区县绿色金融指数
一行代表一个区县在特定年份的绿色金融综合指数及其分项指标。数据覆盖全国区县。
v1 生效中 · 2026/11/14 发布险种标签：企业财产险责任险时间跨度：2000–2022 年数据出处 出处待核实
- 记录
- 9,683
- 字段
- 12
- AI 扩增字段
- 1
- 平均非空率
- 98.3%
- 字段完整度
12 个字段，11 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 12 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 9,683 行计算。
关于这个数据集
一行代表一个区县在特定年份的绿色金融综合指数及其分项指标。数据覆盖全国区县。可用于评估区域绿色金融发展水平，辅助环境责任险或绿色保险产品的市场潜力分析。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 1：省份的字段规律字段规律：city_code由省份、地级市扩增得出。键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市city规律 1：地级市的字段规律字段规律：city_code由省份、地级市扩增得出。键：城市名称。样本里格式符合 84%，还没有参照 | 文本 | 原生 | 100% | 清单中列名为地区，但示例数据为区县或地级市，此处按标题理解为地级市，若实际为区县需调整geo_level | ||
| 年份year键：年份。样本里格式符合 100%，还没有参照 | 整数 | 原生 | 100% | — | ||
| 绿色金融指数green_finance_index | 小数 | 原生 | 100% | 综合指数 | ||
| 绿色信贷green_credit | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色投资green_investment | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色保险green_insurance | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色债券green_bond | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色支持green_support | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色基金green_fund | 小数 | 原生 | 100% | 分项指标 | ||
| 绿色权益green_equity | 小数 | 原生 | 100% | 分项指标 | ||
| 地级市区划代码city_code规律 1：地级市区划代码的字段规律字段规律：city_code由省份、地级市扩增得出。键：市级区划代码。样本里格式符合 100%，79.1% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：地级市区划代码 | 79%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、地级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。
| # | 省份province | 地级市city | 年份year | 绿色金融指数green_finance_index | 绿色信贷green_credit | 绿色投资green_investment | 绿色保险green_insurance | 绿色债券green_bond | 绿色支持green_support | 绿色基金green_fund | 绿色权益green_equity | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | 东城区 | 2000 | 0.29772 | 0.0447354072 | 0.009373409870616 | 0.021190715036567997 | 0.008752035064608 | 0.005419247228208001 | 0.0417909564 | 0.026606212392059996 | — |
| 2 | 北京市 | 东城区 | 2001 | 0.323526 | 0.058370560919999995 | 0.015417999961408798 | 0.023671013569887597 | 0.0116326690857468 | 0.007648878302956796 | 0.05714116212 | 0.021529647063573597 | — |
| 3 | 北京市 | 东城区 | 2002 | 0.311388 | 0.03813257448 | 0.0091720281396744 | 0.0178624418636664 | 0.0046651391618832 | 0.006432965314776003 | 0.0340658472 | 0.012582901980264 | — |
| 4 | 北京市 | 东城区 | 2003 | 0.326462 | 0.05678153566 | 0.0113614174702094 | 0.023939095434256 | 0.006853531354162 | 0.014627491401372596 | 0.06502796577999999 | 0.03901808002731559 | — |
| 5 | 北京市 | 东城区 | 2004 | 0.352224 | 0.06553831968 | 0.0190611648957312 | 0.029023644870288 | 0.008215228371888 | 0.009238281542092795 | 0.03746254464 | 0.0127095428945664 | — |
| 6 | 北京市 | 东城区 | 2005 | 0.37455 | 0.05003988 | 0.013711927917600002 | 0.0208230952644 | 0.0097432650348 | 0.005761591783200001 | 0.068625051 | 0.04662934965348001 | — |
| 7 | 北京市 | 东城区 | 2006 | 0.36478 | 0.0377255476 | 0.010489965765656 | 0.018608503609176 | 0.006938859970068 | 0.0016882182550999984 | 0.065569205 | 0.04513849641405 | — |
| 8 | 北京市 | 东城区 | 2007 | 0.379728 | 0.04011446592 | 0.008706443683276801 | 0.019327149680256 | 0.0068070237219648 | 0.005273848834502405 | 0.03992080464 | 0.025480251977572803 | — |
| 9 | 北京市 | 东城区 | 2008 | 0.402864 | 0.0503781432 | 0.014860040899704002 | 0.024822822498936 | 0.005207588662584001 | 0.005487691138775997 | 0.0794246376 | 0.035508372731832 | — |
| 10 | 北京市 | 东城区 | 2009 | 0.426706 | 0.062175331259999994 | 0.0185929110599904 | 0.03035026620125639 | 0.011779116507207 | 0.001453037491546202 | 0.08089919054 | 0.032121023603907 | — |
| 11 | 北京市 | 东城区 | 2010 | 0.44472 | 0.08714288399999999 | 0.025612165036439996 | 0.04149482707427999 | 0.01082576047932 | 0.009210131409960003 | 0.0856174944 | 0.058765279631327993 | — |
| 12 | 北京市 | 东城区 | 2011 | 0.465062 | 0.05530982365999999 | 0.016349583873895998 | 0.0239060119823252 | 0.007521582919523399 | 0.007532644884255398 | 0.08669685803999999 | 0.0345911793893796 | — |
| 13 | 北京市 | 东城区 | 2012 | 0.46368 | 0.091043568 | 0.01935495212112 | 0.036902689417439995 | 0.012713323835519996 | 0.02207260262592 | 0.0700527744 | 0.033998012471808 | — |
| 14 | 北京市 | 东城区 | 2013 | 0.499686 | 0.0571890627 | 0.016173638822187 | 0.027838491941106 | 0.007870358808774 | 0.0053065731279329995 | 0.07292417484000001 | 0.036838376162174405 | — |
| 15 | 北京市 | 东城区 | 2014 | 0.533596 | 0.05758034436 | 0.014420997244962 | 0.02319048369099 | 0.0093268641794328 | 0.0106419992446152 | 0.069500879 | 0.03681600562388 | — |
| 16 | 北京市 | 东城区 | 2015 | 0.49546 | 0.05680448900000001 | 0.01555590931265 | 0.023552277229180005 | 0.0067256514976 | 0.01097065096057 | 0.08882111420000001 | 0.04980643978765001 | — |
| 17 | 北京市 | 东城区 | 2016 | 0.563832 | 0.09145918872 | 0.0224001845013024 | 0.0427013806214808 | 0.0173214557516808 | 0.009036167845535991 | 0.09524813976 | 0.04617629815564799 | — |
| 18 | 北京市 | 东城区 | 2017 | 0.531468 | 0.07751460780000001 | 0.019923579642834 | 0.03749381579286001 | 0.015122324835702002 | 0.004974887528603996 | 0.0734488776 | 0.02935751637672 | — |
| 19 | 北京市 | 东城区 | 2018 | 0.59584 | 0.1075431616 | 0.030997165467968 | 0.05274346817510399 | 0.015633549401792003 | 0.008168978555136003 | 0.0854851648 | 0.047765690683648 | — |
| 20 | 北京市 | 东城区 | 2019 | 0.589212 | 0.08783972495999999 | 0.0237984166834128 | 0.04007336092400159 | 0.013443869905128 | 0.010524077447457597 | 0.07321548312 | 0.037116589167684 | — |
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 v12026/11/14 发布
生效中9,683 行 · 12 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 7,659 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、month、origin_city_code按城市对上本数据集 7,659 行（79%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province、city_code按城市对上本数据集 7,659 行（79%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、province按城市对上本数据集 7,659 行（79%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、year、origin_province按城市对上本数据集 7,659 行（79%）
- 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 7,659 行（79%）
- 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 7,659 行（79%）
- 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、province、date按城市对上本数据集 7,659 行（79%）
- 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 7,659 行（79%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 7,659 行（79%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code、province按城市对上本数据集 7,659 行（79%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、year、province按城市对上本数据集 7,659 行（79%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、city_code、date按城市对上本数据集 7,659 行（79%）
按 省份 + 年份 能连
388 个数据集 · 本数据集 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 行（100%）
按 城市 + 年份 能连
66 个数据集 · 本数据集 7,659 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 7,659 行（79%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,613 行（78%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 7,590 行（78%）
- 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 7,337 行（75%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 7,291 行（75%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date按城市对上本数据集 7,199 行（74%）
按 城市 + 省份 能连
29 个数据集 · 本数据集 7,659 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 7,659 行（79%）
- 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 7,659 行（79%）
- 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 7,659 行（79%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,636 行（78%）
- 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 7,613 行（78%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、city_code按城市对上本数据集 7,567 行（78%）
- 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 7,567 行（78%）
- 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 7,429 行（76%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 7,360 行（76%）
按 省份 能连
18 个数据集 · 本数据集 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,683 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 9,499 行（98%）
- 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 9,499 行（98%）
按 城市 能连
10 个数据集 · 本数据集 7,659 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 7,659 行（79%）
- 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 7,613 行（78%）
- 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 7,613 行（78%）
- 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 6,555 行（67%）
- 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 6,486 行（66%）
- 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 6,486 行（66%）
- 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 6,279 行（64%）
- 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 6,164 行（63%）
- 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 1,219 行（12%）
- 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 1,035 行（10%）
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、地级市扩增得出。
来自字段扩增区县绿色金融指数区县绿色金融指数
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-green-finance-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。