地级市人口就业统计
一行代表一个地级市在特定年份的人口与就业统计数据。
v2 生效中 · 2026/11/15 发布险种标签：健康险寿险时间跨度：1978–2021 年数据出处 出处待核实
- 记录
- 1 万
- 字段
- 18
- AI 扩增字段
- 1
- 平均非空率
- 78.8%
- 字段完整度
18 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 18 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 10,463 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人口与就业统计数据。覆盖全国地级市及直辖市，包含总人口、非农业人口、自然增长率、从业人员及工资水平等指标。可用于分析区域劳动力结构、人口密度及工资水平，辅助寿险与健康险的区域精算定价。原表 1990–2001 年部分城市的人口密度是相邻年份插值或外推的，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% | 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% | — | ||
| 年末总人口total_population | 小数 | 原生 | 93% | 万人 | ||
| 非农业人口non_agricultural_population | 小数 | 原生 | 58% | 万人 原表列名：年末非农业人口 | ||
| 自然增长率natural_growth_rate | 小数 | 原生 | 70% | 单位：‰。千分比 原表列名：人口自然增长率(‰) | ||
| 人口密度population_density | 小数 | 原生 | 60% | 人/平方公里 | ||
| 从业人员employees | 小数 | 原生 | 70% | 万人 | ||
| 个体劳动者individual_workers | 小数 | 原生 | 66% | 含义不清 原表列名：城镇个体劳动者 | ||
| 一产从业比重primary_industry_ratio | 小数 | 原生 | 63% | % 原表列名：第一产业从业人员比重(%) | ||
| 二产从业比重secondary_industry_ratio | 小数 | 原生 | 64% | % 原表列名：第二产业从业人员比重(%) | ||
| 三产从业比重tertiary_industry_ratio | 小数 | 原生 | 69% | % 原表列名：第三产业从业人员比重(%) | ||
| 职工年均人数avg_staff_count | 小数 | 原生 | 67% | 含义不清 原表列名：全部职工年均人数 | ||
| 工资总额total_wages | 小数 | 原生 | 71% | 含义不清 原表列名：全部职工工资总额 | ||
| 平均工资avg_wage | 小数 | 原生 | 68% | 含义不清 原表列名：职工平均工资 | ||
| 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 | 年末总人口total_population | 非农业人口non_agricultural_population | 自然增长率natural_growth_rate | 人口密度population_density | 从业人员employees | 个体劳动者individual_workers | 一产从业比重primary_industry_ratio | 二产从业比重secondary_industry_ratio | 三产从业比重tertiary_industry_ratio | 职工年均人数avg_staff_count | 工资总额total_wages | 平均工资avg_wage | 行政区划代码（现行）region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1978 | 北京市 | 110000 | 直辖市 | 北京市 | 849.7 | 467.03 | 6.81 | — | — | — | — | — | — | — | — | — | 110000 |
| 2 | 1978 | 天津市 | 120000 | 直辖市 | 天津市 | 724.27 | 358.45 | 9.21 | — | — | — | — | — | — | — | — | — | 120000 |
| 3 | 1979 | 北京市 | 110000 | 直辖市 | 北京市 | 870.6 | 495.21 | 7.75 | — | — | — | — | — | — | — | — | — | 110000 |
| 4 | 1979 | 天津市 | 120000 | 直辖市 | 天津市 | 739.42 | 380.57 | 8.63 | — | — | — | — | — | — | — | — | — | 120000 |
| 5 | 1980 | 北京市 | 110000 | 直辖市 | 北京市 | 885.7 | 510.42 | 9.26 | — | — | — | — | — | — | — | — | — | 110000 |
| 6 | 1980 | 天津市 | 120000 | 直辖市 | 天津市 | 748.91 | 392.6252 | 7.25 | — | — | — | — | — | — | — | — | — | 120000 |
| 7 | 1981 | 北京市 | 110000 | 直辖市 | 北京市 | 900.8 | 522.6 | 10.91 | — | — | — | — | — | — | — | — | — | 110000 |
| 8 | 1981 | 天津市 | 120000 | 直辖市 | 天津市 | 760.32 | 400.75 | 11.91 | — | — | — | — | — | — | — | — | — | 120000 |
| 9 | 1982 | 北京市 | 110000 | 直辖市 | 北京市 | 917.8 | 534.01 | 14.36 | — | — | — | — | — | — | — | — | — | 110000 |
| 10 | 1982 | 天津市 | 120000 | 直辖市 | 天津市 | 774.92 | 410.7053 | 14.41 | — | — | — | — | — | — | — | — | — | 120000 |
| 11 | 1983 | 北京市 | 110000 | 直辖市 | 北京市 | 933.2 | 547.12 | 10.14 | — | — | — | — | — | — | — | — | — | 110000 |
| 12 | 1983 | 天津市 | 120000 | 直辖市 | 天津市 | 785.28 | 419.5647 | 11.73 | — | — | — | — | — | — | — | — | — | 120000 |
| 13 | 1984 | 北京市 | 110000 | 直辖市 | 北京市 | 945.2 | 558.14 | 11.21 | — | — | — | — | — | — | — | — | — | 110000 |
| 14 | 1984 | 天津市 | 120000 | 直辖市 | 天津市 | 795.52 | 437.09 | 10.24 | — | — | — | — | — | — | — | — | — | 120000 |
| 15 | 1985 | 北京市 | 110000 | 直辖市 | 北京市 | 957.9 | 572.5 | 9.7 | — | — | — | — | — | — | — | — | — | 110000 |
| 16 | 1985 | 天津市 | 120000 | 直辖市 | 天津市 | 804.8 | 445.69 | 8.15 | — | — | — | — | — | — | — | — | — | 120000 |
| 17 | 1986 | 北京市 | 110000 | 直辖市 | 北京市 | 971.2 | 586.82 | 11.35 | — | — | — | — | — | — | — | — | — | 110000 |
| 18 | 1986 | 天津市 | 120000 | 直辖市 | 天津市 | 814.97 | 447.05 | 9.29 | — | — | — | — | — | — | — | — | — | 120000 |
| 19 | 1987 | 北京市 | 110000 | 直辖市 | 北京市 | 988 | 600.99 | 11.89 | — | — | — | — | — | — | — | — | — | 110000 |
| 20 | 1987 | 天津市 | 120000 | 直辖市 | 天津市 | 828.73 | 454.68 | 10.99 | — | — | — | — | — | — | — | — | — | 120000 |
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10,463 行 · 18 个字段 · 初始导入（比 v1 行数减少 132）
版本 v12026/11/15 发布
历史版本10,595 行 · 18 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 10,463 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 province、region_code、year按城市对上本数据集 10,432 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、city_code按城市对上本数据集 10,432 行（99%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date、region_code按城市对上本数据集 10,432 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 10,432 行（99%）
- 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 10,432 行（99%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 10,432 行（99%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code、province按城市对上本数据集 10,432 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 10,432 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 10,432 行（99%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、date、province_code按城市对上本数据集 10,432 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 10,432 行（99%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、region_code、province按城市对上本数据集 10,432 行（99%）
按 省份 + 年份 能连
388 个数据集 · 本数据集 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 行（100%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 行（100%）
按 城市 + 年份 能连
66 个数据集 · 本数据集 10,463 行有城市- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 10,432 行（99%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 10,432 行（99%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 10,432 行（99%）
- 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 10,432 行（99%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 10,432 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 city_code、month按城市对上本数据集 10,400 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 10,392 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 10,352 行（98%）
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code、date按城市对上本数据集 10,270 行（98%）
- 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 10,036 行（95%）
- 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 9,963 行（95%）
- 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 9,889 行（94%）
按 城市 + 省份 能连
29 个数据集 · 本数据集 10,463 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 10,432 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 10,432 行（99%）
- 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 10,432 行（99%）
- 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 10,422 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 10,407 行（99%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 10,364 行（99%）
- 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 10,329 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 10,280 行（98%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 10,273 行（98%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province按城市对上本数据集 10,177 行（97%）
- 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 10,028 行（95%）
- 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 10,023 行（95%）
按 省份 能连
18 个数据集 · 本数据集 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,463 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 10,431 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 10,253 行（97%）
按 城市 能连
10 个数据集 · 本数据集 10,463 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 10,422 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 10,406 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 10,399 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 9,091 行（86%）
- 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 9,015 行（86%）
- 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 9,015 行（86%）
- 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 8,640 行（82%）
- 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 8,599 行（82%）
- 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 1,849 行（17%）
- 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 1,497 行（14%）
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人口就业统计地级市人口就业统计
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-pop-employment/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。