | 统计日期date | 机构编码org_code | 分支行名称branch_name | 机构IDorg_id | 总行名称head_office_name | 机构类型org_type | 机构地址address | 机构状态status | 省份province | 城市city | 县区county | 发证日期license_date | 批准成立日期approval_date | 退出日期exit_date | 县区区划代码county_code | 城市区划代码city_code | 分支行统一社会信用代码branch_uscc | 总行统一社会信用代码head_office_uscc | 批准成立年份approval_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2018-08-29 | B0004S322030035 | 中国建设银行股份有限公司双辽大市场支行 | 103400.0 | 中国建设银行股份有限公司 | 59.0 | 吉林省双辽市郑家屯街农副产品批发市场小区1-2层M009室 | 0.0 | 吉林省 | 四平市 | 双辽市 | 2018-01-23 | 2018-01-15 | — | 220382 | 220300 | — | 911100001000044477 | 2018 |
| 2 | 2018-08-29 | B0615S341100006 | 中原银行股份有限公司许昌府前街支行 | 10279284.0 | 中原银行股份有限公司 | 9.0 | 河南省许昌市北大街与府前街交叉口 | 0.0 | 河南省 | 许昌市 | — | 2018-01-22 | 2007-02-15 | — | — | 411000 | — | — | 2007 |
| 3 | 2018-08-29 | B0002U343310009 | 中国农业银行股份有限公司花垣边城广场分理处 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省湘西土家族苗族自治州花垣县建设中路408号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 花垣县 | 2018-01-10 | 1985-06-30 | — | 433124 | 433100 | — | 911100001000054748 | 1985 |
| 4 | 2018-08-29 | B0002S343310006 | 中国农业银行股份有限公司花垣县支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省湘西土家族苗族自治州花垣县赶秋南路560号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 花垣县 | 2018-01-10 | 1988-03-23 | — | 433124 | 433100 | — | 911100001000054748 | 1988 |
| 5 | 2018-08-29 | B0002S343310010 | 中国农业银行股份有限公司吉首红旗门支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市团结东路41号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 1985-06-30 | — | 433101 | 433100 | — | 911100001000054748 | 1985 |
| 6 | 2018-08-29 | B0002S343310002 | 中国农业银行股份有限公司吉首乾州支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市人民中路395号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 2001-02-14 | — | 433101 | 433100 | — | 911100001000054748 | 2001 |
| 7 | 2018-08-29 | B0002S343310013 | 中国农业银行股份有限公司吉首人民中路支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市人民中路217号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 1987-05-07 | — | 433101 | 433100 | — | 911100001000054748 | 1987 |
| 8 | 2018-08-29 | B0002S343310011 | 中国农业银行股份有限公司吉首商业城支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市武陵东路7号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 2000-01-11 | — | 433101 | 433100 | — | 911100001000054748 | 2000 |
| 9 | 2018-08-29 | B0002S343310001 | 中国农业银行股份有限公司吉首市支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市人民北路38号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 1980-01-01 | — | 433101 | 433100 | — | 911100001000054748 | 1980 |
| 10 | 2018-08-29 | B0002S343310016 | 中国农业银行股份有限公司龙山里耶支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省龙山县里耶镇中孚街109号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 龙山县 | 2018-01-10 | 1985-06-30 | — | 433130 | 433100 | — | 911100001000054748 | 1985 |
| 11 | 2018-08-29 | B0002S343310009 | 中国农业银行股份有限公司龙山县支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省龙山县民安街道办事处朝阳路28号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 龙山县 | 2018-01-10 | 1980-01-01 | — | 433130 | 433100 | — | 911100001000054748 | 1980 |
| 12 | 2018-08-29 | B0002S343310018 | 中国农业银行股份有限公司龙山召市支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省龙山县召市镇新建路138号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 龙山县 | 2018-01-10 | 1985-06-30 | — | 433130 | 433100 | — | 911100001000054748 | 1985 |
| 13 | 2018-08-29 | B0002L343310001 | 中国农业银行股份有限公司湘西分行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省吉首市北一环22号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 吉首市 | 2018-01-10 | 1979-10-25 | — | 433101 | 433100 | — | 911100001000054748 | 1979 |
| 14 | 2018-08-29 | B0002U336110048 | 中国农业银行股份有限公司余干社庚分理处 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 江西省上饶市余干县社庚乡老街 | 0.0 | 江西省 | 上饶市 | 余干县 | 2018-01-10 | 1985-07-20 | — | 361127 | 361100 | — | 911100001000054748 | 1985 |
| 15 | 2018-08-29 | B0002U343310005 | 中国农业银行股份有限公司泸溪白沙分理处 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省泸溪县武溪镇朝阳社区朝阳路16号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 泸溪县 | 2018-01-10 | 1994-07-27 | — | 433122 | 433100 | — | 911100001000054748 | 1994 |
| 16 | 2018-08-29 | B0002S343310017 | 中国农业银行股份有限公司泸溪浦市支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省泸溪县浦市镇浦阳中路24号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 泸溪县 | 2018-01-10 | 1985-06-30 | — | 433122 | 433100 | — | 911100001000054748 | 1985 |
| 17 | 2018-08-29 | B0002S343310003 | 中国农业银行股份有限公司泸溪县支行 | 10842.0 | 中国农业银行股份有限公司 | 59.0 | 湖南省泸溪县武溪镇沅江社区建设路445号 | 0.0 | 湖南省 | 湘西土家族苗族自治州 | 泸溪县 | 2018-01-10 | 1980-01-01 | — | 433122 | 433100 | — | 911100001000054748 | 1980 |
| 18 | 2018-08-29 | B0003S334050005 | 中国银行股份有限公司马鞍山花山支行 | 103009.0 | 中国银行股份有限公司 | 59.0 | 马鞍山市花山区健康路同济花园7-9号 | 0.0 | 安徽省 | 马鞍山市 | 花山区 | 2018-01-10 | 2003-11-06 | — | 340503 | 340500 | — | 911000001000013428 | 2003 |
| 19 | 2018-08-29 | B0003S237020055 | 中国银行股份有限公司青岛台柳路支行 | 103009.0 | 中国银行股份有限公司 | 59.0 | 山东省青岛市台柳路163号101、201户 | 0.0 | 山东省 | 青岛市 | — | 2018-01-10 | 2009-11-23 | — | — | 370200 | — | 911000001000013428 | 2009 |
| 20 | 2018-08-29 | B0018A211000018 | 中国邮政储蓄银行股份有限公司北京朝阳区水岸南街营业所 | 10550.0 | 中国邮政储蓄银行股份有限公司 | 59.0 | 北京市朝阳区水岸南街16号楼1至2层137 | 0.0 | 北京市 | 北京市 | 朝阳区 | 2018-01-10 | 1999-02-12 | — | 110105 | 110000 | — | 9111000071093465XC | 1999 |
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 v12026/11/14 发布
生效中477,110 行 · 19 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，能和不少于 174 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 城市 + 区县 + 省份 + 统一社会信用代码 + 年份 能连
5 个数据集 · 本数据集 468,378 行有城市- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、city_code、org_uscc、province、approve_date按城市对上本数据集 468,378 行（98%）
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 province、uscc、city_code、county_code、est_date按城市对上本数据集 448,089 行（93%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 county_code、company_uscc、disclosure_date、city_code、province按城市对上本数据集 433,322 行（90%）
- 银行监管处罚明细司法监管 · 5.3 万 行 · 连接字段 disclosure_date、province、city_code、party_uscc、county_code按城市对上本数据集 431,097 行（90%）
- 工业企业距省界距离企业主体 · 87.7 万 行 · 连接字段 year、county_code、province_code、company_uscc、city_code按城市对上本数据集 211,276 行（44%）
按 城市 + 区县 + 省份 + 年份 能连
37 个数据集 · 本数据集 468,378 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、city_code、region_code按城市对上本数据集 468,378 行（98%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、county_code、province、year按城市对上本数据集 468,378 行（98%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、region_code、province、year按城市对上本数据集 468,378 行（98%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、year、province、region_code按城市对上本数据集 468,378 行（98%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、province_name、year、county_code_2按城市对上本数据集 468,378 行（98%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year、city_code按城市对上本数据集 468,378 行（98%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code、city_code按城市对上本数据集 468,378 行（98%）
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、founded_year、province、city_code按城市对上本数据集 468,303 行（98%）
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、region_code、city_code按城市对上本数据集 468,303 行（98%）
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 province、county_code、year、city_code按城市对上本数据集 468,205 行（98%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、city_code、county_code、year按城市对上本数据集 467,374 行（97%）
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 county_code、year、province、city_code按城市对上本数据集 466,962 行（97%）
按 区县 + 省份 + 统一社会信用代码 + 年份 能连
4 个数据集 · 本数据集 392,619 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、region_code、province、org_uscc按区县对上本数据集 392,619 行（82%）
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 year、province_city_county_code、province、company_uscc按区县对上本数据集 384,595 行（80%）
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 year、company_uscc、province、province_city_county_code按区县对上本数据集 384,595 行（80%）
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 customs_province、company_uscc、province_city_county_code、year按区县对上本数据集 366,406 行（76%）
按 城市 + 省份 + 统一社会信用代码 + 年份 能连
3 个数据集 · 本数据集 468,378 行有城市按 城市 + 区县 + 统一社会信用代码 + 年份 能连
1 个数据集 · 本数据集 468,378 行有城市按 城市 + 省份 + 年份 能连
141 个数据集 · 本数据集 468,378 行有城市- 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、origin_city_code按城市对上本数据集 468,378 行（98%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code、year按城市对上本数据集 468,378 行（98%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 468,378 行（98%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 468,378 行（98%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 468,378 行（98%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、city_code、date按城市对上本数据集 468,378 行（98%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year、region_code按城市对上本数据集 468,378 行（98%）
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、city_code、province按城市对上本数据集 468,378 行（98%）
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 468,378 行（98%）
- 地级市银行竞争度指标保险市场 · 9,049 行 · 连接字段 province、year、city_code按城市对上本数据集 468,378 行（98%）
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、region_code、year按城市对上本数据集 468,378 行（98%）
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 city_code、census_year、province_code按城市对上本数据集 468,378 行（98%）
按 区县 + 省份 + 年份 能连
61 个数据集 · 本数据集 392,619 行有区县- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、province_code、county_code按区县对上本数据集 392,619 行（82%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 392,374 行（82%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、province、region_code按区县对上本数据集 392,335 行（82%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 392,297 行（82%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 392,297 行（82%）
- 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 392,297 行（82%）
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、year、province按区县对上本数据集 392,288 行（82%）
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 392,141 行（82%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time、pname按区县对上本数据集 391,989 行（82%）
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 391,307 行（82%）
- 县域开通微博企业数（按成立年份）区域底数 · 4.6 万 行 · 连接字段 year、region_code、province按区县对上本数据集 390,832 行（81%）
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 390,561 行（81%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 468,378 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、county_code、province_code按城市对上本数据集 468,378 行（98%）
- 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、city_code、region_code按城市对上本数据集 468,378 行（98%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 468,303 行（98%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province、county_code按城市对上本数据集 467,391 行（97%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 465,259 行（97%）
- 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、city_code按城市对上本数据集 434,060 行（90%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 431,587 行（90%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、city_code、province按城市对上本数据集 429,096 行（89%）
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code、city_code按城市对上本数据集 428,437 行（89%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code、province按城市对上本数据集 405,555 行（85%）
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 235,954 行（49%）
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code、province按城市对上本数据集 211,024 行（44%）
按 城市 + 区县 + 年份 能连
5 个数据集 · 本数据集 468,378 行有城市- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code、applicant_address_city_code按城市对上本数据集 462,125 行（96%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、county_code、year按城市对上本数据集 461,141 行（96%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year、city_code按城市对上本数据集 459,350 行（96%）
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 application_date、address_city_code、address_county_code按城市对上本数据集 412,104 行（86%）
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 348,758 行（73%）
按 省份 + 统一社会信用代码 + 年份 能连
5 个数据集 · 本数据集 477,110 行有省份- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、company_uscc、province按省份对上本数据集 477,110 行（100%）
- 新三板公司基本信息企业主体 · 1.3 万 行 · 连接字段 province、uscc、establish_date按省份对上本数据集 477,110 行（100%）
- 沪深京上市证券企业主体 · 6,057 行 · 连接字段 province、uscc、list_date按省份对上本数据集 477,110 行（100%）
- 全国银行基本概况企业主体 · 3,393 行 · 连接字段 estb_date、province、company_uscc按省份对上本数据集 477,110 行（100%）
- 绿色债券发行明细与上市公司匹配企业主体 · 2,561 行 · 连接字段 issuer_uscc、province、value_date按省份对上本数据集 477,110 行（100%）
按 城市 + 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 468,378 行有城市按 省份 + 年份 能连
318 个数据集 · 本数据集 477,110 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 477,110 行（100%）
- 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 477,110 行（100%）
- 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 477,110 行（100%）
- 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 477,110 行（100%）
- 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 477,110 行（100%）
- 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 477,110 行（100%）
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 477,110 行（100%）
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 year、region_code按省份对上本数据集 477,110 行（100%）
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province按省份对上本数据集 477,110 行（100%）
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 477,110 行（100%）
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 date、region_code按省份对上本数据集 477,110 行（100%）
- 省级三农统计指标区域底数 · 26.8 万 行 · 连接字段 province、year按省份对上本数据集 477,110 行（100%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 468,378 行有城市- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 468,303 行（98%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 468,303 行（98%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 468,303 行（98%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 468,303 行（98%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 468,303 行（98%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 468,096 行（98%）
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 467,997 行（98%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 467,133 行（97%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 465,198 行（97%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 457,687 行（95%）
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 449,975 行（94%）
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 449,975 行（94%）
按 统一社会信用代码 + 年份 能连
17 个数据集 · 本数据集 88 行有统一社会信用代码- 上市公司纳税信用评级企业主体 · 4.5 万 行 · 连接字段 uscc、year按统一社会信用代码对上本数据集 88 行（不到 1%）
- 银行股东持股明细企业主体 · 2.7 万 行 · 连接字段 company_uscc、date按统一社会信用代码对上本数据集 88 行（不到 1%）
- 商业银行财务指标企业主体 · 5,842 行 · 连接字段 year、company_uscc按统一社会信用代码对上本数据集 88 行（不到 1%）
- 银行核心业务指标企业主体 · 5,440 行 · 连接字段 date、company_uscc按统一社会信用代码对上本数据集 88 行（不到 1%）
- 上市公司绿色专利申请企业主体 · 13 万 行 · 连接字段 year、company_uscc按统一社会信用代码对上本数据集 68 行（不到 1%）
- 新三板挂牌企业基本信息企业主体 · 1.3 万 行 · 连接字段 company_uscc、listing_date按统一社会信用代码对上本数据集 2 行（不到 1%）
- 专精特新企业附属公司企业主体 · 35.9 万 行 · 连接字段 end_date、company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 保险公司官网产品文件保险市场 · 10.3 万 行 · 连接字段 company_uscc、sale_date按统一社会信用代码对上本数据集 0 行（0%）
- 医保医用耗材代码医疗药械 · 9.8 万 行 · 连接字段 published_date、company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 境外投资企业名录企业主体 · 9.6 万 行 · 连接字段 year、overseas_enterprise_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 京东药品月度价格医疗药械 · 8.5 万 行 · 连接字段 manufacturer_uscc、month_date按统一社会信用代码对上本数据集 0 行（0%）
- 保险公司资产负债表和利润表保险市场 · 6.8 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 0 行（0%）
按 城市 + 省份 能连
15 个数据集 · 本数据集 468,378 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 468,378 行（98%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 467,449 行（97%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 465,955 行（97%）
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 465,814 行（97%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 460,057 行（96%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 450,121 行（94%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2、province按城市对上本数据集 449,022 行（94%）
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 445,710 行（93%）
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 province、region_code按城市对上本数据集 437,817 行（91%）
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 city_code、province按城市对上本数据集 436,735 行（91%）
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 city_code、province按城市对上本数据集 434,801 行（91%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 433,962 行（90%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 392,619 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 392,619 行（82%）
- 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 389,359 行（81%）
- 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 376,280 行（78%）
- 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 340,068 行（71%）
- 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 317,229 行（66%）
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 205,137 行（42%）
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 133,373 行（27%）
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 107,988 行（22%）
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 91,626 行（19%）
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 91,624 行（19%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 392,619 行有区县按 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 392,619 行有区县按 省份 + 统一社会信用代码 能连
2 个数据集 · 本数据集 477,110 行有省份按 城市 + 区县 能连
1 个数据集 · 本数据集 468,378 行有城市按 省份 能连
12 个数据集 · 本数据集 477,110 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 477,110 行（100%）
- 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 477,110 行（100%）
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 477,110 行（100%）
- 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 477,110 行（100%）
- 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 477,110 行（100%）
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 475,555 行（99%）
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 475,555 行（99%）
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 468,025 行（98%）
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 466,768 行（97%）
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 440,098 行（92%）
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 438,139 行（91%）
- 全国地铁线路几何交通运输 · 396 行 · 连接字段 province按省份对上本数据集 101,665 行（21%）
按 统一社会信用代码 能连
8 个数据集 · 本数据集 88 行有统一社会信用代码- 供应链创新应用试点企业企业主体 · 266 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 4 行（不到 1%）
- 医保西药和中成药代码医疗药械 · 28.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 企业荣誉资质标签企业主体 · 17.6 万 行 · 连接字段 uscc按统一社会信用代码对上本数据集 0 行（0%）
- 人身险产品条款文件保险市场 · 11.5 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 境外投资企业备案名录企业主体 · 5.2 万 行 · 连接字段 domestic_investor_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 京东健康在售药品医疗药械 · 2.8 万 行 · 连接字段 manufacturer_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 专精特新小巨人企业名单企业主体 · 1.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 国谈药配备查询药品医疗药械 · 505 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行（0%）
按 城市 能连
7 个数据集 · 本数据集 468,378 行有城市- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 467,932 行（98%）
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 448,110 行（93%）
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 446,036 行（93%）
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 446,036 行（93%）
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 439,487 行（92%）
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 424,988 行（89%）
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 128,385 行（26%）
按 区县 能连
7 个数据集 · 本数据集 392,619 行有区县- 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 390,682 行（81%）
- 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 359,213 行（75%）
- 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 356,898 行（74%）
- 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 327,383 行（68%）
- 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 212,669 行（44%）
- 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 182,842 行（38%）
- 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 150,111 行（31%）
只按年份能连：418 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
418 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
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 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
- 上市公司专利申请明细企业主体 · 224.2 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5
- 扩增得出
approval_year由批准成立日期扩增得出。
来自字段扩增银行业金融机构网点明细银行业金融机构网点明细 - 扩增得出
branch_uscc由分支行名称扩增得出。
来自字段扩增银行业金融机构网点明细银行业金融机构网点明细 - 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增银行业金融机构网点明细银行业金融机构网点明细 - 扩增得出
county_code由省份、城市、县区扩增得出。
来自字段扩增银行业金融机构网点明细银行业金融机构网点明细 - 扩增得出
head_office_uscc由总行名称扩增得出。
来自字段扩增银行业金融机构网点明细银行业金融机构网点明细
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/bank-branch-license-detail/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"org_code","op":"eq","value":"B0004S322030035"}],"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。