
地级市工业经济统计
一行代表一个地级市在特定年份的限额以上工业企业统计数据。
v1 生效中 · 2026/11/15 发布险种标签:企业财产险责任险时间跨度:1990–2021 年数据出处 出处待核实
- 记录
- 8,880
- 字段
- 13
- AI 扩增字段
- 1
- 平均非空率
- 80.7%
- 字段完整度
13 个字段,6 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 13 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 8,880 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限额以上工业企业统计数据。覆盖全国地级市及直辖市,包含工业产值、企业数量、销售收入及利税等关键指标。可用于分析区域工业发展水平、企业规模及经济效益,辅助宏观经济研究或风险评估。
| 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% | 原表列名:年度 | ||
| 城市名称city键:城市名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 100% | 原表列名:名称 | ||
| 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。键:市级区划代码(2014 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% | 原表列名:代码 | ||
| 城市类别city_category | 文本 | 原生 | 100% | — | ||
| 省份名称province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 工业总产值industrial_output_value | 小数 | 原生 | 85% | 含义不清 原表列名:限额以上工业总产值 | ||
| 企业数量enterprise_count | 整数 | 原生 | 91% | 含义不清 原表列名:限额以上工业企业数量 | ||
| 销售收入sales_revenue | 小数 | 原生 | 65% | 含义不清 原表列名:限额以上工业企业产品销售收入 | ||
| 利税总额profit_tax_total | 小数 | 原生 | 43% | 含义不清 原表列名:限额以上工业企业产品利税总额 | ||
| 应交增值税vat_payable | 小数 | 原生 | 75% | 含义不清 原表列名:限额以上工业企业本年应交增值税 | ||
| 固定资产净值fixed_assets_net_value | 小数 | 原生 | 45% | 含义不清 原表列名:限额以上工业企业固定资产净值年平均余额 | ||
| 流动资产余额current_assets_avg_balance | 小数 | 原生 | 45% | 含义不清 原表列名:限额以上工业企业流动资产年平均余额 | ||
| 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。键:市级区划代码。样本里格式符合 100%,99.8% 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。
| # | 年份year | 城市名称city | 行政区划代码region_code | 城市类别city_category | 省份名称province | 工业总产值industrial_output_value | 企业数量enterprise_count | 销售收入sales_revenue | 利税总额profit_tax_total | 应交增值税vat_payable | 固定资产净值fixed_assets_net_value | 流动资产余额current_assets_avg_balance | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1990 | 北京市 | 110000 | 直辖市 | 北京市 | 6259000 | 5409 | — | 1005600 | — | — | 2137600 | 110000 |
| 2 | 1990 | 天津市 | 120000 | 直辖市 | 天津市 | 5245300 | 5432 | — | 478900 | — | — | 1488300 | 120000 |
| 3 | 1990 | 上海市 | 310000 | 直辖市 | 上海市 | 14770400 | 10109 | — | 2020200 | — | — | 4132200 | 310000 |
| 4 | 1990 | 重庆市 | 500000 | 直辖市 | 重庆市 | 2828288 | — | — | — | — | — | — | 500000 |
| 5 | 1990 | 石家庄市 | 130100 | 地级市 | 河北省 | 1258781 | — | 1130361 | 131625 | — | — | — | 130100 |
| 6 | 1990 | 唐山市 | 130200 | 地级市 | 河北省 | 1353580 | — | 1161545 | 94451 | — | — | — | 130200 |
| 7 | 1990 | 秦皇岛市 | 130300 | 地级市 | 河北省 | 324477 | — | 283841 | 26614 | — | — | — | 130300 |
| 8 | 1990 | 邯郸市 | 130400 | 地级市 | 河北省 | 825157 | — | 750782 | 55472 | — | — | — | 130400 |
| 9 | 1990 | 邢台市 | 130500 | 地级市 | 河北省 | 352208 | — | 312590 | 33084 | — | — | — | 130500 |
| 10 | 1990 | 保定市 | 130600 | 地级市 | 河北省 | 428193 | — | 394530 | 56563 | — | — | — | 130600 |
| 11 | 1990 | 张家口市 | 130700 | 地级市 | 河北省 | 495220 | — | 455127 | 70085 | — | — | — | 130700 |
| 12 | 1990 | 承德市 | 130800 | 地级市 | 河北省 | 226474 | — | 212126 | 14564 | — | — | — | 130800 |
| 13 | 1990 | 沧州市 | 130900 | 地级市 | 河北省 | 213179 | — | 199241 | 25793 | — | — | — | 130900 |
| 14 | 1990 | 廊坊市 | 131000 | 地级市 | 河北省 | 269759 | — | 206712 | 28994 | — | — | — | 131000 |
| 15 | 1990 | 衡水市 | 131100 | 地级市 | 河北省 | 83932 | — | 74000 | 8284 | — | — | — | 131100 |
| 16 | 1990 | 太原市 | 140100 | 地级市 | 山西省 | 1276457 | — | 1127405 | 127965 | — | — | — | 140100 |
| 17 | 1990 | 大同市 | 140200 | 地级市 | 山西省 | 569427 | — | 480063 | 74027 | — | — | — | 140200 |
| 18 | 1990 | 阳泉市 | 140300 | 地级市 | 山西省 | 270693 | — | 238916 | 18665 | — | — | — | 140300 |
| 19 | 1990 | 长治市 | 140400 | 地级市 | 山西省 | 299055 | — | 289594 | 30590 | — | — | — | 140400 |
| 20 | 1990 | 晋城市 | 140500 | 地级市 | 山西省 | 182739 | — | 176163 | 20102 | — | — | — | 140500 |
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8,880 行 · 13 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 8,880 行有城市- 地级市人口就业统计区域底数 · 1 万 行 · 连接字段 region_code、province、year按城市对上本数据集 8,880 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 8,870 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province按城市对上本数据集 8,870 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、date、province按城市对上本数据集 8,870 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、province、region_code按城市对上本数据集 8,870 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 8,870 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 8,870 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 8,870 行(99%)
- 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 8,870 行(99%)
- 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 8,870 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 8,870 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、year、province按城市对上本数据集 8,870 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 province_code、taobao_village_year按省份对上本数据集 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 8,880 行有城市- 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 8,870 行(99%)
- 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 8,870 行(99%)
- 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 8,870 行(99%)
- 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 8,870 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 8,870 行(99%)
- 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 8,845 行(99%)
- 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 8,838 行(99%)
- 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 8,837 行(99%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year按城市对上本数据集 8,783 行(98%)
- 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 8,769 行(98%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 8,756 行(98%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、region_code_adj按城市对上本数据集 8,744 行(98%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 8,880 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 8,870 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 8,870 行(99%)
- 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 8,870 行(99%)
- 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 8,868 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 8,865 行(99%)
- 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 8,842 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 8,832 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 8,763 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 8,761 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 8,742 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 8,732 行(98%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 8,690 行(97%)
按 省份 能连
18 个数据集 · 本数据集 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,880 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 8,848 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 8,836 行(99%)
按 城市 能连
10 个数据集 · 本数据集 8,880 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 8,868 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 8,862 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 8,852 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 8,648 行(97%)
- 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 8,613 行(96%)
- 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 8,613 行(96%)
- 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 8,264 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 7,705 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 1,805 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 1,444 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
region_code_current由行政区划代码扩增得出。
来自字段扩增地级市工业经济统计地级市工业经济统计
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-industry/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","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。