
- 记录
- 3,467
- 字段
- 13
- AI 扩增字段
- 2
- 平均非空率
- 91.9%
- 字段完整度
13 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 13 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 3,467 行计算。
关于这个数据集
一行是北京、天津、上海、河北的一个地区在 2020 年第七次人口普查时的人口:总人口、0–14 岁、15–59 岁、60 岁及以上、65 岁及以上人口,以及户口在本地的常住人口。最细到乡、镇、街道,共 3212 个;省级、地级市、区县的合计行也保留,用 level 区分,共 3467 行。各级的上级合计都与下级之和核对一致。可用来看街道级的老龄化程度和人口规模,辅助健康险、寿险和财产险的区域评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 2:省份的字段规律字段规律:city_code由省份、所属地级市扩增得出。。county_code由省份、所属区县扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地区层级level | 文本 | 原生 | 100% | 省级、地级市、区县、乡镇街道。北京、天津的地级市一级叫“市辖区”,上海没有这一级 | ||
| 地区名称region_name | 文本 | 原生 | 100% | — | ||
| 所属地级市city规律 1:所属地级市的字段规律字段规律:city_code由省份、所属地级市扩增得出。键:区县名称。样本里格式符合 82.3%,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由省份、所属区县扩增得出。键:区县名称。样本里格式符合 97.2%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 总人口total_population | 整数 | 原生 | 100% | 单位:人 | ||
| 0-14岁人口pop_0_14 | 整数 | 原生 | 100% | 单位:人 | ||
| 15-59岁人口pop_15_59 | 整数 | 原生 | 100% | 单位:人 | ||
| 60岁及以上人口pop_60_plus | 整数 | 原生 | 100% | 单位:人 | ||
| 65岁及以上人口pop_65_plus | 整数 | 原生 | 100% | 单位:人,包含在 60 岁及以上里 | ||
| 本地户口人口local_hukou_population | 整数 | 原生 | 100% | 单位:人。原表列名:居住本乡、镇、街道,户口在本乡、镇、街道人口 | ||
| 所属地级市区划代码city_code规律 1:所属地级市区划代码的字段规律字段规律:city_code由省份、所属地级市扩增得出。键:县级区划代码。样本里格式符合 100%,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:所属地级市区划代码 | 8.0%平均置信度 0.95校验少:不建议单独作为决策依据 | 由省份、所属地级市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由省份、所属区县扩增得出。键:县级区划代码。样本里格式符合 100%,95% 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 | 95%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、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 |
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。
| # | 省份province | 地区层级level | 地区名称region_name | 所属地级市city | 所属区县county | 总人口total_population | 0-14岁人口pop_0_14 | 15-59岁人口pop_15_59 | 60岁及以上人口pop_60_plus | 65岁及以上人口pop_65_plus | 本地户口人口local_hukou_population | 所属地级市区划代码city_code | 所属区县区划代码county_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | 省级 | 北京市 | — | — | 21893095 | 2591507 | 15002998 | 4298590 | 2912060 | 8277744 | — | — |
| 2 | 北京市 | 地级市 | 市辖区 | 市辖区 | — | 21893095 | 2591507 | 15002998 | 4298590 | 2912060 | 8277744 | — | — |
| 3 | 北京市 | 区县 | 东城区 | 市辖区 | 东城区 | 708829 | 98290 | 423011 | 187528 | 129249 | 419008 | — | 110101 |
| 4 | 北京市 | 乡镇街道 | 东华门街道 | 市辖区 | 东城区 | 38090 | 4512 | 23733 | 9845 | 7082 | 21032 | — | 110101 |
| 5 | 北京市 | 乡镇街道 | 景山街道 | 市辖区 | 东城区 | 25374 | 2849 | 15095 | 7430 | 4976 | 16228 | — | 110101 |
| 6 | 北京市 | 乡镇街道 | 交道口街道 | 市辖区 | 东城区 | 31951 | 4518 | 19093 | 8340 | 5547 | 21078 | — | 110101 |
| 7 | 北京市 | 乡镇街道 | 安定门街道 | 市辖区 | 东城区 | 32173 | 4063 | 19136 | 8974 | 5850 | 21875 | — | 110101 |
| 8 | 北京市 | 乡镇街道 | 北新桥街道 | 市辖区 | 东城区 | 55449 | 7473 | 32890 | 15086 | 10037 | 36334 | — | 110101 |
| 9 | 北京市 | 乡镇街道 | 东四街道 | 市辖区 | 东城区 | 33670 | 4654 | 20289 | 8727 | 5880 | 20747 | — | 110101 |
| 10 | 北京市 | 乡镇街道 | 朝阳门街道 | 市辖区 | 东城区 | 30473 | 4332 | 18306 | 7835 | 5378 | 18065 | — | 110101 |
| 11 | 北京市 | 乡镇街道 | 建国门街道 | 市辖区 | 东城区 | 33094 | 3870 | 20429 | 8795 | 6201 | 19470 | — | 110101 |
| 12 | 北京市 | 乡镇街道 | 东直门街道 | 市辖区 | 东城区 | 46712 | 7039 | 28966 | 10707 | 7623 | 26107 | — | 110101 |
| 13 | 北京市 | 乡镇街道 | 和平里街道 | 市辖区 | 东城区 | 102227 | 15481 | 59983 | 26763 | 19575 | 62020 | — | 110101 |
| 14 | 北京市 | 乡镇街道 | 前门街道 | 市辖区 | 东城区 | 9081 | 778 | 5963 | 2340 | 1535 | 4344 | — | 110101 |
| 15 | 北京市 | 乡镇街道 | 崇文门外街道 | 市辖区 | 东城区 | 44545 | 6646 | 26569 | 11330 | 7870 | 23031 | — | 110101 |
| 16 | 北京市 | 乡镇街道 | 东花市街道 | 市辖区 | 东城区 | 47864 | 8375 | 27678 | 11811 | 8276 | 27593 | — | 110101 |
| 17 | 北京市 | 乡镇街道 | 龙潭街道 | 市辖区 | 东城区 | 53930 | 9002 | 30402 | 14526 | 10133 | 33487 | — | 110101 |
| 18 | 北京市 | 乡镇街道 | 体育馆路街道 | 市辖区 | 东城区 | 31977 | 3626 | 19201 | 9150 | 6189 | 18092 | — | 110101 |
| 19 | 北京市 | 乡镇街道 | 天坛街道 | 市辖区 | 东城区 | 27429 | 2915 | 15995 | 8519 | 5726 | 17048 | — | 110101 |
| 20 | 北京市 | 乡镇街道 | 永定门外街道 | 市辖区 | 东城区 | 64790 | 8157 | 39283 | 17350 | 11371 | 32457 | — | 110101 |
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 v12026/11/15 发布
生效中3,467 行 · 13 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 36 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 区县 + 省份 能连
125 个数据集 · 本数据集 276 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 province_code、region_code按区县对上本数据集 276 行(8%)
- 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 276 行(8%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 region_code、province按区县对上本数据集 276 行(8%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、region_code按区县对上本数据集 276 行(8%)
- 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 276 行(8%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 276 行(8%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 region_code、province按区县对上本数据集 276 行(8%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、county_code按区县对上本数据集 276 行(8%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code按区县对上本数据集 276 行(8%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 county_code、province按区县对上本数据集 276 行(8%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、region_code按区县对上本数据集 276 行(8%)
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 province、county_code按区县对上本数据集 276 行(8%)
按 省份 能连
496 个数据集 · 本数据集 3,467 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 3,467 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province按省份对上本数据集 3,467 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province按省份对上本数据集 3,467 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province按省份对上本数据集 3,467 行(100%)
- 小微企业调查问卷数据企业主体 · 240.8 万 行 · 连接字段 province按省份对上本数据集 3,467 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 3,467 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province按省份对上本数据集 3,467 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 3,467 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 3,467 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 3,467 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province按省份对上本数据集 3,467 行(100%)
- 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按省份对上本数据集 3,467 行(100%)
按 区县 能连
28 个数据集 · 本数据集 276 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 276 行(8%)
- 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 276 行(8%)
- 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 276 行(8%)
- 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 276 行(8%)
- 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 276 行(8%)
- 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 276 行(8%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code按区县对上本数据集 276 行(8%)
- 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按区县对上本数据集 276 行(8%)
- 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 276 行(8%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code按区县对上本数据集 276 行(8%)
- 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 276 行(8%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code按区县对上本数据集 276 行(8%)
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、所属地级市扩增得出。
来自字段扩增京津沪冀乡镇街道人口京津沪冀乡镇街道人口 - 扩增得出
county_code由省份、所属区县扩增得出。
来自字段扩增京津沪冀乡镇街道人口京津沪冀乡镇街道人口
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-town-population/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京市"}],"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。