
地级市人口流动率
一行代表一个地级市在特定年份的人口流动及相关统计指标。
v1 生效中 · 2026/11/13 发布险种标签:健康险寿险时间跨度:2000–2024 年数据出处 出处待核实
- 记录
- 7,450
- 字段
- 13
- AI 扩增字段
- 0
- 平均非空率
- 91.8%
- 字段完整度
13 个字段,7 个没有空值
01字段
字段来源,逐一标明
共 13 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 7,450 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流动及相关统计指标。覆盖全国地级市,包含常住/户籍人口、公路客运量及多种流动率计算值。可用于分析区域人口迁移趋势,辅助评估劳动力密集型行业的用工风险及健康险的区域精算基础。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 省份province含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 城市city含义:地区键:城市名称。样本里格式符合 99.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 省份代码province_code含义:代码或编号键:省级区划代码(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% | — | ||
| 城市代码city_code含义:代码或编号键: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% | — | ||
| 所属地域region含义:类别 | 文本 | 原生 | 100% | 如东部、中部等 | ||
| 胡焕庸线侧hu_huanyong_line含义:类别 | 文本 | 原生 | 100% | 东南侧或西北侧 原表列名:胡焕庸线 | ||
| 常住人口resident_population含义:人数(万人) | 小数 | 原生 | 81% | 单位:万人 原表列名:常住人口数(万人) | ||
| 户籍人口registered_population含义:人数(万人) | 小数 | 原生 | 93% | 单位:万人 原表列名:户籍人口数(万人) | ||
| 公路客运量road_passenger_volume含义:人数(万人) | 小数 | 原生 | 92% | 单位:万人次 原表列名:公路客运量(万人次) | ||
| 人口流动率1mobility_rate_1含义:比率(倍) | 小数 | 原生 | 76% | 含义不清,推测为常住/户籍比 | ||
| 人口流动率2mobility_rate_2含义:比率(小数) | 小数 | 原生 | 76% | 含义不清,推测为净流动率 | ||
| 人口流动率3mobility_rate_3 | 小数 | 原生 | 76% | 含义不清,推测与客运量相关 |
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 | 省份province | 城市city | 省份代码province_code | 城市代码city_code | 所属地域region | 胡焕庸线侧hu_huanyong_line | 常住人口resident_population | 户籍人口registered_population | 公路客运量road_passenger_volume | 人口流动率1mobility_rate_1 | 人口流动率2mobility_rate_2 | 人口流动率3mobility_rate_3 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2000 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1363.6 | 1113.5263 | 13009 | 1.22457817116668 | 0.22457817116668 | 9.54018773833969 |
| 2 | 2001 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1385.1 | 1127.893 | 16630 | 1.2280420217166 | 0.228042021716599 | 12.0063533318894 |
| 3 | 2002 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1423.2 | 1142.8302 | 22103 | 1.24532935863963 | 0.24532935863963 | 15.5304946599213 |
| 4 | 2003 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1456.4 | 1154.0633 | 24940 | 1.26197583789381 | 0.261975837893814 | 17.1244163691294 |
| 5 | 2004 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1492.7 | 1167.7592 | 41463 | 1.27826010704947 | 0.278260107049467 | 27.7771822871307 |
| 6 | 2005 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1538 | 1184.1423 | 2261 | 1.2988303855035 | 0.298830385503499 | 1.47009102730819 |
| 7 | 2006 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1601 | 1197.6 | 2482 | 1.33684034736139 | 0.33684034736139 | 1.55028107432854 |
| 8 | 2007 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1676 | 1213.3 | 9275 | 1.38135663067667 | 0.381356630676667 | 5.53400954653938 |
| 9 | 2008 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1771 | 1229.9 | 117118 | 1.43995446784291 | 0.439954467842914 | 66.1309994353473 |
| 10 | 2009 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1860 | 1245.8255 | 121373 | 1.49298597596533 | 0.492985975965334 | 65.2543010752688 |
| 11 | 2010 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 1961.9 | 1257.7973 | 126130 | 1.55979027781344 | 0.559790277813444 | 64.2897191498038 |
| 12 | 2011 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2023.8 | 1277.9233 | 129918 | 1.58366311968801 | 0.583663119688013 | 64.1950785650756 |
| 13 | 2012 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2077.5 | 1297.4597 | 132333 | 1.60120580238446 | 0.601205802384459 | 63.6981949458484 |
| 14 | 2013 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2125.4 | 1316.3354 | 52481 | 1.6146340818609 | 0.6146340818609 | 24.6922932153947 |
| 15 | 2014 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2171.1 | 1333.4004 | 52354 | 1.6282430993721 | 0.628243099372102 | 24.1140435723827 |
| 16 | 2015 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2188.3 | 1345.2653 | 49931 | 1.62666798883462 | 0.626667988834619 | 22.8172554037381 |
| 17 | 2016 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2195.4 | 1362.8628 | 48040 | 1.61087381649862 | 0.610873816498623 | 21.8821171540494 |
| 18 | 2017 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2194.4 | 1359.1948 | 44940 | 1.61448528202139 | 0.614485282021385 | 20.4794021144732 |
| 19 | 2018 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2191.7 | 1375.826 | 44577 | 1.59300667380904 | 0.593006673809043 | 20.3390062508555 |
| 20 | 2019 | 北京市 | 北京市 | 110000 | 110000 | 东部 | 东南侧 | 2190.1 | 1392.0957 | 48151 | 1.57323954093099 | 0.573239540930986 | 21.9857540751564 |
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 v12026/11/13 发布
生效中7,450 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 7,450 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、year、region_code按城市对上本数据集 7,450 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、year按城市对上本数据集 7,450 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 7,450 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 7,450 行(100%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code、province按城市对上本数据集 7,450 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province、year按城市对上本数据集 7,450 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、city_code按城市对上本数据集 7,450 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year、region_code按城市对上本数据集 7,450 行(100%)
- 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 7,450 行(100%)
- 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 7,450 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、year按城市对上本数据集 7,450 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code、year按城市对上本数据集 7,450 行(100%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 7,450 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 province_name、year按省份对上本数据集 7,450 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 7,450 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 7,450 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 7,450 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 7,450 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 7,450 行有城市- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 7,450 行(100%)
- 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 7,450 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 7,450 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 7,450 行(100%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 region_code、year按城市对上本数据集 7,450 行(100%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 region_code、year按城市对上本数据集 7,450 行(100%)
- 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 7,450 行(100%)
- 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 7,450 行(100%)
- 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 7,450 行(100%)
- 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 7,425 行(99%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 city_code、year按城市对上本数据集 7,425 行(99%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 year、region_code按城市对上本数据集 7,425 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 7,450 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 7,450 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 city_code、province_code按城市对上本数据集 7,450 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 7,450 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 7,450 行(100%)
- 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 7,425 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 7,400 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 7,350 行(98%)
- 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 7,325 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 7,325 行(98%)
- 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 7,300 行(97%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 7,300 行(97%)
- 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 7,250 行(97%)
按 省份 能连
18 个数据集 · 本数据集 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,450 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 7,425 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 7,300 行(97%)
按 城市 能连
10 个数据集 · 本数据集 7,450 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 7,425 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 7,425 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 7,400 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 7,200 行(96%)
- 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 7,125 行(95%)
- 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 7,125 行(95%)
- 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 6,775 行(90%)
- 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 6,325 行(84%)
- 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 1,400 行(18%)
- 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 1,175 行(15%)
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-population-mobility-rate/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。