
- 记录
- 3,087
- 字段
- 11
- AI 扩增字段
- 1
- 平均非空率
- 97.1%
- 字段完整度
11 个字段,5 个没有空值,1 个 AI 扩增
图片:Ralf Leineweber / Unsplash,Unsplash License(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 11 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 3,087 行计算。
关于这个数据集
一行代表一个地级市在特定年份的宏观经济与财政人员数据。覆盖全国近300个地级市,包含人口、GDP、财政收支及从业人员等指标。可用于评估区域经济发展水平、财政健康状况及政府规模,辅助区域风险定价。原表 2017–2019 年部分城市的年平均人口是按相邻年份固定差值推出的,已去掉。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 城市名称city规律 1:城市名称的字段规律字段规律:city_code由城市名称扩增得出。键:城市名称。样本里格式符合 91.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:城市 | ||
| 年末总人口total_population | 小数 | 原生 | 100% | 单位:万人 原表列名:年末总人口数(万人) | ||
| 年平均人口avg_population | 小数 | 原生 | 92% | 单位:万人 原表列名:年平均人口(万人). | ||
| 地区生产总值gdp_amount | 小数 | 原生 | 98% | 单位:万元 原表列名:地区生产总值(万元) | ||
| 人均GDPgdp_per_capita | 小数 | 原生 | 93% | 单位:元 原表列名:人均地区生产总值(元) | ||
| 一般预算收入fiscal_revenue_amount | 小数 | 原生 | 100% | 单位:万元 原表列名:地方财政一般预算内收入(万元) | ||
| 一般预算支出fiscal_expenditure_amount | 小数 | 原生 | 100% | 单位:万元 原表列名:地方财政一般预算内支出(万元) | ||
| 教育从业人员edu_staff_count | 小数 | 原生 | 97% | 单位:万人 原表列名:教育业从业人员数.万人. | ||
| 公管从业人员public_admin_staff_count | 小数 | 原生 | 97% | 单位:万人 原表列名:公共管理和社会组织从业人员数(万人) | ||
| 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由城市名称扩增得出。键:市级区划代码。样本里格式符合 100%,92.9% 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 | 93%平均置信度 1.00校验少:不建议单独作为决策依据 | 由城市名称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 | 城市名称city | 年末总人口total_population | 年平均人口avg_population | 地区生产总值gdp_amount | 人均GDPgdp_per_capita | 一般预算收入fiscal_revenue_amount | 一般预算支出fiscal_expenditure_amount | 教育从业人员edu_staff_count | 公管从业人员public_admin_staff_count | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2019 | 安康市 | 304 | 304 | 11820000 | 44241 | 276966 | 3687237 | 3.7785 | 4.6164 | 610900 |
| 2 | 2019 | 安庆市 | 529 | 529 | 23810000 | 50574 | 1370088 | 4635724 | 5.0417 | 4.5262 | 340800 |
| 3 | 2019 | 安顺市 | 307 | 306 | 9240000 | 39177 | 646485 | 3005059 | 3.9696 | 4.3831 | 520400 |
| 4 | 2019 | 安阳市 | 629 | — | 22290000 | 43003 | 1640567 | 4045206 | 6.7736 | 5.8201 | 410500 |
| 5 | 2019 | 鞍山市 | 340 | — | 17450000 | 49123 | 1532720 | 3269833 | 3.1949 | 4.9752 | 210300 |
| 6 | 2019 | 巴彦淖尔市 | 174 | 179 | 8750000 | 51722 | 556881 | 3053865 | 2.0627 | 3.8602 | 150800 |
| 7 | 2019 | 巴中市 | 366 | — | 7540000 | 22716 | 476650 | 3117540 | 4.1984 | 3.6613 | 511900 |
| 8 | 2019 | 白城市 | 189 | — | 4920000 | 25980 | 439873 | 2499874 | 2.5468 | 4.6159 | 220800 |
| 9 | 2019 | 白山市 | 117 | — | 5090000 | 43744 | 237500 | 2006272 | 1.5383 | 3.8179 | 220600 |
| 10 | 2019 | 白银市 | 181 | 181 | 4860000 | 27990 | 311220 | 1902167 | 2.7347 | 3.5569 | 620400 |
| 11 | 2019 | 百色市 | 423 | — | 12580000 | 34194 | 940106 | 4787359 | 4.9763 | 5.5166 | 451000 |
| 12 | 2019 | 蚌埠市 | 386 | — | 20570000 | 60469 | 1632802 | 3375154 | 4.0472 | 2.7375 | 340300 |
| 13 | 2019 | 包头市 | 225 | 224 | 27140000 | 93835 | 1518173 | 3645308 | 3.8263 | 4.6195 | 150200 |
| 14 | 2019 | 宝鸡市 | 377 | 378 | 22240000 | 59050 | 879796 | 3502199 | 4.623 | 3.907 | 610300 |
| 15 | 2019 | 保定市 | 1215 | 1211 | 37720000 | 31856 | 3048669 | 8777475 | 14.6709 | 13.6333 | 130600 |
| 16 | 2019 | 保山市 | 264 | — | 9610000 | 36548 | 672152 | 2709248 | 3.2428 | 3.1919 | 530500 |
| 17 | 2019 | 北海市 | 180 | — | 13010000 | 76955 | 780938 | 2005587 | 2.4358 | 2.1411 | 450500 |
| 18 | 2019 | 北京 | 1397 | 1387 | 353710000 | 164220 | 58170994 | 74082503 | 57.5765 | 50.24 | 110000 |
| 19 | 2019 | 本溪市 | 145 | — | 7810000 | 46673 | 675647 | 1648167 | 1.4342 | 3.7142 | 210500 |
| 20 | 2019 | 毕节市 | 938 | 934 | 19010000 | 28378 | 1302506 | 6802894 | 6.941 | 12.5559 | 520500 |
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 v22026/11/15 发布
生效中3,087 行 · 11 个字段 · 初始导入
版本 v12026/11/14 发布
历史版本3,087 行 · 11 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 城市 + 年份 能连
252 个数据集 · 本数据集 2,868 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、region_code按城市对上本数据集 2,868 行(92%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year按城市对上本数据集 2,868 行(92%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、date按城市对上本数据集 2,868 行(92%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code按城市对上本数据集 2,868 行(92%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、region_code按城市对上本数据集 2,868 行(92%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date按城市对上本数据集 2,868 行(92%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year按城市对上本数据集 2,868 行(92%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code按城市对上本数据集 2,868 行(92%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code按城市对上本数据集 2,868 行(92%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code按城市对上本数据集 2,868 行(92%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、city_code按城市对上本数据集 2,868 行(92%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、year按城市对上本数据集 2,868 行(92%)
按 城市 能连
39 个数据集 · 本数据集 2,868 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按城市对上本数据集 2,868 行(92%)
- 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按城市对上本数据集 2,868 行(92%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code按城市对上本数据集 2,868 行(92%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code按城市对上本数据集 2,868 行(92%)
- 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 2,865 行(92%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code按城市对上本数据集 2,865 行(92%)
- 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 2,861 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 2,856 行(92%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code按城市对上本数据集 2,855 行(92%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2按城市对上本数据集 2,849 行(92%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code按城市对上本数据集 2,846 行(92%)
- 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 2,833 行(91%)
只按年份能连:833 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
833 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 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
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 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
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
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由城市名称扩增得出。
来自字段扩增地级市经济财政与人员地级市经济财政与人员
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-econ-fiscal-staff/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","op":"eq","value":"安康市"}],"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。