
地级市数字经济指数
一行是一个地级市一年的数字经济指数,以及算指数用的 5 项指标和它们标准化后的值。
v1 生效中 · 2026/11/13 发布时间跨度:1999–2021 年数据出处 出处待核实
- 记录
- 6,562
- 字段
- 16
- AI 扩增字段
- 1
- 平均非空率
- 88.1%
- 字段完整度
16 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 6,562 行计算。
关于这个数据集
一行是一个地级市一年的数字经济指数,以及算指数用的 5 项指标和它们标准化后的值。5 项指标是互联网普及率、互联网相关产出、移动互联网用户、数字普惠金融指数、互联网相关从业人员。指数用熵值法和熵权 TOPSIS 法两种方法算。原始指标见 city-digital-economy-raw-data。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 省份province规律 1:省份的字段规律字段规律:city_code由省份、城市扩增得出。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% | 原表列名:省 | ||
| 城市city规律 1:城市的字段规律字段规律:city_code由省份、城市扩增得出。含义:地区键:城市名称。样本里格式符合 99.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:地区 | ||
| 互联网普及率internet_penetration_rate含义:比率(%) | 小数 | 原生 | 87% | 每百人互联网用户数 | ||
| 互联网相关产出internet_output含义:金额(元) | 小数 | 原生 | 95% | 人均电信业务总量 | ||
| 移动互联网用户数mobile_internet_users | 小数 | 原生 | 87% | 含义不清 | ||
| 数字普惠金融指数digital_inclusive_finance_index含义:指数或得分 | 小数 | 原生 | 49% | 北京大学数字金融研究中心指数 原表列名:数字化普惠金融指数 | ||
| 互联网相关从业人员占比internet_employees含义:比率(%) | 小数 | 原生 | 91% | 原表列名:互联网相关从业人员数。值是 0 到 1 的小数,像是占从业人员的比例,不是人数。 | ||
| 互联网普及率_正internet_penetration_rate_norm含义:比率(%) | 小数 | 原生 | 87% | 标准化后数值 | ||
| 互联网相关产出_正internet_output_norm | 小数 | 原生 | 95% | 标准化后数值 | ||
| 移动互联网用户数_正mobile_internet_users_norm | 小数 | 原生 | 87% | 标准化后数值 | ||
| 数字普惠金融指数_正digital_inclusive_finance_index_norm | 小数 | 原生 | 49% | 标准化后数值 原表列名:数字化普惠金融指数_正 | ||
| 互联网相关从业人员占比_正internet_employees_norm | 小数 | 原生 | 91% | 标准化后数值 原表列名:互联网相关从业人员数_正 | ||
| 熵权TOPSIS指数entropy_topsis_index | 小数 | 原生 | 92% | 综合指数 | ||
| 熵值法指数entropy_method_index | 小数 | 原生 | 100% | 综合指数 | ||
| 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。含义:代码或编号键:市级区划代码。样本里格式符合 100%,99.3% 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。
| # | 年份year | 省份province | 城市city | 互联网普及率internet_penetration_rate | 互联网相关产出internet_output | 移动互联网用户数mobile_internet_users | 数字普惠金融指数digital_inclusive_finance_index | 互联网相关从业人员占比internet_employees | 互联网普及率_正internet_penetration_rate_norm | 互联网相关产出_正internet_output_norm | 移动互联网用户数_正mobile_internet_users_norm | 数字普惠金融指数_正digital_inclusive_finance_index_norm | 互联网相关从业人员占比_正internet_employees_norm | 熵权TOPSIS指数entropy_topsis_index | 熵值法指数entropy_method_index | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2021 | 北京市 | 北京市 | 75.456152758133 | 1120.55162659123 | 225.101131541726 | 322.187270699121 | — | 75.456152758133 | 1120.55162659123 | 225.101131541726 | 322.187270699121 | — | 0.288289282744468 | 0.266666466615112 | 110000 |
| 2 | 2020 | 北京市 | 北京市 | — | — | — | 323.147685902097 | — | — | — | — | 323.147685902097 | — | 0.865551658608674 | 0.865551658622163 | 110000 |
| 3 | 2019 | 北京市 | 北京市 | 49.3199713672155 | 4435.7501789549 | 287.759484609878 | 320.740637292801 | 0.108572398406769 | 49.3199713672155 | 4435.7501789549 | 287.759484609878 | 320.740637292801 | 0.108572398406769 | 0.462745784804782 | 0.448987802001566 | 110000 |
| 4 | 2018 | 北京市 | 北京市 | 46.1482558139535 | 4500.9636627907 | 291.351744186047 | 308.901337552703 | 0.102562925827464 | 46.1482558139535 | 4500.9636627907 | 291.351744186047 | 308.901337552703 | 0.102562925827464 | 0.509204849247487 | 0.512075893396298 | 110000 |
| 5 | 2017 | 北京市 | 北京市 | 39.8822663723326 | 6442.44370860927 | 276.085356880059 | 262.591717446897 | 0.095268686853278 | 39.8822663723326 | 6442.44370860927 | 276.085356880059 | 262.591717446897 | 0.095268686853278 | 0.580053964267399 | 0.60809076930823 | 110000 |
| 6 | 2016 | 北京市 | 北京市 | 34.9229640498899 | 10245.0586940572 | 283.859134262656 | 247.923779633497 | 0.0874553090719031 | 34.9229640498899 | 10245.0586940572 | 283.859134262656 | 247.923779633497 | 0.0874553090719031 | 0.449147873859249 | 0.409078658908784 | 110000 |
| 7 | 2015 | 北京市 | 北京市 | 36.5744870651204 | 6864.13693131133 | 301.219149568837 | 230.75 | 0.087486273787385 | 36.5744870651204 | 6864.13693131133 | 301.219149568837 | 230.75 | 0.087486273787385 | 0.489510047855658 | 0.484936381732583 | 110000 |
| 8 | 2014 | 北京市 | 北京市 | 41.4729263536823 | 5155.02249887506 | 305.684715764212 | 147.06 | 0.0808490883432 | 41.4729263536823 | 5155.02249887506 | 305.684715764212 | 147.06 | 0.0808490883432 | 0.385637269832257 | 0.347090098857411 | 110000 |
| 9 | 2013 | 北京市 | 北京市 | 40.644230038745 | 4512.72810149662 | 256.309351971435 | 164.67 | 0.0784588441330998 | 40.644230038745 | 4512.72810149662 | 256.309351971435 | 164.67 | 0.0784588441330998 | 0.417089891062137 | 0.397163591692424 | 110000 |
| 10 | 2012 | 北京市 | 北京市 | 44.0847784200385 | 3761.191522158 | 244.161849710983 | 93.65 | 0.0733621410649568 | 44.0847784200385 | 3761.191522158 | 244.161849710983 | 93.65 | 0.0733621410649568 | 0.416219069246815 | 0.394544235295881 | 110000 |
| 11 | 2011 | 北京市 | 北京市 | 40.9550434306284 | 3414.07074105955 | 201.572893027623 | 36.81 | 0.0715701997375711 | 40.9550434306284 | 3414.07074105955 | 201.572893027623 | 36.81 | 0.0715701997375711 | 0.408703754329626 | 0.389724228884056 | 110000 |
| 12 | 2010 | 北京市 | 北京市 | 43.3744553983145 | 8481.72284941962 | 168.365399904595 | — | 0.0645345870126657 | 43.3744553983145 | 8481.72284941962 | 168.365399904595 | — | 0.0645345870126657 | 0.30735305902068 | 0.26428670203224 | 110000 |
| 13 | 2009 | 北京市 | 北京市 | 40.5297913840572 | 6957.17232688248 | 146.520793366671 | — | 0.0584645192540567 | 40.5297913840572 | 6957.17232688248 | 146.520793366671 | — | 0.0584645192540567 | 0.127791041939366 | 0.0629672049446253 | 110000 |
| 14 | 2008 | 北京市 | 北京市 | 33.8369427241605 | 5801.65403700427 | 124.333576951187 | — | 0.0585873110510995 | 33.8369427241605 | 5801.65403700427 | 124.333576951187 | — | 0.0585873110510995 | 0.341678906751585 | 0.307935330210947 | 110000 |
| 15 | 2007 | 北京市 | 北京市 | 34.7883058866195 | 5233.14953101561 | 131.735984042992 | — | 0.0536390021676035 | 34.7883058866195 | 5233.14953101561 | 131.735984042992 | — | 0.0536390021676035 | 0.366806456622958 | 0.335144617126799 | 110000 |
| 16 | 2006 | 北京市 | 北京市 | 33.0070056780227 | 3920.39078156313 | 131.187441549766 | — | 0.0415734054769458 | 33.0070056780227 | 3920.39078156313 | 131.187441549766 | — | 0.0415734054769458 | 0.319894850613906 | 0.280599542359917 | 110000 |
| 17 | 2005 | 北京市 | 北京市 | 32.2382400271026 | 3213.663081223 | 123.638519522317 | — | 0.0284835715505951 | 32.2382400271026 | 3213.663081223 | 123.638519522317 | — | 0.0284835715505951 | 0.27431313185064 | 0.242103705488904 | 110000 |
| 18 | 2004 | 北京市 | 北京市 | — | 2743.16573364635 | 114.877589453861 | — | 0.0436146920041683 | — | 2743.16573364635 | 114.877589453861 | — | 0.0436146920041683 | 0.240089413533222 | 0.159113827579321 | 110000 |
| 19 | 2003 | 北京市 | 北京市 | 34.6442436587107 | 2164.80997893491 | 96.5243554255671 | — | 0.025580138778296 | 34.6442436587107 | 2164.80997893491 | 96.5243554255671 | — | 0.025580138778296 | 0.258653662517497 | 0.226048147287112 | 110000 |
| 20 | 2002 | 北京市 | 北京市 | 28.4196691014697 | 1973.59588136936 | 80.9645340139048 | — | 0 | 28.4196691014697 | 1973.59588136936 | 80.9645340139048 | — | 0 | 0.191655210873083 | 0.191095690416491 | 110000 |
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6,562 行 · 16 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 6,518 行有城市- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province、region_code按城市对上本数据集 6,518 行(99%)
- 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 6,518 行(99%)
- 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 6,518 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、province、year按城市对上本数据集 6,518 行(99%)
- 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、region_code、year按城市对上本数据集 6,518 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、province、region_code按城市对上本数据集 6,518 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 6,518 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year、province按城市对上本数据集 6,518 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 6,518 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、approve_date、city_code按城市对上本数据集 6,518 行(99%)
- 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 6,518 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、year按城市对上本数据集 6,518 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 6,562 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 6,562 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 6,562 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 6,562 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 6,562 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 taobao_village_year、province_code按省份对上本数据集 6,562 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 6,562 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 6,562 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 year、province按省份对上本数据集 6,562 行(100%)
- 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 6,562 行(100%)
- 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 6,562 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 6,562 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 6,562 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 6,518 行有城市- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 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 6,518 行(99%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 6,518 行(99%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 6,518 行(99%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 city_code、year按城市对上本数据集 6,518 行(99%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 region_code、year按城市对上本数据集 6,518 行(99%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 year、region_code按城市对上本数据集 6,518 行(99%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 year、region_code按城市对上本数据集 6,518 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 6,518 行(99%)
- 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 6,518 行(99%)
- 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 6,518 行(99%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 region_code、year按城市对上本数据集 6,506 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 6,518 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、province_code按城市对上本数据集 6,518 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 city_code、province_code按城市对上本数据集 6,518 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 6,518 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 6,518 行(99%)
- 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 6,508 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 6,491 行(98%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 6,484 行(98%)
- 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 6,481 行(98%)
- 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 6,437 行(98%)
- 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 6,432 行(98%)
- 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 6,426 行(97%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 6,419 行(97%)
按 省份 能连
18 个数据集 · 本数据集 6,562 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 6,562 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 6,562 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 6,562 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 6,562 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 6,562 行(100%)
- 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 6,562 行(100%)
- 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 6,562 行(100%)
- 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 6,562 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 6,562 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 6,562 行(100%)
- 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 6,539 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 6,515 行(99%)
按 城市 能连
10 个数据集 · 本数据集 6,518 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 6,509 行(99%)
- 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 6,508 行(99%)
- 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 6,502 行(99%)
- 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 6,460 行(98%)
- 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 6,429 行(97%)
- 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 6,429 行(97%)
- 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 6,139 行(93%)
- 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 5,673 行(86%)
- 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 1,283 行(19%)
- 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 1,063 行(16%)
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1
- 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增地级市数字经济指数地级市数字经济指数
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-digital-economy-index/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。