
中国各省人口老龄化指标
一行代表一个省份在特定年份的人口老龄化统计数据。
v1 生效中 · 2026/11/13 发布险种标签:健康险寿险时间跨度:2002–2019 年数据出处 出处待核实
- 记录
- 558
- 字段
- 7
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
7 个字段,7 个没有空值
01字段
字段来源,逐一标明
共 7 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 558 行计算。
关于这个数据集
一行代表一个省份在特定年份的人口老龄化统计数据。覆盖中国31个省级行政区,主要包含65岁以上人口占比、老年抚养比、老少比及是否进入老龄化社会等指标。可用于评估不同地区的养老与健康保险市场潜力,以及进行长寿风险分析。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | 原表列名:地区 | ||
| 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% | 原表列名:年度 | ||
| 标识id含义:代码或编号 | 文本 | 原生 | 100% | 年份+省份组合 原表列名:ID | ||
| 65岁以上占比ratio_65_plus含义:比率(小数) | 小数 | 原生 | 100% | 小数形式,如0.1145 原表列名:六十五岁以上占比 | ||
| 老年抚养比old_age_dependency_ratio含义:比率(%) | 小数 | 原生 | 100% | 百分比数值,如14.7 原表列名:老年人口抚养比例 | ||
| 是否老龄化is_aging_society含义:是否 | 是非 | 原生 | 100% | 1为是,0为否 原表列名:老龄化社会 | ||
| 老少比old_young_ratio含义:比率(小数) | 小数 | 原生 | 100% | 老年人口与少儿人口之比 |
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 | 年份year | 标识id | 65岁以上占比ratio_65_plus | 老年抚养比old_age_dependency_ratio | 是否老龄化is_aging_society | 老少比old_young_ratio |
|---|---|---|---|---|---|---|---|
| 1 | 北京 | 2019 | 2019北京 | 0.11454458178327132 | 14.7 | 是 | 1.09902130109384 |
| 2 | 天津 | 2019 | 2019天津 | 0.1207937164117404 | 15.6 | 是 | 1.17538213998391 |
| 3 | 河北 | 2019 | 2019河北 | 0.13145023440012185 | 19.3 | 是 | 0.6981573033707865 |
| 4 | 山西 | 2019 | 2019山西 | 0.1099545015855508 | 14.9 | 是 | 0.7154070419376541 |
| 5 | 内蒙古 | 2019 | 2019内蒙古 | 0.10195502431118314 | 13.3 | 是 | 0.7826594090202177 |
| 6 | 辽宁 | 2019 | 2019辽宁 | 0.15923076923076923 | 21.6 | 是 | 1.5618107951247824 |
| 7 | 吉林 | 2019 | 2019吉林 | 0.13290988108314628 | 17.7 | 是 | 1.1294642857142858 |
| 8 | 黑龙江 | 2019 | 2019黑龙江 | 0.13777975802858416 | 18.1 | 是 | 1.381443298969072 |
| 9 | 上海 | 2019 | 2019上海 | 0.16262975778546712 | 22.1 | 是 | 1.6206896551724137 |
| 10 | 江苏 | 2019 | 2019江苏 | 0.15078529017429612 | 21.2 | 是 | 1.0936559388747396 |
| 11 | 浙江 | 2019 | 2019浙江 | 0.14033465433729633 | 19.3 | 是 | 1.0748735244519394 |
| 12 | 安徽 | 2019 | 2019安徽 | 0.139683628586417 | 20.7 | 是 | 0.7490802856524562 |
| 13 | 福建 | 2019 | 2019福建 | 0.09997084453659012 | 13.7 | 是 | 0.5925499231950845 |
| 14 | 江西 | 2019 | 2019江西 | 0.10149237292802468 | 14.6 | 是 | 0.5022482627060908 |
| 15 | 山东 | 2019 | 2019山东 | 0.15835440128706044 | 23.8 | 是 | 0.8960335235893361 |
| 16 | 河南 | 2019 | 2019河南 | 0.1160120926392052 | 17.2 | 是 | 0.5508410269381561 |
| 17 | 湖北 | 2019 | 2019湖北 | 0.13071299971801045 | 18.3 | 是 | 0.839275766016713 |
| 18 | 湖南 | 2019 | 2019湖南 | 0.13143674212178047 | 19.7 | 是 | 0.6575622445187662 |
| 19 | 广东 | 2019 | 2019广东 | 0.08578872625211062 | 11.4 | 是 | 0.5373301582854741 |
| 20 | 广西 | 2019 | 2019广西 | 0.1016738674876465 | 14.9 | 是 | 0.4657501777672434 |
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558 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 24 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 省份 + 年份 能连
574 个数据集 · 本数据集 558 行有省份- 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 year、province_code按省份对上本数据集 558 行(100%)
- 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 558 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 558 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 558 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 558 行(100%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 province_code、taobao_village_year按省份对上本数据集 558 行(100%)
- 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 558 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 558 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、year按省份对上本数据集 558 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 558 行(100%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province按省份对上本数据集 558 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year按省份对上本数据集 558 行(100%)
按 省份 能连
47 个数据集 · 本数据集 558 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 558 行(100%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 558 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 558 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 558 行(100%)
- 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 558 行(100%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 558 行(100%)
- 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 558 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 558 行(100%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 558 行(100%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 558 行(100%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 558 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 558 行(100%)
只按年份能连:511 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
511 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 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
- 全国格点逐年极端降水自然灾害 · 602.3 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
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。
还没有发现这个数据集的字段规律。
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/china-province-aging-indicators/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京"}],"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。