
全国城市每日人口迁徙
一行代表一个城市在某一天的迁入和迁出人口迁徙指数。覆盖全国主要城市,包含日期、农历及对应的迁徙指数数值。
v1 生效中 · 2026/11/12 发布险种标签:车险健康险时间跨度:2019 年 1 月–2025 年 4 月数据出处 出处待核实
- 记录
- 65.1 万
- 字段
- 10
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
10 个字段,8 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 10 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 651,481 行计算。
关于这个数据集
一行代表一个城市在某一天的迁入和迁出人口迁徙指数。覆盖全国主要城市,包含日期、农历及对应的迁徙指数数值。可用于分析人口流动趋势,辅助评估区域风险暴露变化及保险短期波动。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政区划代码region_code规律 1:行政区划代码的字段规律字段规律:region_code_current由行政区划代码扩增得出。含义:代码或编号键:市级区划代码(2012 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 所属省份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% | — | ||
| 所属城市city含义:地区键:城市名称。样本里格式符合 93%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 所属地域region含义:类别 | 文本 | 原生 | 100% | 如东部、西部等 | ||
| 日期date规律 1:日期的字段规律字段规律:date_year由日期扩增得出。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% | — | ||
| 农历lunar_date含义:日期或时间 | 文本 | 原生 | 100% | — | ||
| 迁入指数in_migration_index含义:指数或得分 | 小数 | 原生 | 100% | 无量纲指数 | ||
| 迁出指数out_migration_index含义:指数或得分 | 小数 | 原生 | 99% | 无量纲指数 | ||
| 行政区划代码(现行)region_code_current规律 1:行政区划代码(现行)的字段规律字段规律:region_code_current由行政区划代码扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,100% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:行政区划代码(现行) | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 行政区划代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 | ||
| 年份date_year规律 1:年份的字段规律字段规律:date_year由日期扩增得出。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: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。
| # | 行政区划代码region_code | 所属省份province | 所属城市city | 所属地域region | 日期date | 农历lunar_date | 迁入指数in_migration_index | 迁出指数out_migration_index | 行政区划代码(现行)region_code_current | 年份date_year |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-12 | 腊月初七 | 7.6650624 | 11.2168152 | 110000 | 2019 |
| 2 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-13 | 腊月初八 | 7.8045444 | 7.7077332 | 110000 | 2019 |
| 3 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-14 | 腊月初九 | 11.0134404 | 7.9039152 | 110000 | 2019 |
| 4 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-15 | 腊月初十 | 8.2183572 | 7.7890572 | 110000 | 2019 |
| 5 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-16 | 腊月十一 | 7.8952644 | 8.2920996 | 110000 | 2019 |
| 6 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-17 | 腊月十二 | 8.4018384 | 8.493012 | 110000 | 2019 |
| 7 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-18 | 腊月十三 | 8.1269568 | 9.471816 | 110000 | 2019 |
| 8 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-19 | 腊月十四 | 7.9356672 | 12.126834 | 110000 | 2019 |
| 9 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-20 | 腊月十五 | 8.11053 | 9.4347828 | 110000 | 2019 |
| 10 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-21 | 腊月十六 | 10.4537304 | 9.63495 | 110000 | 2019 |
| 11 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-22 | 腊月十七 | 8.3364876 | 9.7305624 | 110000 | 2019 |
| 12 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-23 | 腊月十八 | 8.807454 | 10.0894896 | 110000 | 2019 |
| 13 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-24 | 腊月十九 | 9.0318564 | 10.4697036 | 110000 | 2019 |
| 14 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-25 | 腊月二十 | 8.493012 | 12.1305276 | 110000 | 2019 |
| 15 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-26 | 腊月二十一 | 8.2345248 | 16.4122524 | 110000 | 2019 |
| 16 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-27 | 腊月二十二 | 8.0546076 | 14.2420032 | 110000 | 2019 |
| 17 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-28 | 腊月二十三 | 9.7160148 | 13.8025296 | 110000 | 2019 |
| 18 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-29 | 腊月二十四 | 7.2672552 | 13.7589516 | 110000 | 2019 |
| 19 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-30 | 腊月二十五 | 6.6908268 | 15.1157016 | 110000 | 2019 |
| 20 | 110000 | 北京市 | 北京市 | 东部 | 2019-01-31 | 腊月二十六 | 6.5529972 | 17.3083068 | 110000 | 2019 |
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 v12026/11/12 发布
生效中651,481 行 · 10 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 70 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 + 省份 + 年份 能连
186 个数据集 · 本数据集 651,480 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、year按城市对上本数据集 651,480 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 651,480 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code、province按城市对上本数据集 651,480 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 651,480 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、region_code、province按城市对上本数据集 651,480 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、year、province按城市对上本数据集 651,480 行(99%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、province、region_code按城市对上本数据集 651,480 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、year、region_code按城市对上本数据集 651,480 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、province、city_code按城市对上本数据集 651,480 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year按城市对上本数据集 651,480 行(99%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、census_year、city_code按城市对上本数据集 651,480 行(99%)
- 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 649,700 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 651,480 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 651,480 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 行(99%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 651,480 行(99%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 651,480 行(99%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 651,480 行(99%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 651,480 行(99%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 651,480 行(99%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 651,480 行(99%)
- 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 651,480 行(99%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 651,480 行有城市- 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 639,020 行(98%)
- 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 635,460 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、date按城市对上本数据集 631,900 行(96%)
- 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 606,980 行(93%)
- 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 599,860 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 599,860 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 599,860 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 599,860 行(92%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 599,860 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 598,080 行(91%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、city_code按城市对上本数据集 574,940 行(88%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code按城市对上本数据集 564,260 行(86%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 651,480 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code按城市对上本数据集 651,480 行(99%)
- 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按城市对上本数据集 651,480 行(99%)
- 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 651,480 行(99%)
- 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 637,240 行(97%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code按城市对上本数据集 610,540 行(93%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 599,860 行(92%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 598,080 行(91%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code按城市对上本数据集 592,740 行(90%)
- 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 590,960 行(90%)
- 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 590,960 行(90%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province按城市对上本数据集 585,620 行(89%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code按城市对上本数据集 576,720 行(88%)
按 省份 能连
18 个数据集 · 本数据集 651,480 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 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 行(99%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 651,480 行(99%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 651,480 行(99%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 651,480 行(99%)
- 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 651,480 行(99%)
- 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 651,480 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 649,700 行(99%)
- 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 639,020 行(98%)
按 城市 能连
10 个数据集 · 本数据集 651,480 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 633,680 行(97%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 599,860 行(92%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 596,300 行(91%)
- 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 512,640 行(78%)
- 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 507,300 行(77%)
- 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 507,300 行(77%)
- 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 491,280 行(75%)
- 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 482,380 行(74%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 99,680 行(15%)
- 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 83,660 行(12%)
只按年份能连:445 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
445 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。
本数据集内2
- 扩增得出
date_year由日期扩增得出。
来自字段扩增全国城市每日人口迁徙全国城市每日人口迁徙 - 扩增得出
region_code_current由行政区划代码扩增得出。
来自字段扩增全国城市每日人口迁徙全国城市每日人口迁徙
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/city-daily-migration-index/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110000"}],"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。