
- 记录
- 3,052
- 字段
- 7
- AI 扩增字段
- 2
- 平均非空率
- 98.8%
- 字段完整度
7 个字段,5 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 7 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 3,052 行计算。
关于这个数据集
一行代表一个县级行政单位。覆盖全国县级区域,包含省、市、县名称及七普常住人口数量。可用于保险精算中的区域人口基数估算及分支机构选址分析。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 序号seq_no | 整数 | 原生 | 100% | — | ||
| 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: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 96.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:市 | ||
| 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 95.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:县 | ||
| 常住人口population | 整数 | 原生 | 100% | 单位:人 原表列名:七普人口.人 | ||
| 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%,92.8% 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 | 93%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%,98.6% 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 | 99%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 |
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 | 省份province | 城市city | 县区county | 常住人口population | 县区区划代码county_code | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|
| 1 | 1 | 山西省 | 大同市 | 平城区 | 1105699 | 140213 | 140200 |
| 2 | 2 | 山西省 | 大同市 | 新荣区 | 88664 | 140212 | 140200 |
| 3 | 3 | 山西省 | 大同市 | 云冈区 | 684753 | 140214 | 140200 |
| 4 | 4 | 山西省 | 大同市 | 云州区 | 151087 | 140215 | 140200 |
| 5 | 5 | 山西省 | 大同市 | 广灵县 | 154253 | 140223 | 140200 |
| 6 | 6 | 山西省 | 大同市 | 浑源县 | 237749 | 140225 | 140200 |
| 7 | 7 | 山西省 | 大同市 | 灵丘县 | 212771 | 140224 | 140200 |
| 8 | 8 | 山西省 | 大同市 | 天镇县 | 160691 | 140222 | 140200 |
| 9 | 9 | 山西省 | 大同市 | 阳高县 | 191981 | 140221 | 140200 |
| 10 | 10 | 山西省 | 大同市 | 左云县 | 117943 | 140226 | 140200 |
| 11 | 11 | 山西省 | 晋城市 | 城区 | 574665 | 140502 | 140500 |
| 12 | 12 | 山西省 | 晋城市 | 泽州县 | 414999 | 140525 | 140500 |
| 13 | 13 | 山西省 | 晋城市 | 高平市 | 453054 | 140581 | 140500 |
| 14 | 14 | 山西省 | 晋城市 | 陵川县 | 204825 | 140524 | 140500 |
| 15 | 15 | 山西省 | 晋城市 | 沁水县 | 196528 | 140521 | 140500 |
| 16 | 16 | 山西省 | 晋城市 | 阳城县 | 350474 | 140522 | 140500 |
| 17 | 17 | 山西省 | 晋中市 | 榆次区 | 904518 | 140702 | 140700 |
| 18 | 18 | 山西省 | 晋中市 | 和顺县 | 121617 | 140723 | 140700 |
| 19 | 19 | 山西省 | 晋中市 | 介休市 | 432095 | 140781 | 140700 |
| 20 | 20 | 山西省 | 晋中市 | 灵石县 | 246491 | 140729 | 140700 |
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3,052 行 · 7 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,能和不少于 81 个数据集连接。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 能连
56 个数据集 · 本数据集 3,010 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 3,010 行(98%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、region_code按城市对上本数据集 3,010 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 3,010 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 3,010 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、region_code按城市对上本数据集 3,010 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、county_code_2按城市对上本数据集 3,010 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 region_code、province_code、city_code按城市对上本数据集 3,010 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code按城市对上本数据集 3,010 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province按城市对上本数据集 3,010 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 county_code、province、city_code按城市对上本数据集 3,009 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、province、city_code按城市对上本数据集 3,009 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 city_code、province、region_code按城市对上本数据集 3,009 行(98%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 3,010 行有城市- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code按城市对上本数据集 3,010 行(98%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code按城市对上本数据集 3,010 行(98%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code按城市对上本数据集 3,010 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按城市对上本数据集 3,010 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code按城市对上本数据集 3,010 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按城市对上本数据集 3,010 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按城市对上本数据集 3,010 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、province_code按城市对上本数据集 3,010 行(98%)
- 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 3,010 行(98%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 3,009 行(98%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、province按城市对上本数据集 3,009 行(98%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、region_code按城市对上本数据集 3,009 行(98%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 2,831 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 county_code、province_code按区县对上本数据集 2,831 行(92%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code按区县对上本数据集 2,830 行(92%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code按区县对上本数据集 2,830 行(92%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 2,829 行(92%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 2,829 行(92%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、province按区县对上本数据集 2,829 行(92%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code按区县对上本数据集 2,829 行(92%)
- 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 2,829 行(92%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、region_code按区县对上本数据集 2,826 行(92%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 2,824 行(92%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、adcode按区县对上本数据集 2,823 行(92%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、province按区县对上本数据集 2,805 行(91%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 3,010 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 3,009 行(98%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code、parent_code按城市对上本数据集 3,002 行(98%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、city_code按城市对上本数据集 2,894 行(94%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、applicant_address_county_code按城市对上本数据集 2,852 行(93%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、city_code按城市对上本数据集 2,805 行(91%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 2,318 行(75%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 city_code、county_code按城市对上本数据集 1,831 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、address_city_code按城市对上本数据集 670 行(21%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code按城市对上本数据集 337 行(11%)
按 省份 能连
337 个数据集 · 本数据集 3,052 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按省份对上本数据集 3,052 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province按省份对上本数据集 3,052 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code按省份对上本数据集 3,052 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code按省份对上本数据集 3,052 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code按省份对上本数据集 3,052 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按省份对上本数据集 3,052 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按省份对上本数据集 3,052 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按省份对上本数据集 3,052 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按省份对上本数据集 3,052 行(100%)
- 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 3,052 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按省份对上本数据集 3,052 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 3,052 行(100%)
按 城市 能连
67 个数据集 · 本数据集 3,010 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按城市对上本数据集 3,009 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按城市对上本数据集 3,009 行(98%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code按城市对上本数据集 3,009 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按城市对上本数据集 3,009 行(98%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code按城市对上本数据集 3,009 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 city_code按城市对上本数据集 3,007 行(98%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code按城市对上本数据集 3,005 行(98%)
- 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 3,003 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按城市对上本数据集 2,975 行(97%)
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code按城市对上本数据集 2,923 行(95%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code按城市对上本数据集 2,883 行(94%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code按城市对上本数据集 2,772 行(90%)
按 区县 能连
19 个数据集 · 本数据集 2,831 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按区县对上本数据集 2,831 行(92%)
- 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 2,801 行(91%)
- 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 2,801 行(91%)
- 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 2,799 行(91%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code按区县对上本数据集 2,795 行(91%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code按区县对上本数据集 2,756 行(90%)
- 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 2,674 行(87%)
- 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 2,606 行(85%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code按区县对上本数据集 2,524 行(82%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code按区县对上本数据集 2,220 行(72%)
- 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 2,132 行(69%)
- 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 1,671 行(54%)
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
city_code由省份、城市扩增得出。
来自字段扩增全国县级常住人口全国县级常住人口 - 扩增得出
county_code由省份、城市、县区扩增得出。
来自字段扩增全国县级常住人口全国县级常住人口
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/census-county-population/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"山西省"}],"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。