
县级农林牧渔产值
一行是一个县区一年的农林牧渔业总产值,以及农业、林业、牧业、渔业和农林牧渔服务业各自的产值。
v1 生效中 · 2026/11/13 发布险种标签:农业保险时间跨度:2000–2020 年数据出处 国泰安 CSMAR 中国县域经济数据库
- 记录
- 3.4 万
- 字段
- 12
- AI 扩增字段
- 1
- 平均非空率
- 80.1%
- 字段完整度
12 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 33,716 行计算。
关于这个数据集
一行是一个县区一年的农林牧渔业总产值,以及农业、林业、牧业、渔业和农林牧渔服务业各自的产值。覆盖全国的县、县级市和市辖区,部分县区、年份缺值。用来衡量一个县的农业规模和结构,给农业保险的区域定价和承保规模估计做参考。
| 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% | — | ||
| 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。含义:代码或编号键:县级区划代码(2001 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% | 县区的 6 位代码 | ||
| 省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% | — | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 97.5%,还没有参照 | 文本 | 原生 | 99% | — | ||
| 县区county含义:地区键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 含市辖区和县级市 | ||
| 农林牧渔总产值gross_output_amount含义:金额(万元) | 小数 | 原生 | 89% | 单位:万元 | ||
| 农业产值farming_amount含义:金额(万元) | 小数 | 原生 | 69% | 单位:万元 | ||
| 林业产值forestry_amount含义:金额(万元) | 小数 | 原生 | 56% | 单位:万元 | ||
| 牧业产值husbandry_amount含义:金额(万元) | 小数 | 原生 | 58% | 单位:万元 | ||
| 渔业产值fishery_amount含义:金额(万元) | 小数 | 原生 | 52% | 单位:万元 | ||
| 农林牧渔服务业产值ffaf_service_amount含义:金额(万元) | 小数 | 原生 | 39% | 单位:万元 | ||
| 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。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.2% 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) | 99%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 | 行政区划代码region_code | 省province | 地级市city | 县区county | 农林牧渔总产值gross_output_amount | 农业产值farming_amount | 林业产值forestry_amount | 牧业产值husbandry_amount | 渔业产值fishery_amount | 农林牧渔服务业产值ffaf_service_amount | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2006 | 110105 | 北京市 | 北京市 | 朝阳区 | 42447 | 13578 | 6473 | 8731 | 8252 | 5413 | 110105 |
| 2 | 2007 | 110105 | 北京市 | 北京市 | 朝阳区 | 41737 | 13326 | 6448 | 8689 | 7874 | 5400 | 110105 |
| 3 | 2008 | 110105 | 北京市 | 北京市 | 朝阳区 | 43574.3 | 13373.6 | 6599.1 | 12186.4 | 7261.4 | 4153.8 | 110105 |
| 4 | 2009 | 110105 | 北京市 | 北京市 | 朝阳区 | 41880 | 16372.7 | 8485.1 | 6855.1 | 7065.3 | 3101.8 | 110105 |
| 5 | 2010 | 110105 | 北京市 | 北京市 | 朝阳区 | 40830.6 | 16063.1 | 9074.8 | 6023.1 | 6669.6 | 3000 | 110105 |
| 6 | 2011 | 110105 | 北京市 | 北京市 | 朝阳区 | 35532.2 | 11032.6 | 9336.7 | 5865.8 | 6399.3 | 2897.8 | 110105 |
| 7 | 2012 | 110105 | 北京市 | 北京市 | 朝阳区 | 45142.2 | 7826.6 | 22951.3 | 5984.6 | 5580.6 | 2799.1 | 110105 |
| 8 | 2013 | 110105 | 北京市 | 北京市 | 朝阳区 | 42471 | 7764 | 21461.9 | 5052 | 5394 | 2799.1 | 110105 |
| 9 | 2014 | 110105 | 北京市 | 北京市 | 朝阳区 | 42816.1 | 8128.5 | 21154.7 | 6250.5 | 4343.3 | 2939.1 | 110105 |
| 10 | 2015 | 110105 | 北京市 | 北京市 | 朝阳区 | 35054.1 | 8548 | 16960 | 2636.8 | 3885 | 3024.3 | 110105 |
| 11 | 2016 | 110105 | 北京市 | 北京市 | 朝阳区 | 31935.1 | 5287.9 | 20174.8 | 161.2 | 3286.9 | 3024.3 | 110105 |
| 12 | 2017 | 110105 | 北京市 | 北京市 | 朝阳区 | 33280.2 | 4968.7 | 22926 | 283.3 | 2097.9 | 3004.3 | 110105 |
| 13 | 2018 | 110105 | 北京市 | 北京市 | 朝阳区 | 49940.5 | 2420.1 | 43255.8 | 132.1 | 1128.2 | — | 110105 |
| 14 | 2019 | 110105 | 北京市 | 北京市 | 朝阳区 | 74631.6 | 2153.8 | 69146.2 | 246.7 | 260.3 | 2824.6 | 110105 |
| 15 | 2020 | 110105 | 北京市 | 北京市 | 朝阳区 | 60628.8 | 4902.9 | 54732 | 599.2 | 241.3 | 153.4 | 110105 |
| 16 | 2006 | 110106 | 北京市 | 北京市 | 丰台区 | 26883 | 18531 | 3285 | 2602 | 1856 | 609 | 110106 |
| 17 | 2007 | 110106 | 北京市 | 北京市 | 丰台区 | 27431 | 18541 | 3343 | 2988 | 1959 | 600 | 110106 |
| 18 | 2008 | 110106 | 北京市 | 北京市 | 丰台区 | 29138.5 | 18513.1 | 3847 | 4591 | 1725.9 | 461.5 | 110106 |
| 19 | 2009 | 110106 | 北京市 | 北京市 | 丰台区 | 30497.4 | 19502.5 | 3932.6 | 4373.6 | 2264.6 | 424.1 | 110106 |
| 20 | 2010 | 110106 | 北京市 | 北京市 | 丰台区 | 30313.1 | 18596.7 | 3990.2 | 4575.8 | 2398 | 752.4 | 110106 |
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33,716 行 · 12 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 72 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 区县 + 省份 + 年份 能连
107 个数据集 · 本数据集 33,716 行有区县- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 region_code、year、province_code按区县对上本数据集 33,716 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、county_code、taobao_village_year按区县对上本数据集 33,716 行(100%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、issue_date、province按区县对上本数据集 33,716 行(100%)
- 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、date按区县对上本数据集 33,716 行(100%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、year、province_name按区县对上本数据集 33,716 行(100%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、province_code、region_code按区县对上本数据集 33,716 行(100%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、province、first_year按区县对上本数据集 33,716 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 33,716 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、region_code、division_year按区县对上本数据集 33,716 行(100%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、region_code、province按区县对上本数据集 33,716 行(100%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、region_code按区县对上本数据集 33,716 行(100%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、year、region_code按区县对上本数据集 33,714 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 33,716 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 33,716 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 33,716 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 33,716 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 33,716 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 33,716 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、province按省份对上本数据集 33,716 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 33,716 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 33,716 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 year、region_code按省份对上本数据集 33,716 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、province按省份对上本数据集 33,716 行(100%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、province按省份对上本数据集 33,716 行(100%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province、year按省份对上本数据集 33,716 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 33,716 行有区县- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 33,716 行(100%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 33,716 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 region_code、province_code按区县对上本数据集 33,716 行(100%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 33,714 行(99%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province、region_code按区县对上本数据集 33,693 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code按区县对上本数据集 33,606 行(99%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 33,099 行(98%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 31,774 行(94%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code按区县对上本数据集 28,516 行(84%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 25,181 行(74%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province、county_code按区县对上本数据集 21,413 行(63%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province按区县对上本数据集 18,446 行(54%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 33,716 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 33,716 行(100%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 33,606 行(99%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 33,475 行(99%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 32,843 行(97%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 29,028 行(86%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 28,200 行(83%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code按区县对上本数据集 19,175 行(56%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 17,864 行(52%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 9,406 行(27%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 application_date、address_county_code按区县对上本数据集 7,055 行(20%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 6,644 行(19%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 year、region_code按区县对上本数据集 5,808 行(17%)
按 省份 能连
29 个数据集 · 本数据集 33,716 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 33,716 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 33,716 行(100%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 33,716 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 33,716 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 33,716 行(100%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 33,716 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 33,716 行(100%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 33,716 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 33,716 行(100%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 33,716 行(100%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 33,716 行(100%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 33,716 行(100%)
按 区县 能连
12 个数据集 · 本数据集 33,716 行有区县- 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 33,630 行(99%)
- 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 33,471 行(99%)
- 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 33,433 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 33,292 行(98%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 33,184 行(98%)
- 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 32,774 行(97%)
- 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 32,717 行(97%)
- 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 26,085 行(77%)
- 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 24,610 行(72%)
- 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 16,098 行(47%)
- 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 14,783 行(43%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 920 行(2.7%)
只按年份能连:495 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
495 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
- 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
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
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。
来自字段扩增县级农林牧渔产值县级农林牧渔产值
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-agriculture-output/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110105"}],"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。