
- 记录
- 6,600
- 字段
- 20
- AI 扩增字段
- 1
- 平均非空率
- 84.7%
- 字段完整度
20 个字段,10 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 20 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 6,600 行计算。
关于这个数据集
一行代表一个地级市在某一年的数字经济相关统计数据。覆盖全国地级市,包含人口、电信业务、互联网用户及普惠金融指数等基础指标。可用于构建数字经济指数或进行区域发展差异分析。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| IDid含义:代码或编号 | 整数 | 原生 | 100% | 原表列名:id | ||
| 省代码pro含义:代码或编号 | 文本 | 原生 | 100% | 原表列名:pro | ||
| 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(2017 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 地区city含义:地区键:城市名称。样本里格式符合 99.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地区简称city_short含义:地区键:城市名称。样本里格式符合 95.3%,还没有参照 | 文本 | 原生 | 100% | 原表列名:地区前几个字 | ||
| 经度lng含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 纬度lat含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 户籍人口registered_population含义:人数(万人) | 小数 | 原生 | 91% | 万人 原表列名:户籍人口(万人) | ||
| IT从业人员(万)it_employees_wan含义:人数(万人) | 小数 | 原生 | 75% | 万人 原表列名:信息传输、计算机服务和软件业从业人员数(万人) | ||
| 电信业务总量telecom_business_volume含义:金额(万元) | 小数 | 原生 | 87% | 万元 原表列名:电信业务总量(万元) | ||
| 移动电话用户mobile_users_end | 小数 | 原生 | 87% | 万户 原表列名:移动电话年末用户数(万户) | ||
| 互联网用户数internet_users含义:个数(户) | 小数 | 原生 | 86% | 户 原表列名:国际互联网用户数(户)_x | ||
| 人口密度population_density含义:比率(小数) | 小数 | 原生 | 88% | 人/平方公里 原表列名:人口密度_人/平方公里 | ||
| 常住人口permanent_population含义:人数(万人) | 小数 | 原生 | 60% | 万人 原表列名:常住人口数(万人) | ||
| 年末总人口total_population_end含义:人数(人) | 小数 | 原生 | 40% | 人 原表列名:年末总人口数(人) | ||
| IT从业人员(人)it_employees_person含义:人数(人) | 小数 | 原生 | 40% | 人 原表列名:信息传输、计算机服务和软件业从业人员数(人) | ||
| 普惠金融指数inclusive_finance_index | 小数 | 原生 | 40% | 原表列名:中国普惠金融指数 | ||
| 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%,99.7% 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 |
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。
| # | IDid | 省代码pro | 行政区划代码region_code | 年份year | 所属省份province | 地区city | 地区简称city_short | 经度lng | 纬度lat | 户籍人口registered_population | IT从业人员(万)it_employees_wan | 电信业务总量telecom_business_volume | 移动电话用户mobile_users_end | 互联网用户数internet_users | 人口密度population_density | 常住人口permanent_population | 年末总人口total_population_end | IT从业人员(人)it_employees_person | 普惠金融指数inclusive_finance_index | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 1 | 110000 | 2000 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1107.53 | — | — | — | — | — | — | — | — | — | 110000 |
| 2 | 1 | 1 | 110000 | 2001 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1122.3 | — | 2537976 | 629 | 1090000 | — | — | — | — | — | 110000 |
| 3 | 1 | 1 | 110000 | 2002 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1136.3 | — | 2242597 | 920 | 3229327 | 2099 | — | — | — | — | 110000 |
| 4 | 1 | 1 | 110000 | 2003 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1148.82 | 17.99 | 2486977 | 1109 | 3980000 | 2128 | — | — | — | — | 110000 |
| 5 | 1 | 1 | 110000 | 2004 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1162.89 | 37.25 | 3190000 | 1336 | — | 2623 | — | — | — | — | 110000 |
| 6 | 1 | 1 | 110000 | 2005 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1180.7 | 25.01 | 3794372 | 1460 | 3806369 | 937 | — | — | — | — | 110000 |
| 7 | 1 | 1 | 110000 | 2006 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1197.6 | 21.36 | 4695060 | 1571 | 3952919 | 1094 | — | — | — | — | 110000 |
| 8 | 1 | 1 | 110000 | 2007 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1213.26 | 29.2 | 6349171 | 1598 | 4220726 | 1132 | — | — | — | — | 110000 |
| 9 | 1 | 1 | 110000 | 2008 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1299.85 | 33.41 | 7541280 | 1616 | 4398295 | 1181 | 1771 | — | — | — | 110000 |
| 10 | 1 | 1 | 110000 | 2009 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1245.83 | 36.21 | 8667454 | 1825 | 5049323 | 1224 | 1860 | — | — | — | 110000 |
| 11 | 1 | 1 | 110000 | 2010 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1257.8 | 41.73 | 10668311 | 2118 | 5455639 | 1383 | 1962 | — | — | — | 110000 |
| 12 | 1 | 1 | 110000 | 2011 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1277.9 | 49.09 | 4362841 | 2576 | 5233645 | 1428 | 2024 | 12779000 | 490900 | 36.81 | 110000 |
| 13 | 1 | 1 | 110000 | 2012 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1297.5 | 52.63 | 4880146 | 3168 | 5720000 | 1464 | 2078 | 12975000 | 526300 | 93.65 | 110000 |
| 14 | 1 | 1 | 110000 | 2013 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1316.3 | 58.24 | 5940104 | 3374 | 5350000 | 1498 | 2125 | 13163000 | 582400 | 164.67 | 110000 |
| 15 | 1 | 1 | 110000 | 2014 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1333.4 | 61.111 | 6873707 | 4076 | 5530000 | 1525 | 2171 | 13334000 | 611110 | 147.06 | 110000 |
| 16 | 1 | 1 | 110000 | 2015 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1345.2 | 68.007 | 9233637 | 4052 | 4920000 | 1541 | 2188 | 13452000 | 680070 | 230.75 | 110000 |
| 17 | 1 | 1 | 110000 | 2016 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1363 | 69.223 | 13964015 | 3869 | 4760000 | 1145 | 2195 | 13630000 | 692230 | 247.923779633497 | 110000 |
| 18 | 1 | 1 | 110000 | 2017 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1359 | 77.44 | 8755281 | 3752 | 5420000 | 1144 | 2194 | 13590000 | 774400 | 262.591717446897 | 110000 |
| 19 | 1 | 1 | 110000 | 2018 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1376 | 84.03 | 6193326 | 4009 | 6350000 | 1135.527 | 2192 | 13760000 | 840300 | 308.901337552703 | 110000 |
| 20 | 1 | 1 | 110000 | 2019 | 北京市 | 北京市 | 北京 | 116.407526 | 39.90403 | 1397 | 85.913 | 6196743 | 4020 | 6890000 | 1136.502 | 2190 | 13970000 | 859130 | 320.740637292801 | 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6,600 行 · 20 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 6,600 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 region_code、year、province按城市对上本数据集 6,600 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、province、year按城市对上本数据集 6,600 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、province、region_code按城市对上本数据集 6,600 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 6,600 行(100%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 6,600 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year、province按城市对上本数据集 6,600 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、city_code按城市对上本数据集 6,600 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year、province按城市对上本数据集 6,600 行(100%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、approve_date、province按城市对上本数据集 6,600 行(100%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、city_code、province_code按城市对上本数据集 6,600 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、province、year按城市对上本数据集 6,600 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province、region_code按城市对上本数据集 6,600 行(100%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 6,600 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、year按省份对上本数据集 6,600 行(100%)
- 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 6,600 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 6,600 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 6,600 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 6,600 行(100%)
- 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 6,600 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 6,600 行(100%)
- 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 6,600 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 6,600 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 year、province按省份对上本数据集 6,600 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 6,600 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 6,600 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 6,600 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 6,600 行(100%)
- 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 6,600 行(100%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 6,600 行(100%)
- 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 6,600 行(100%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 region_code、year按城市对上本数据集 6,600 行(100%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 region_code、year按城市对上本数据集 6,600 行(100%)
- 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 6,600 行(100%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 6,600 行(100%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 6,600 行(100%)
- 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、month按城市对上本数据集 6,578 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 6,578 行(99%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 year、region_code按城市对上本数据集 6,578 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 6,600 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 6,600 行(100%)
- 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 6,600 行(100%)
- 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 6,600 行(100%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 6,600 行(100%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 6,578 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 6,556 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 6,512 行(98%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 6,490 行(98%)
- 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 6,490 行(98%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、province按城市对上本数据集 6,468 行(98%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2、province按城市对上本数据集 6,468 行(98%)
- 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 6,424 行(97%)
按 省份 能连
18 个数据集 · 本数据集 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,600 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 6,578 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 6,468 行(98%)
按 城市 能连
10 个数据集 · 本数据集 6,600 行有城市- 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 6,578 行(99%)
- 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 6,578 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 6,556 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 6,380 行(96%)
- 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 6,314 行(95%)
- 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 6,314 行(95%)
- 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 6,006 行(91%)
- 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 5,610 行(85%)
- 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 1,276 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 1,034 行(15%)
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
region_code_current由行政区划代码扩增得出。
来自字段扩增地级市数字经济指标地级市数字经济指标
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-raw-data/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"pro","op":"eq","value":"1"}],"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。