
地级市政府工作报告环保关键词词频
一行是一个地级市一年的政府工作报告里环保相关词出现的次数。给出报告长度、总词数、15 个环保关键词各自的次数和合计。
v1 生效中 · 2026/11/15 发布险种标签:责任险时间跨度:2002–2023 年数据出处 网盘整理版,基于各地级市政府工作报告分词统计
- 记录
- 5,438
- 字段
- 24
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
24 个字段,24 个没有空值
01字段
字段来源,逐一标明
共 24 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 5,438 行计算。
关于这个数据集
一行是一个地级市一年的政府工作报告里环保相关词出现的次数。给出报告长度、总词数、15 个环保关键词各自的次数和合计。覆盖约 286 个地级市,2002–2023 年,共 5438 行,2002 年只有 4 个城市。用的是精确词表(按陈诗一 2018 等文献的做法)。和已上线的 city-environmental-word-frequency 词表不同,数值不能混用。用来衡量各地政府对环境治理的重视程度,给环境污染责任险的区域分析做参考。
| 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键:市级区划代码(2025 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键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 城市city键:城市名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 文本总长度text_length | 整数 | 原生 | 100% | 政府工作报告全文的字符数,单位:字 | ||
| 中英文文本长度text_length_cn_en | 整数 | 原生 | 100% | 只计中英文字符的长度,单位:字 | ||
| 总词数(全模式)word_count_full | 整数 | 原生 | 100% | 分词全模式下的总词数,单位:个 | ||
| 总词数(精确模式)word_count_exact | 整数 | 原生 | 100% | 分词精确模式下的总词数,单位:个 | ||
| 环保词频合计env_word_count | 整数 | 原生 | 100% | 下面 15 个环保关键词出现次数的合计,单位:次 | ||
| “环境保护”词频word_environmental_protection | 整数 | 原生 | 100% | “环境保护”在报告中出现的次数,单位:次 | ||
| “环保”词频word_env | 整数 | 原生 | 100% | “环保”在报告中出现的次数,单位:次 | ||
| “污染”词频word_pollution | 整数 | 原生 | 100% | “污染”在报告中出现的次数,单位:次 | ||
| “能耗”词频word_energy_consumption | 整数 | 原生 | 100% | “能耗”在报告中出现的次数,单位:次 | ||
| “减排”词频word_emission_reduction | 整数 | 原生 | 100% | “减排”在报告中出现的次数,单位:次 | ||
| “排污”词频word_discharge | 整数 | 原生 | 100% | “排污”在报告中出现的次数,单位:次 | ||
| “生态”词频word_ecology | 整数 | 原生 | 100% | “生态”在报告中出现的次数,单位:次 | ||
| “绿色”词频word_green | 整数 | 原生 | 100% | “绿色”在报告中出现的次数,单位:次 | ||
| “低碳”词频word_low_carbon | 整数 | 原生 | 100% | “低碳”在报告中出现的次数,单位:次 | ||
| “空气”词频word_air | 整数 | 原生 | 100% | “空气”在报告中出现的次数,单位:次 | ||
| “化学需氧量”词频word_cod | 整数 | 原生 | 100% | “化学需氧量”在报告中出现的次数,单位:次 | ||
| “二氧化硫”词频word_so2 | 整数 | 原生 | 100% | “二氧化硫”在报告中出现的次数,单位:次 | ||
| “二氧化碳”词频word_co2 | 整数 | 原生 | 100% | “二氧化碳”在报告中出现的次数,单位:次 | ||
| “PM10”词频word_pm10 | 整数 | 原生 | 100% | “PM10”在报告中出现的次数,单位:次 | ||
| “PM2.5”词频word_pm25 | 整数 | 原生 | 100% | “PM2.5”在报告中出现的次数,单位:次 |
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 | 年份year | 城市city | 省份province | 文本总长度text_length | 中英文文本长度text_length_cn_en | 总词数(全模式)word_count_full | 总词数(精确模式)word_count_exact | 环保词频合计env_word_count | “环境保护”词频word_environmental_protection | “环保”词频word_env | “污染”词频word_pollution | “能耗”词频word_energy_consumption | “减排”词频word_emission_reduction | “排污”词频word_discharge | “生态”词频word_ecology | “绿色”词频word_green | “低碳”词频word_low_carbon | “空气”词频word_air | “化学需氧量”词频word_cod | “二氧化硫”词频word_so2 | “二氧化碳”词频word_co2 | “PM10”词频word_pm10 | “PM2.5”词频word_pm25 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110000 | 2002 | 北京市 | 北京市 | 16392 | 14396 | 7655 | 5012 | 30 | 1 | 5 | 6 | 0 | 0 | 0 | 8 | 8 | 0 | 2 | 0 | 0 | 0 | 0 | 0 |
| 2 | 110000 | 2003 | 北京市 | 北京市 | 16784 | 14670 | 7727 | 5165 | 24 | 0 | 2 | 5 | 0 | 0 | 0 | 10 | 4 | 0 | 3 | 0 | 0 | 0 | 0 | 0 |
| 3 | 110000 | 2004 | 北京市 | 北京市 | 15434 | 13479 | 7097 | 4714 | 10 | 2 | 0 | 3 | 0 | 0 | 0 | 2 | 1 | 0 | 2 | 0 | 0 | 0 | 0 | 0 |
| 4 | 110000 | 2005 | 北京市 | 北京市 | 16254 | 14204 | 7660 | 5231 | 25 | 1 | 1 | 7 | 2 | 0 | 0 | 6 | 4 | 0 | 3 | 0 | 1 | 0 | 0 | 0 |
| 5 | 110000 | 2006 | 北京市 | 北京市 | 16735 | 14443 | 7771 | 5316 | 33 | 1 | 2 | 9 | 4 | 0 | 0 | 9 | 4 | 0 | 4 | 0 | 0 | 0 | 0 | 0 |
| 6 | 110000 | 2007 | 北京市 | 北京市 | 17132 | 14708 | 8108 | 5511 | 35 | 1 | 1 | 8 | 2 | 1 | 0 | 10 | 6 | 0 | 2 | 2 | 2 | 0 | 0 | 0 |
| 7 | 110000 | 2008 | 北京市 | 北京市 | 19706 | 17119 | 9205 | 6327 | 53 | 1 | 3 | 8 | 6 | 7 | 0 | 15 | 5 | 0 | 4 | 2 | 2 | 0 | 0 | 0 |
| 8 | 110000 | 2009 | 北京市 | 北京市 | 18705 | 16252 | 8766 | 6182 | 49 | 0 | 8 | 2 | 2 | 2 | 0 | 20 | 6 | 1 | 4 | 2 | 2 | 0 | 0 | 0 |
| 9 | 110000 | 2010 | 北京市 | 北京市 | 18725 | 16062 | 8850 | 6343 | 46 | 0 | 4 | 5 | 1 | 3 | 1 | 18 | 12 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 10 | 110000 | 2011 | 北京市 | 北京市 | 20060 | 17335 | 9379 | 6563 | 53 | 0 | 2 | 4 | 3 | 5 | 0 | 14 | 17 | 1 | 4 | 0 | 0 | 3 | 0 | 0 |
| 11 | 110000 | 2012 | 北京市 | 北京市 | 18926 | 16311 | 8807 | 6439 | 44 | 0 | 0 | 6 | 4 | 5 | 0 | 15 | 7 | 0 | 3 | 1 | 1 | 1 | 0 | 1 |
| 12 | 110000 | 2013 | 北京市 | 北京市 | 17793 | 15400 | 8271 | 5978 | 58 | 0 | 2 | 10 | 2 | 4 | 0 | 19 | 13 | 2 | 4 | 0 | 0 | 1 | 0 | 1 |
| 13 | 110000 | 2014 | 北京市 | 北京市 | 18066 | 15594 | 8449 | 6040 | 51 | 2 | 2 | 15 | 2 | 1 | 2 | 16 | 6 | 0 | 3 | 0 | 0 | 1 | 0 | 1 |
| 14 | 110000 | 2015 | 北京市 | 北京市 | 16437 | 14316 | 7802 | 5635 | 60 | 4 | 4 | 12 | 3 | 3 | 2 | 22 | 4 | 0 | 4 | 0 | 0 | 2 | 0 | 0 |
| 15 | 110000 | 2016 | 北京市 | 北京市 | 19633 | 16851 | 9196 | 6651 | 83 | 0 | 1 | 16 | 5 | 2 | 2 | 29 | 19 | 4 | 3 | 0 | 0 | 2 | 0 | 0 |
| 16 | 110000 | 2017 | 北京市 | 北京市 | 15512 | 13447 | 7322 | 5408 | 59 | 2 | 3 | 20 | 2 | 2 | 0 | 18 | 6 | 0 | 4 | 0 | 0 | 2 | 0 | 0 |
| 17 | 110000 | 2018 | 北京市 | 北京市 | 19823 | 17257 | 9290 | 6876 | 68 | 1 | 5 | 14 | 2 | 0 | 1 | 29 | 9 | 0 | 5 | 0 | 0 | 2 | 0 | 0 |
| 18 | 110000 | 2019 | 北京市 | 北京市 | 19960 | 17253 | 9358 | 6980 | 64 | 5 | 2 | 10 | 2 | 4 | 1 | 25 | 13 | 0 | 1 | 0 | 0 | 1 | 0 | 0 |
| 19 | 110000 | 2020 | 北京市 | 北京市 | 23134 | 19883 | 10866 | 8160 | 47 | 2 | 1 | 6 | 2 | 1 | 3 | 21 | 8 | 0 | 2 | 0 | 0 | 1 | 0 | 0 |
| 20 | 110000 | 2021 | 北京市 | 北京市 | 14452 | 12356 | 6611 | 4876 | 34 | 0 | 0 | 6 | 1 | 0 | 0 | 13 | 14 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
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 v12026/11/15 发布
生效中5,438 行 · 24 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 5,438 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code、month按城市对上本数据集 5,438 行(100%)
- 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、province按城市对上本数据集 5,438 行(100%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province、city_code按城市对上本数据集 5,438 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、city_code按城市对上本数据集 5,438 行(100%)
- 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 5,438 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 5,438 行(100%)
- 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、year、region_code按城市对上本数据集 5,438 行(100%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code、year按城市对上本数据集 5,438 行(100%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 5,438 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 5,438 行(100%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、date、province按城市对上本数据集 5,438 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、year按城市对上本数据集 5,438 行(100%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 5,438 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 5,438 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 5,438 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 5,438 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 5,438 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 5,438 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 5,438 行(100%)
- 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 5,438 行有城市- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 year、region_code按城市对上本数据集 5,438 行(100%)
- 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 5,438 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 5,438 行(100%)
- 地级市外商直接投资区域底数 · 8,260 行 · 连接字段 city_code、year按城市对上本数据集 5,438 行(100%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 5,438 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 5,438 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 5,438 行(100%)
- 地级市城镇居民可支配收入区域底数 · 6,651 行 · 连接字段 year、city_code按城市对上本数据集 5,438 行(100%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 year、city_code按城市对上本数据集 5,438 行(100%)
- 地级市资源型城市分类区域底数 · 6,358 行 · 连接字段 city_code、year按城市对上本数据集 5,438 行(100%)
- 地级市工业产值与利税区域底数 · 6,324 行 · 连接字段 region_code、year按城市对上本数据集 5,438 行(100%)
- 地级市产业从业人数区域底数 · 6,324 行 · 连接字段 year、region_code按城市对上本数据集 5,438 行(100%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 5,438 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 5,438 行(100%)
- 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 5,438 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 5,438 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 5,438 行(100%)
- 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 5,438 行(100%)
- 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 5,438 行(100%)
- 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 5,427 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 5,425 行(99%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 5,409 行(99%)
- 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 5,399 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code、province按城市对上本数据集 5,397 行(99%)
- 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 5,350 行(98%)
按 省份 能连
18 个数据集 · 本数据集 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 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 5,438 行(100%)
- 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 5,420 行(99%)
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 5,420 行(99%)
按 城市 能连
10 个数据集 · 本数据集 5,438 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 5,438 行(100%)
- 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 5,438 行(100%)
- 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 5,427 行(99%)
- 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 5,427 行(99%)
- 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 5,427 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 5,427 行(99%)
- 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 5,183 行(95%)
- 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 4,759 行(87%)
- 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 1,103 行(20%)
- 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 901 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。
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/city-environmental-keyword-freq/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。