银行监管处罚明细
一行是一次对银行机构或银行员工的监管处罚。
v2 生效中 · 2026/11/14 发布险种标签：企业财产险责任险时间跨度：2004 年 5 月–2025 年 8 月数据出处 出处待核实
- 记录
- 5.3 万
- 字段
- 23
- AI 扩增字段
- 4
- 平均非空率
- 87.8%
- 字段完整度
23 个字段，11 个没有空值，4 个 AI 扩增
01字段
字段来源，逐一标明
共 23 个字段，其中 AI 扩增字段 4 个。非空率按当前版本的 53,441 行计算。
关于这个数据集
一行是一次对银行机构或银行员工的监管处罚。有处罚日期、当事人（个人姓名已部分隐去）、违规领域、案由、罚没金额、处罚机关和所在地区。可用来看银行的合规风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 序号seq_no含义：个数（个） | 整数 | 原生 | 100% | — | ||
| 披露日期disclosure_date规律 1：披露日期的字段规律字段规律：disclosure_year由披露日期扩增得出。含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 处罚日期penalty_date含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 93% | — | ||
| 当事人party_name规律 1：当事人的字段规律字段规律：party_uscc由当事人扩增得出。含义：名称键：企业名称。样本里格式符合 91.3%，还没有参照 | 文本 | 原生 | 100% | 机构名称照原样。当事人是个人时只留姓，名字换成“某”，例如“李某（某某银行支行）” | ||
| 当事人类型party_type含义：类别 | 文本 | 原生 | 100% | 个人/机构 | ||
| 处罚类型penalty_type含义：类别 | 文本 | 原生 | 100% | 如罚款、警告等 | ||
| 罚没金额penalty_amount含义：金额（元） | 小数 | 原生 | 74% | 单位：元 原表列名：罚没金额（元） | ||
| 违规领域violation_domain含义：类别 | 文本 | 原生 | 91% | — | ||
| 违规案由violation_cause含义：文字说明 | 文本 | 原生 | 81% | — | ||
| 违规事实violation_fact含义：文字说明 | 文本 | 原生 | 99% | 。文中个人当事人的全名换成“姓 + 某”，身份证号和手机号已去掉 | ||
| 处罚内容penalty_content含义：文字说明 | 文本 | 原生 | 100% | 。文中个人当事人的全名换成“姓 + 某”，身份证号和手机号已去掉 | ||
| 文号doc_no含义：代码或编号 | 文本 | 原生 | 99% | — | ||
| 所属总行parent_bank含义：名称 | 文本 | 原生 | 100% | — | ||
| 处理机构handling_agency含义：名称 | 文本 | 原生 | 100% | — | ||
| 所属省province规律 2：所属省的字段规律字段规律：city_code由所属省、所属市扩增得出。。county_code由所属省、所属市、所属区县扩增得出。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% | — | ||
| 所属市city规律 2：所属市的字段规律字段规律：city_code由所属省、所属市扩增得出。。county_code由所属省、所属市、所属区县扩增得出。含义：地区键：城市名称。样本里格式符合 95.5%，还没有参照 | 文本 | 原生 | 93% | — | ||
| 所属区县county规律 1：所属区县的字段规律字段规律：county_code由所属省、所属市、所属区县扩增得出。含义：地区键：区县名称。样本里格式符合 98.2%，还没有参照 | 文本 | 原生 | 99% | — | ||
| 所属乡镇town_street含义：地区 | 文本 | 原生 | 0.5% | 原表列名：所属乡镇/街道 | ||
| 信用类型credit_type含义：类别 | 文本 | 原生 | 100% | 如行政处罚 | ||
| 所属区县区划代码county_code规律 1：所属区县区划代码的字段规律字段规律：county_code由所属省、所属市、所属区县扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，96.9% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：所属区县区划代码 | 97%平均置信度 0.97校验少：不建议单独作为决策依据 | 由所属省、所属市、所属区县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 | ||
| 所属市区划代码city_code规律 1：所属市区划代码的字段规律字段规律：city_code由所属省、所属市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，92.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：所属市区划代码 | 92%平均置信度 0.97校验少：不建议单独作为决策依据 | 由所属省、所属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 | ||
| 当事人统一社会信用代码party_uscc规律 1：当事人统一社会信用代码的字段规律字段规律：party_uscc由当事人扩增得出。含义：代码或编号键：统一社会信用代码。样本里格式符合 100%，1.1% 的行对上参照 listed-security-master | 文本 | 规则扩增第 2 级扩增查看溯源：当事人统一社会信用代码 | 1.1%平均置信度 1.00校验少：不建议单独作为决策依据 | 当事人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 | ||
| 披露年份disclosure_year规律 1：披露年份的字段规律字段规律：disclosure_year由披露日期扩增得出。含义：年份键：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：披露年份 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 从披露日期算出的年份 |
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。
| # | 序号seq_no | 披露日期disclosure_date | 处罚日期penalty_date | 当事人party_name | 当事人类型party_type | 处罚类型penalty_type | 罚没金额penalty_amount | 违规领域violation_domain | 违规案由violation_cause | 违规事实violation_fact | 处罚内容penalty_content | 文号doc_no | 所属总行parent_bank | 处理机构handling_agency | 所属省province | 所属市city | 所属区县county | 所属乡镇town_street | 信用类型credit_type | 所属区县区划代码county_code | 所属市区划代码city_code | 当事人统一社会信用代码party_uscc | 披露年份disclosure_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 2025-08-21 | 2025-08-15 | 李某（安顺西秀富民村镇银行股份有限公司） | 个人 | 罚款 | 10000 | 反洗钱业务违规 | 未按照规定履行客户身份识别义务 | 违法行为类型:对安顺西秀富民村镇银行股份有限公司以下违法行为负有责任：未按规定对高风险客户采取强化识别措施。 | 罚款1万元 | 安银罚决字[2025]9号 | 安顺西秀富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 西秀 | — | 行政处罚 | 520402 | 520400 | — | 2025 |
| 2 | 2 | 2025-08-21 | 2025-08-14 | 马某（湖北仙桃农村商业银行股份有限公司） | 个人 | 罚款 | 11000 | 内控制度不健全 | 违反征信业务管理规定 | 对湖北仙桃农村商业银行股份有限公司以下违法行为负有责任：违反信用信息采集、提供、查询及相关管理规定。 | 罚款1.1万元 | 鄂银罚决字[2025]21号 | 湖北仙桃农村商业银行股份有限公司 | 央行湖北省分行 | 湖北 | — | 仙桃 | — | 行政处罚 | 429004 | — | — | 2025 |
| 3 | 3 | 2025-08-21 | 2025-08-20 | 李某（四川屏山农村商业银行股份有限公司） | 个人 | 罚款 | 20000 | — | — | 对四川屏山农村商业银行股份有限公司以下行为负有直接责任：未按规定对异常交易进行人工分析、识别，排除理由不合理，或可疑交易报告理由不完整 | 罚款2万元 | 宜银罚决字[2025]5号 | 四川屏山农村商业银行股份有限公司 | 央行宜宾市分行 | 四川 | 宜宾 | 屏山 | — | 行政处罚 | 511529 | 511500 | — | 2025 |
| 4 | 4 | 2025-08-21 | 2025-08-15 | 童某（关岭恒升村镇银行股份有限公司） | 个人 | 罚款 | 14000 | — | — | 违法行为类型:对关岭恒升村镇银行股份有限公司以下违法行为负有责任：未按规定对异常交易进行人工分析、识别，排除理由不合理。 | 罚款1.4万元 | 安银罚决字[2025]2号 | 关岭恒升村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 关岭县 | — | 行政处罚 | 520424 | 520400 | — | 2025 |
| 5 | 5 | 2025-08-21 | 2025-08-14 | 周某（湖北仙桃农村商业银行股份有限公司） | 个人 | 罚款 | 11000 | 内控制度不健全 | 违反征信业务管理规定 | 对湖北仙桃农村商业银行股份有限公司以下违法行为负有责任：违反信用信息采集、提供、查询及相关管理规定。 | 罚款1.1万元 | 鄂银罚决字[2025]20号 | 湖北仙桃农村商业银行股份有限公司 | 央行湖北省分行 | 湖北 | — | 仙桃 | — | 行政处罚 | 429004 | — | — | 2025 |
| 6 | 6 | 2025-08-21 | 2025-08-14 | 吴某（湖北仙桃农村商业银行股份有限公司） | 个人 | 罚款 | 14000 | 反洗钱业务违规 | 未按照规定履行客户身份识别义务 | 对湖北仙桃农村商业银行股份有限公司以下违法行为负有责任：未按规定识别代理人身份。 | 罚款1.4万元 | 鄂银罚决字[2025]22号 | 湖北仙桃农村商业银行股份有限公司 | 央行湖北省分行 | 湖北 | — | 仙桃 | — | 行政处罚 | 429004 | — | — | 2025 |
| 7 | 7 | 2025-08-21 | 2025-08-15 | 周某（安顺西秀富民村镇银行股份有限公司） | 个人 | 罚款 | 10000 | 反洗钱业务违规 | 未按照规定履行客户身份识别义务 | 违法行为类型:对安顺西秀富民村镇银行股份有限公司以下违法行为负有责任：未按规定对高风险客户采取强化识别措施。 | 罚款1万元 | 安银罚决字[2025]8号 | 安顺西秀富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 西秀 | — | 行政处罚 | 520402 | 520400 | — | 2025 |
| 8 | 8 | 2025-08-21 | 2025-08-15 | 黄某（关岭恒升村镇银行股份有限公司） | 个人 | 罚款 | 14000 | — | — | 违法行为类型:对关岭恒升村镇银行股份有限公司以下违法行为负有责任：未按规定对异常交易进行人工分析、识别，排除理由不合理。 | 罚款1.4万元 | 安银罚决字[2025]3号 | 关岭恒升村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 关岭县 | — | 行政处罚 | 520424 | 520400 | — | 2025 |
| 9 | 9 | 2025-08-21 | 2025-08-15 | 关岭恒升村镇银行股份有限公司 | 法人机构 | 罚款 | 240000 | — | — | 违法行为类型:未按规定对异常交易进行人工分析、识别，排除理由不合理。 | 罚款24万元 | 安银罚决字[2025]1号 | 关岭恒升村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 关岭县 | — | 行政处罚 | 520424 | 520400 | — | 2025 |
| 10 | 10 | 2025-08-21 | 2025-08-15 | 安顺西秀富民村镇银行股份有限公司 | 法人机构 | 罚款 | 200000 | 反洗钱业务违规 | 未按照规定履行客户身份识别义务 | 违法行为类型:未按规定对高风险客户采取强化识别措施。 | 罚款20万元 | 安银罚决字[2025]7号 | 安顺西秀富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 西秀 | — | 行政处罚 | 520402 | 520400 | — | 2025 |
| 11 | 11 | 2025-08-21 | 2025-08-14 | 湖北仙桃农村商业银行股份有限公司 | 法人机构 | 警告,罚款 | 1409500 | 支付结算业务违规,反洗钱业务违规,数据报送与治理违规,内控制度不健全,人民币管理违规 | 违反银行账户管理规定,未按照规定履行客户身份识别义务,与身份不明客户交易或开设匿名、假名账户,违反金融统计管理规定,违反征信业务管理规定,违反国库管理规定,违反货币鉴别及假币管理规定 | 1.违反金融统计相关规定；2.违反账户管理规定；3.未履行有关风险管理措施；4.违反反假货币业务管理规定；5.占压财政存款或者资金；6.违反信用信息采集、提供、查询及相关管理规定；7.未按规定识别代理人身份；8.与身份不明的客户进行交易。 | 警告并罚款140.95万元 | 鄂银罚决字[2025]19号 | 湖北仙桃农村商业银行股份有限公司 | 央行湖北省分行 | 湖北 | — | 仙桃 | — | 行政处罚 | 429004 | — | — | 2025 |
| 12 | 12 | 2025-08-21 | 2025-08-20 | 四川屏山农村商业银行股份有限公司 | 法人机构 | 警告,罚款 | 641000 | 支付结算业务违规,反洗钱业务违规,内控制度不健全,人民币管理违规 | 违反银行账户管理规定,未按规定报送大额或可疑交易报告,违反征信业务管理规定,违反国库管理规定,违反货币鉴别及假币管理规定 | 1.未按规定对异常交易进行人工分析、识别，排除理由不合理，或可疑交易报告理由不完整；2.占压财政存款或者资金；3.违反征信安全管理要求；4.个人结算账户未备案和超期备案；5.未按规定收缴假币；6.不当保管、截留或者私自处理假币，或者使已收缴、没收的假币重新流入市场 | 警告并处罚款64.1万元 | 宜银罚决字[2025]4号 | 四川屏山农村商业银行股份有限公司 | 央行宜宾市分行 | 四川 | 宜宾 | 屏山 | — | 行政处罚 | 511529 | 511500 | — | 2025 |
| 13 | 13 | 2025-08-21 | 2025-08-14 | 澄城县农村信用合作联社 | 法人机构 | 罚款 | 300000 | 反洗钱业务违规,内控制度不健全 | 违反反洗钱规定,违反征信业务管理规定 | 违反征信管理规定、反洗钱管理规定 | 罚款30万元 | 渭银罚决字[2025]3号 | 澄城县农村信用合作联社 | 央行渭南市分行 | 陕西 | 渭南 | 澄城 | — | 行政处罚 | 610525 | 610500 | — | 2025 |
| 14 | 14 | 2025-08-21 | 2025-08-14 | 陕西富平汇发村镇银行有限责任公司 | 法人机构 | 罚款 | 215000 | 反洗钱业务违规 | 违反反洗钱规定 | 违反反洗钱管理规定 | 罚款21.5万元 | 渭银罚决字[2025]1号 | 陕西富平汇发村镇银行有限责任公司 | 央行渭南市分行 | 陕西 | 渭南 | 富平 | — | 行政处罚 | 610528 | 610500 | — | 2025 |
| 15 | 15 | 2025-08-21 | 2025-08-14 | 赵某（澄城县农村信用合作联社） | 个人 | 罚款 | 13000 | 反洗钱业务违规 | 违反反洗钱规定 | 对澄城县农村信用合作联社违反反洗钱管理规定的行为负有责任 | 罚款1.3万元 | 渭银罚决字[2025]4号 | 澄城县农村信用合作联社 | 央行渭南市分行 | 陕西 | 渭南 | 澄城 | — | 行政处罚 | 610525 | 610500 | — | 2025 |
| 16 | 16 | 2025-08-21 | 2025-08-14 | 钟某（陕西富平汇发村镇银行有限责任公司） | 个人 | 罚款 | 12300 | 反洗钱业务违规 | 违反反洗钱规定 | 对陕西富平汇发村镇银行有限责任公司违反反洗钱管理规定的行为负有责任 | 罚款1.23万元 | 渭银罚决字[2025]2号 | 陕西富平汇发村镇银行有限责任公司 | 央行渭南市分行 | 陕西 | 渭南 | 富平 | — | 行政处罚 | 610528 | 610500 | — | 2025 |
| 17 | 17 | 2025-08-21 | 2025-08-15 | 陈某（普定富民村镇银行股份有限公司） | 个人 | 罚款 | 10000 | 反洗钱业务违规 | 与身份不明客户交易或开设匿名、假名账户 | 违法行为类型:对普定富民村镇银行股份有限公司以下违法行为负有责任：与身份不明的客户进行交易。 | 罚款1万元 | 安银罚决字[2025]5号 | 普定富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 普定 | — | 行政处罚 | 520422 | 520400 | — | 2025 |
| 18 | 18 | 2025-08-21 | 2025-08-14 | 周某（湖北仙桃农村商业银行股份有限公司） | 个人 | 罚款 | 10000 | 反洗钱业务违规 | 与身份不明客户交易或开设匿名、假名账户 | 对湖北仙桃农村商业银行股份有限公司以下违法行为负有责任：与身份不明的客户进行交易。 | 罚款1万元 | 鄂银罚决字[2025]23号 | 湖北仙桃农村商业银行股份有限公司 | 央行湖北省分行 | 湖北 | — | 仙桃 | — | 行政处罚 | 429004 | — | — | 2025 |
| 19 | 19 | 2025-08-21 | 2025-08-15 | 梅某（普定富民村镇银行股份有限公司） | 个人 | 罚款 | 10000 | 反洗钱业务违规 | 与身份不明客户交易或开设匿名、假名账户 | 违法行为类型:对普定富民村镇银行股份有限公司以下违法行为负有责任：与身份不明的客户进行交易。 | 罚款1万元 | 安银罚决字[2025]6号 | 普定富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 普定 | — | 行政处罚 | 520422 | 520400 | — | 2025 |
| 20 | 20 | 2025-08-21 | 2025-08-15 | 普定富民村镇银行股份有限公司 | 法人机构 | 罚款 | 200000 | 反洗钱业务违规 | 与身份不明客户交易或开设匿名、假名账户 | 违法行为类型:与身份不明的客户进行交易。 | 罚款20万元 | 安银罚决字[2025]4号 | 普定富民村镇银行股份有限公司 | 央行安顺市分行 | 贵州 | 安顺 | 普定 | — | 行政处罚 | 520422 | 520400 | — | 2025 |
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 v22026/11/14 发布
生效中53,441 行 · 23 个字段 · 初始导入
版本 v12026/11/13 发布
历史版本53,441 行 · 23 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 49,286 行有城市- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 branch_uscc、city_code、date、county_code、province按城市对上本数据集 49,286 行（92%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province、county_code、org_uscc、approve_date按城市对上本数据集 49,286 行（92%）
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 city_code、uscc、province、est_date、county_code按城市对上本数据集 49,282 行（92%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 province、city_code、disclosure_date、company_uscc、county_code按城市对上本数据集 49,255 行（92%）
- 工业企业距省界距离企业主体 · 87.7 万 行 · 连接字段 city_code、county_code、year、province_code、company_uscc按城市对上本数据集 18,863 行（35%）
按 城市 + 区县 + 省份 + 年份 能连
37 个数据集 · 本数据集 49,286 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、city_code、year、province按城市对上本数据集 49,286 行（92%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、year、city_code、province按城市对上本数据集 49,286 行（92%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、year、province、city_code按城市对上本数据集 49,286 行（92%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_city_code、contract_date、region_code、buyer_province按城市对上本数据集 49,286 行（92%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、year、province、county_code按城市对上本数据集 49,286 行（92%）
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 region_code、province、year、county_code按城市对上本数据集 49,286 行（92%）
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、county_code、founded_year、province按城市对上本数据集 49,286 行（92%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、province_name、city_code_2、year按城市对上本数据集 49,286 行（92%）
- 省市县党政主官任职区域底数 · 2.2 万 行 · 连接字段 county_code、province、city_code、start_year按城市对上本数据集 49,286 行（92%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 49,286 行（92%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、division_year、province、region_code按城市对上本数据集 49,286 行（92%）
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 layer_year、city_code、region_code、province按城市对上本数据集 49,286 行（92%）
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 51,791 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、org_uscc、region_code按区县对上本数据集 51,791 行（96%）
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 year、company_uscc、province_city_county_code、province按区县对上本数据集 50,597 行（94%）
- 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 50,597 行（94%）
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 province_city_county_code、customs_province、company_uscc、year按区县对上本数据集 48,085 行（89%）
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 49,286 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 49,286 行有城市按 城市 + 省份 + 年份 能连
141 个数据集 · 本数据集 49,286 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 origin_city_code、origin_province、month按城市对上本数据集 49,286 行（92%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code、province按城市对上本数据集 49,286 行（92%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 49,286 行（92%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 49,286 行（92%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 49,286 行（92%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 49,286 行（92%）
- 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 49,286 行（92%）
- 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 49,286 行（92%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 49,286 行（92%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code、year按城市对上本数据集 49,286 行（92%）
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、province、year按城市对上本数据集 49,286 行（92%）
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、region_code、year按城市对上本数据集 49,286 行（92%）
按 区县 + 省份 + 年份 能连
61 个数据集 · 本数据集 51,791 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、county_code、province_code按区县对上本数据集 51,791 行（96%）
- 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 51,771 行（96%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、province、first_year按区县对上本数据集 51,771 行（96%）
- 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 51,770 行（96%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 51,770 行（96%）
- 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 51,770 行（96%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 51,767 行（96%）
- 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 51,758 行（96%）
- 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、province、region_code按区县对上本数据集 51,653 行（96%）
- 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 51,494 行（96%）
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 51,482 行（96%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、adcode、page_publish_time按区县对上本数据集 51,403 行（96%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 49,286 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code、city_code按城市对上本数据集 49,286 行（92%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code、province_code按城市对上本数据集 49,286 行（92%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 49,286 行（92%）
- 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 city_code、region_code、province_code按城市对上本数据集 49,286 行（92%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province、city_code按城市对上本数据集 49,096 行（91%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province、county_code按城市对上本数据集 49,029 行（91%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 48,996 行（91%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code、city_code按城市对上本数据集 48,873 行（91%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、province、county_code按城市对上本数据集 46,134 行（86%）
- 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 45,659 行（85%）
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、city_code、province_name按城市对上本数据集 21,873 行（40%）
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 21,779 行（40%）
按 城市 + 区县 + 年份 能连
5 个数据集 · 本数据集 49,286 行有城市- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、applicant_address_city_code、pub_date按城市对上本数据集 48,797 行（91%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 48,661 行（91%）
- 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 47,957 行（89%）
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_city_code、address_county_code、application_date按城市对上本数据集 42,857 行（80%）
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 36,149 行（67%）
按 省份 + 统一社会信用代码 + 年份 能连
5 个数据集 · 本数据集 53,441 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 province、company_uscc、identify_year按省份对上本数据集 53,441 行（100%）
- 新三板公司基本信息企业主体 · 1.3 万 行 · 连接字段 establish_date、province、uscc按省份对上本数据集 53,441 行（100%）
- 沪深京上市证券企业主体 · 6,057 行 · 连接字段 uscc、list_date、province按省份对上本数据集 53,441 行（100%）
- 全国银行基本概况企业主体 · 3,393 行 · 连接字段 province、estb_date、company_uscc按省份对上本数据集 53,441 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 province、issuer_uscc、value_date按省份对上本数据集 53,441 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 49,286 行有城市按 省份 + 年份 能连
318 个数据集 · 本数据集 53,441 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 year、province_name按省份对上本数据集 53,441 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 53,441 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 53,441 行（100%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 53,441 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 53,441 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 53,441 行（100%）
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code、year按省份对上本数据集 53,441 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 region_code、year按省份对上本数据集 53,441 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 province、year按省份对上本数据集 53,441 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 53,441 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 53,441 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 53,441 行（100%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 49,286 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 49,286 行（92%）
- 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 49,286 行（92%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 49,286 行（92%）
- 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 49,286 行（92%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 49,286 行（92%）
- 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 49,286 行（92%）
- 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 49,273 行（92%）
- 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 49,242 行（92%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 49,154 行（91%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 48,820 行（91%）
- 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 48,233 行（90%）
- 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 46,824 行（87%）
按 统一社会信用代码 + 年份 能连
17 个数据集 · 本数据集 577 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 577 行（1.1%）
- 银行股东持股明细企业主体 · 2.7 万 行 · 连接字段 date、company_uscc按统一社会信用代码对上本数据集 577 行（1.1%）
- 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 577 行（1.1%）
- 银行核心业务指标企业主体 · 5,440 行 · 连接字段 company_uscc、date按统一社会信用代码对上本数据集 577 行（1.1%）
- 上市公司绿色专利申请企业主体 · 13 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 440 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 7 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 sale_date、company_uscc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 overseas_enterprise_uscc、year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 49,286 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 49,286 行（92%）
- 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 49,281 行（92%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 49,236 行（92%）
- 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 49,135 行（91%）
- 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 48,960 行（91%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 48,379 行（90%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 47,386 行（88%）
- 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 46,712 行（87%）
- 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 46,368 行（86%）
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 46,120 行（86%）
- 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 45,774 行（85%）
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 44,819 行（83%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 51,791 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 valid_from、old_code按区县对上本数据集 51,791 行（96%）
- 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 50,980 行（95%）
- 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 46,683 行（87%）
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 40,896 行（76%）
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 39,504 行（73%）
- 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 23,254 行（43%）
- 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 17,135 行（32%）
- 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 15,503 行（29%）
- 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 14,432 行（27%）
- 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 9,651 行（18%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 51,791 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 51,791 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 53,441 行有省份按 城市 + 区县 能连
1 个数据集 · 本数据集 49,286 行有城市按 省份 能连
12 个数据集 · 本数据集 53,441 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 53,441 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 53,441 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 53,441 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 53,441 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 53,441 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 53,328 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 53,328 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 52,459 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 51,627 行（96%）
- 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 49,430 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 48,648 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 8,496 行（15%）
按 统一社会信用代码 能连
8 个数据集 · 本数据集 577 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 23 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 49,286 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 49,249 行（92%）
- 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 46,647 行（87%）
- 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 46,442 行（86%）
- 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 46,442 行（86%）
- 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 45,824 行（85%）
- 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 44,685 行（83%）
- 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 13,869 行（25%）
按 区县 能连
7 个数据集 · 本数据集 51,791 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 51,241 行（95%）
- 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 45,798 行（85%）
- 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 44,802 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 41,208 行（77%）
- 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 31,125 行（58%）
- 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 27,201 行（50%）
- 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 14,947 行（27%）
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4
- 扩增得出
city_code由所属省、所属市扩增得出。
来自字段扩增银行监管处罚明细银行监管处罚明细 - 扩增得出
county_code由所属省、所属市、所属区县扩增得出。
来自字段扩增银行监管处罚明细银行监管处罚明细 - 扩增得出
disclosure_year由披露日期扩增得出。
来自字段扩增银行监管处罚明细银行监管处罚明细 - 扩增得出
party_uscc由当事人扩增得出。
来自字段扩增银行监管处罚明细银行监管处罚明细
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-regulatory-penalty/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"party_name","op":"eq","value":"李某（安顺西秀富民村镇银行股份有限公司）"}],"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。