
地级市土地出让金
一行是一个城市一年的土地出让金。包含城市名称、城市代码、调整后的城市代码、年份、土地出让金(万元)。
- 记录
- 1.2 万
- 字段
- 7
- AI 扩增字段
- 2
- 平均非空率
- 88.6%
- 字段完整度
7 个字段,4 个没有空值,2 个 AI 扩增
图片:Hari Nandakumar / 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 7 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 11,505 行计算。
关于这个数据集
一行是一个城市一年的土地出让金。包含城市名称、城市代码、调整后的城市代码、年份、土地出让金(万元)。覆盖 482 个地级市和县级市,年份列从 1999 年到 2023 年,11531 行。用来看一个城市土地市场的冷热,辅助判断当地新开工项目的数量。原表 2000 年的值都正好是 1999 年和 2001 年的平均(很多格子多出半分位的小数),是插补的,已去掉。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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。含义:地区 | 文本 | 原生 | 100% | 原名 Cityname。全称,含县级市 | ||
| 城市代码region_code含义:代码或编号键:多级区划代码(2017 年版)。样本里格式符合 100%,99% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 原名 citycode。6 位 | ||
| 调整后的城市代码region_code_adj规律 1:调整后的城市代码的字段规律字段规律:region_code_adj_current由调整后的城市代码扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 99.8%,98.1% 的行对上参照 admin-division | 文本 | 原生 | 100% | 原名 citycode_adj。县级市在这一列是所属地级市的代码 | ||
| 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% | — | ||
| 土地出让金land_transfer_amount含义:金额(万元) | 小数 | 原生 | 70% | 原名 load。单位:万元。72% 的行有值 | ||
| 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。含义:代码或编号键:县级区划代码。样本里格式符合 100%,53.5% 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 | 54%平均置信度 0.98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县级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 调整后的城市代码(现行)region_code_adj_current规律 1:调整后的城市代码(现行)的字段规律字段规律:region_code_adj_current由调整后的城市代码扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,97.3% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:调整后的城市代码(现行) | 97%平均置信度 1.00校验少:不建议单独作为决策依据 | 调整后的城市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。
| # | 城市名称city | 城市代码region_code | 调整后的城市代码region_code_adj | 年份year | 土地出让金land_transfer_amount | 城市区划代码city_code | 调整后的城市代码(现行)region_code_adj_current |
|---|---|---|---|---|---|---|---|
| 1 | 七台河市 | 230900 | 230900 | 1999 | 40 | 230900 | 230900 |
| 2 | 七台河市 | 230900 | 230900 | 2000 | — | 230900 | 230900 |
| 3 | 七台河市 | 230900 | 230900 | 2001 | 752 | 230900 | 230900 |
| 4 | 七台河市 | 230900 | 230900 | 2002 | 2065.2 | 230900 | 230900 |
| 5 | 七台河市 | 230900 | 230900 | 2003 | 2514.42 | 230900 | 230900 |
| 6 | 七台河市 | 230900 | 230900 | 2004 | 7582.3 | 230900 | 230900 |
| 7 | 七台河市 | 230900 | 230900 | 2005 | 15670.49 | 230900 | 230900 |
| 8 | 七台河市 | 230900 | 230900 | 2006 | 27186.13 | 230900 | 230900 |
| 9 | 七台河市 | 230900 | 230900 | 2007 | 12372.53 | 230900 | 230900 |
| 10 | 七台河市 | 230900 | 230900 | 2008 | 12463.24 | 230900 | 230900 |
| 11 | 七台河市 | 230900 | 230900 | 2009 | 14059.23 | 230900 | 230900 |
| 12 | 七台河市 | 230900 | 230900 | 2010 | 11759.3 | 230900 | 230900 |
| 13 | 七台河市 | 230900 | 230900 | 2011 | 74244.37 | 230900 | 230900 |
| 14 | 七台河市 | 230900 | 230900 | 2012 | 29711.82 | 230900 | 230900 |
| 15 | 七台河市 | 230900 | 230900 | 2013 | 22200.59 | 230900 | 230900 |
| 16 | 七台河市 | 230900 | 230900 | 2014 | 23446.78 | 230900 | 230900 |
| 17 | 七台河市 | 230900 | 230900 | 2015 | 43929.49 | 230900 | 230900 |
| 18 | 七台河市 | 230900 | 230900 | 2016 | 21103.02 | 230900 | 230900 |
| 19 | 七台河市 | 230900 | 230900 | 2017 | 25900 | 230900 | 230900 |
| 20 | 七台河市 | 230900 | 230900 | 2018 | 22700 | 230900 | 230900 |
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11,505 行 · 7 个字段 · 初始导入
版本 v12026/11/12 发布
历史版本11,505 行 · 7 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 105 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 + 区县 + 地区 + 年份 能连
2 个数据集 · 本数据集 11,505 行有城市按 城市 + 区县 + 年份 能连
46 个数据集 · 本数据集 11,505 行有城市- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 city_code、layer_year、region_code按城市对上本数据集 11,409 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、region_code按城市对上本数据集 11,145 行(96%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 county_code、city_code、date按城市对上本数据集 11,145 行(96%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 11,145 行(96%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code、county_code按城市对上本数据集 11,145 行(96%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、year、city_code按城市对上本数据集 11,145 行(96%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、county_code、year按城市对上本数据集 11,145 行(96%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 county_code、year、city_code按城市对上本数据集 11,145 行(96%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 founded_year、city_code、county_code按城市对上本数据集 11,145 行(96%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、year、county_code_2按城市对上本数据集 11,145 行(96%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、division_year按城市对上本数据集 11,145 行(96%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、division_year、region_code按城市对上本数据集 11,145 行(96%)
按 城市 + 地区 + 年份 能连
10 个数据集 · 本数据集 11,505 行有城市- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 region_code、create_date、city_code按城市对上本数据集 10,977 行(95%)
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 region_code、year、city_code按城市对上本数据集 10,859 行(94%)
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、city_code、region_code按城市对上本数据集 10,859 行(94%)
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 year、city_code、city_code_2按城市对上本数据集 10,521 行(91%)
- 上市公司数字化转型与企业创新面板企业主体 · 4.7 万 行 · 连接字段 city_code、year、city_code_2按城市对上本数据集 10,521 行(91%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code、year、city_code_2按城市对上本数据集 10,521 行(91%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 year、city_code、city_code_2按城市对上本数据集 10,497 行(91%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 city_code、city_code_2、year按城市对上本数据集 10,473 行(91%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 city_code_2、year、city_code按城市对上本数据集 10,473 行(91%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 region_code、year、city_code按城市对上本数据集 10,186 行(88%)
按 区县 + 地区 + 年份 能连
8 个数据集 · 本数据集 6,156 行有区县- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、city_code、county_code按区县对上本数据集 5,255 行(45%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 city_code、year、county_code按区县对上本数据集 5,110 行(44%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 county_code、year、city_code按区县对上本数据集 5,110 行(44%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 city_code、county_code、year按区县对上本数据集 5,110 行(44%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、city_code、county_code按区县对上本数据集 5,110 行(44%)
- 上市公司商道融绿ESG评级面板企业主体 · 4.6 万 行 · 连接字段 year、city_code、county_code按区县对上本数据集 5,086 行(44%)
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 city_code、region_code、cutoff_date按区县对上本数据集 5,018 行(43%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、city_code、county_code按区县对上本数据集 4,968 行(43%)
按 城市 + 年份 能连
194 个数据集 · 本数据集 11,505 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_city_code、month按城市对上本数据集 11,145 行(96%)
- 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按城市对上本数据集 11,145 行(96%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code按城市对上本数据集 11,145 行(96%)
- 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 11,145 行(96%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_city_code按城市对上本数据集 11,145 行(96%)
- 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 11,145 行(96%)
- 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 11,145 行(96%)
- 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 11,145 行(96%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、date按城市对上本数据集 11,145 行(96%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、year按城市对上本数据集 11,145 行(96%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、year按城市对上本数据集 11,145 行(96%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 year、region_code按城市对上本数据集 11,145 行(96%)
按 区县 + 年份 能连
67 个数据集 · 本数据集 6,156 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code、valid_from按区县对上本数据集 6,156 行(53%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、issue_date按区县对上本数据集 6,156 行(53%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time按区县对上本数据集 6,108 行(53%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 6,108 行(53%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、region_code按区县对上本数据集 5,988 行(52%)
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 region_code、year按区县对上本数据集 5,988 行(52%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 5,988 行(52%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 province_city_county_code、year按区县对上本数据集 5,918 行(51%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province_city_county_code、year按区县对上本数据集 5,918 行(51%)
- 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、county_code按区县对上本数据集 5,892 行(51%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year按区县对上本数据集 5,892 行(51%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、year按区县对上本数据集 5,892 行(51%)
按 地区 + 年份 能连
18 个数据集 · 本数据集 11,505 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 region_code、year按地区对上本数据集 10,713 行(93%)
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 region_code、year按地区对上本数据集 10,616 行(92%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 city_code、year按地区对上本数据集 10,335 行(89%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 region_code、year按地区对上本数据集 10,311 行(89%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 year、city_code按地区对上本数据集 10,311 行(89%)
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 year、city_code按地区对上本数据集 10,289 行(89%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 year、city_code按地区对上本数据集 10,289 行(89%)
- 上市公司档案企业主体 · 5,704 行 · 连接字段 city_code、establish_date按地区对上本数据集 10,167 行(88%)
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 city_code、year按地区对上本数据集 10,099 行(87%)
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 city_code、year按地区对上本数据集 9,285 行(80%)
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 year、region_code按地区对上本数据集 9,237 行(80%)
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 year、region_code按地区对上本数据集 9,021 行(78%)
按 城市 + 区县 能连
17 个数据集 · 本数据集 11,505 行有城市- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code按城市对上本数据集 11,241 行(97%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code、parent_code按城市对上本数据集 11,169 行(97%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、county_code按城市对上本数据集 11,145 行(96%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 11,145 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、city_code按城市对上本数据集 11,145 行(96%)
- 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、region_code按城市对上本数据集 11,145 行(96%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、city_code按城市对上本数据集 11,121 行(96%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、region_code按城市对上本数据集 10,953 行(95%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、county_code按城市对上本数据集 10,905 行(94%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、city_code按城市对上本数据集 10,857 行(94%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code按城市对上本数据集 10,096 行(87%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code按城市对上本数据集 9,920 行(86%)
按 城市 能连
22 个数据集 · 本数据集 11,505 行有城市- 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 11,385 行(98%)
- 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 11,241 行(97%)
- 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 11,145 行(96%)
- 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 11,049 行(96%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code按城市对上本数据集 11,025 行(95%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code按城市对上本数据集 10,977 行(95%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code按城市对上本数据集 10,905 行(94%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code按城市对上本数据集 10,545 行(91%)
- 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 10,520 行(91%)
- 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 10,472 行(91%)
- 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 10,424 行(90%)
- 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 10,424 行(90%)
按 区县 能连
13 个数据集 · 本数据集 6,156 行有区县- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 6,108 行(53%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 6,108 行(53%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code按区县对上本数据集 5,868 行(51%)
- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 5,844 行(50%)
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 5,728 行(49%)
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 5,681 行(49%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 5,679 行(49%)
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 5,495 行(47%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 county_code按区县对上本数据集 5,102 行(44%)
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 3,845 行(33%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 3,354 行(29%)
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 2,669 行(23%)
按 地区 能连
1 个数据集 · 本数据集 11,505 行有地区只按年份能连:740 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
740 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
- 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
- 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
- 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
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
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2
- 扩增得出
city_code由城市名称扩增得出。
来自字段扩增地级市土地出让金地级市土地出让金 - 扩增得出
region_code_adj_current由调整后的城市代码扩增得出。
来自字段扩增
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-land-transfer-revenue/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","op":"eq","value":"七台河市"}],"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。