
- 记录
- 841 万
- 字段
- 10
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
10 个字段,9 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 10 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 8,410,000 行计算。
关于这个数据集
一行代表一个区县与另一个区县的相邻关系记录。覆盖全国区县级别行政区划,包含区县基本信息及相邻区县标识。用于构建空间权重矩阵或分析空间溢出效应。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 区县代码county_code规律 1:区县代码的字段规律字段规律:county_code_current由区县代码扩增得出。键:县级区划代码(2019 年版)。样本里格式符合 100%,98.4% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 原表列名:countycode | ||
| 区县名称county键:区县名称。样本里格式符合 98.3%,还没有参照 | 文本 | 原生 | 100% | 原表列名:county | ||
| 省代码province_code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% | — | ||
| 省province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 市代码city_code键:市级区划代码(2025 年版)。样本里格式符合 100%,99.2% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 市city键:城市名称。样本里格式符合 96.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 类型type | 文本 | 原生 | 100% | — | ||
| 相邻区县neighbor_county | 文本 | 原生 | 100% | 由宽表列名转换而来,格式为'省_区县' 原表列名:neighbor_county | ||
| 是否相邻is_adjacent | 整数 | 原生 | 100% | 单位:adjacent。1表示相邻,0表示不相邻 原表列名:is_adjacent | ||
| 区县代码(现行)county_code_current规律 1:区县代码(现行)的字段规律字段规律:county_code_current由区县代码扩增得出。键:县级区划代码。样本里格式符合 100%,98.3% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:区县代码(现行) | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 区县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。
| # | 区县代码county_code | 区县名称county | 省代码province_code | 省province | 市代码city_code | 市city | 类型type | 相邻区县neighbor_county | 是否相邻is_adjacent | 区县代码(现行)county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_东城区 | 0 | 110101 |
| 2 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_西城区 | 1 | 110101 |
| 3 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_朝阳区 | 1 | 110101 |
| 4 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_丰台区 | 1 | 110101 |
| 5 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_石景山区 | 0 | 110101 |
| 6 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_海淀区 | 0 | 110101 |
| 7 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_门头沟区 | 0 | 110101 |
| 8 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_房山区 | 0 | 110101 |
| 9 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_通州区 | 0 | 110101 |
| 10 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_顺义区 | 0 | 110101 |
| 11 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_昌平区 | 0 | 110101 |
| 12 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_大兴区 | 0 | 110101 |
| 13 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_怀柔区 | 0 | 110101 |
| 14 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_平谷区 | 0 | 110101 |
| 15 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_密云区 | 0 | 110101 |
| 16 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 北京市_延庆区 | 0 | 110101 |
| 17 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 天津市_和平区 | 0 | 110101 |
| 18 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 天津市_河东区 | 0 | 110101 |
| 19 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 天津市_河西区 | 0 | 110101 |
| 20 | 110101 | 东城区 | 110000 | 北京市 | 110000 | 北京市 | 市辖区 | 天津市_南开区 | 0 | 110101 |
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8,410,000 行 · 10 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 81 个数据集连接。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 + 省份 能连
56 个数据集 · 本数据集 8,410,000 行有城市- 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 region_code、province_code、city_code按城市对上本数据集 8,410,000 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、region_code按城市对上本数据集 8,340,400 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、county_code按城市对上本数据集 8,340,400 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province按城市对上本数据集 8,340,400 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、province、region_code按城市对上本数据集 8,340,400 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code、region_code按城市对上本数据集 8,334,600 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 8,262,100 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 8,262,100 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、city_code、province按城市对上本数据集 8,253,400 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、province_name、city_code_2按城市对上本数据集 8,186,700 行(97%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 8,183,800 行(97%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 8,180,900 行(97%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 8,410,000 行有城市- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code按城市对上本数据集 8,340,400 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province按城市对上本数据集 8,340,400 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code按城市对上本数据集 8,340,400 行(99%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 region_code、province按城市对上本数据集 8,340,400 行(99%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、city_code按城市对上本数据集 8,340,400 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、province_code按城市对上本数据集 8,337,500 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、province按城市对上本数据集 8,334,600 行(99%)
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 province_code、region_code按城市对上本数据集 8,305,600 行(98%)
- 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 8,273,700 行(98%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、region_code按城市对上本数据集 8,270,800 行(98%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 8,267,900 行(98%)
- 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、origin_province按城市对上本数据集 8,267,900 行(98%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 8,410,000 行有区县- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code按区县对上本数据集 8,410,000 行(100%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province按区县对上本数据集 8,270,800 行(98%)
- 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、county_code按区县对上本数据集 8,262,100 行(98%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code按区县对上本数据集 8,262,100 行(98%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 8,259,200 行(98%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 8,259,200 行(98%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 province、region_code按区县对上本数据集 8,259,200 行(98%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 8,259,200 行(98%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、pname按区县对上本数据集 8,256,300 行(98%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province按区县对上本数据集 8,253,400 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 8,241,800 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、province按区县对上本数据集 8,183,800 行(97%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 8,410,000 行有城市- 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 8,183,800 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 8,163,500 行(97%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、county_code按城市对上本数据集 7,856,100 行(93%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、applicant_address_city_code按城市对上本数据集 7,734,300 行(91%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj按城市对上本数据集 7,603,800 行(90%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 6,214,700 行(73%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、city_code按城市对上本数据集 4,866,200 行(57%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 1,731,300 行(20%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、county_code按城市对上本数据集 890,300 行(10%)
按 省份 能连
337 个数据集 · 本数据集 8,410,000 行有省份- 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 8,410,000 行(100%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code按省份对上本数据集 8,410,000 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province按省份对上本数据集 8,410,000 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province按省份对上本数据集 8,410,000 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 province按省份对上本数据集 8,410,000 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province按省份对上本数据集 8,410,000 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province按省份对上本数据集 8,410,000 行(100%)
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 city按省份对上本数据集 8,410,000 行(100%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 region_code按省份对上本数据集 8,410,000 行(100%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 province按省份对上本数据集 8,407,100 行(99%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 province按省份对上本数据集 8,407,100 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province按省份对上本数据集 8,276,600 行(98%)
按 城市 能连
67 个数据集 · 本数据集 8,410,000 行有城市- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code按城市对上本数据集 8,311,400 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 8,224,400 行(97%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code按城市对上本数据集 8,183,800 行(97%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code按城市对上本数据集 8,183,800 行(97%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code按城市对上本数据集 8,183,800 行(97%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code按城市对上本数据集 8,183,800 行(97%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code按城市对上本数据集 8,183,800 行(97%)
- 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按城市对上本数据集 8,178,000 行(97%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code按城市对上本数据集 8,151,900 行(96%)
- 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按城市对上本数据集 7,998,200 行(95%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code按城市对上本数据集 7,957,600 行(94%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code按城市对上本数据集 7,502,300 行(89%)
按 区县 能连
19 个数据集 · 本数据集 8,410,000 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按区县对上本数据集 8,276,600 行(98%)
- 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 8,180,900 行(97%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code按区县对上本数据集 8,178,000 行(97%)
- 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 8,166,400 行(97%)
- 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 8,160,600 行(97%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code按区县对上本数据集 8,044,600 行(95%)
- 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 7,809,700 行(92%)
- 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 7,598,000 行(90%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code按区县对上本数据集 7,368,900 行(87%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code按区县对上本数据集 6,487,300 行(77%)
- 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 6,217,600 行(73%)
- 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 4,848,800 行(57%)
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
county_code_current由区县代码扩增得出。
来自字段扩增区县相邻关系明细区县相邻关系明细
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/county-adjacency-matrix/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"county_code","op":"eq","value":"110101"}],"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。