
县级逐年降水量
一行是一个县一年的平均降水量。包含省、市、县的名称和代码、年份、降水量。
v1 生效中 · 2026/11/12 发布险种标签:工程险企业财产险农业保险时间跨度:1950–2022 年数据出处 出处待核实
- 记录
- 20.4 万
- 字段
- 9
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
9 个字段,8 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 9 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 203,743 行计算。
关于这个数据集
一行是一个县一年的平均降水量。包含省、市、县的名称和代码、年份、降水量。覆盖全国的县区,每年 1 个值,由格点降水资料按行政区取平均得到;港澳台和个别行政区没有值。用来比较各地多年的降水多少和变化趋势,为洪涝、干旱风险和农业保险定价提供背景。
| 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% | — | ||
| 省代码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% | 6 位 | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 93.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 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% | 6 位 | ||
| 县区county含义:地区键:区县名称。样本里格式符合 99.3%,还没有参照 | 文本 | 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(2020 年版)。样本里格式符合 100%,99.6% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 平均降水量precipitation | 小数 | 原生 | 100% | 单位不清。原表没有写单位,数值在 0.0001 到 0.01 之间,乘 365000 后和各地的年降水量(毫米)接近,像是“米每天” | ||
| 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%,99.5% 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 | 省province | 省代码province_code | 地级市city | 市代码city_code | 县区county | 行政区划代码region_code | 平均降水量precipitation | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 1950 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00402470165864 | 340803 |
| 2 | 1951 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00302475132048 | 340803 |
| 3 | 1952 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00264696835075 | 340803 |
| 4 | 1953 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00338552158792 | 340803 |
| 5 | 1954 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00791832618415 | 340803 |
| 6 | 1955 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00462932954542 | 340803 |
| 7 | 1956 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00507779978216 | 340803 |
| 8 | 1957 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00505832396448 | 340803 |
| 9 | 1958 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00296280405018 | 340803 |
| 10 | 1959 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00392433116212 | 340803 |
| 11 | 1960 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.0035262509482 | 340803 |
| 12 | 1961 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00339778151829 | 340803 |
| 13 | 1962 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00422661588527 | 340803 |
| 14 | 1963 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00362304341979 | 340803 |
| 15 | 1964 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00496018235572 | 340803 |
| 16 | 1965 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00294479541481 | 340803 |
| 17 | 1966 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00293664063793 | 340803 |
| 18 | 1967 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00435262150131 | 340803 |
| 19 | 1968 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00318296207115 | 340803 |
| 20 | 1969 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 0.00551400985569 | 340803 |
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 v12026/11/12 发布
生效中203,743 行 · 9 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 135 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 + 省份 + 年份 能连
42 个数据集 · 本数据集 203,743 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province、region_code按城市对上本数据集 203,743 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、province、county_code、region_code按城市对上本数据集 203,743 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year、region_code按城市对上本数据集 203,743 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code、division_year按城市对上本数据集 203,743 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、county_code、city_code、province按城市对上本数据集 202,940 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province、county_code、approve_date按城市对上本数据集 202,940 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 city_code、province、region_code、layer_year按城市对上本数据集 201,480 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、city_code、county_code、date按城市对上本数据集 200,969 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、city_code_2、province_name、year按城市对上本数据集 200,969 行(98%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、province、founded_year、city_code按城市对上本数据集 200,896 行(98%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 year、city_code、county_code、province按城市对上本数据集 200,823 行(98%)
- 全国A级景区明细建筑设施 · 1.6 万 行 · 连接字段 county_code、encoded_address_city_code、province、publish_date按城市对上本数据集 200,239 行(98%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 203,743 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、year、region_code按城市对上本数据集 203,743 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 203,743 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 203,743 行(100%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year、city_code按城市对上本数据集 203,743 行(100%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、province、region_code按城市对上本数据集 203,743 行(100%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 census_year、city_code、province_code按城市对上本数据集 203,670 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 203,597 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、year、region_code按城市对上本数据集 203,159 行(99%)
- 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、origin_city_code按城市对上本数据集 203,086 行(99%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 203,086 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 203,013 行(99%)
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 province_code、year、region_code按城市对上本数据集 202,502 行(99%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 203,743 行有区县- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 203,743 行(100%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 203,743 行(100%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 203,743 行(100%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code、issue_date按区县对上本数据集 202,940 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time、adcode按区县对上本数据集 202,867 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、year、region_code按区县对上本数据集 202,867 行(99%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 county_code、taobao_village_year、province_code按区县对上本数据集 202,794 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、first_year、region_code按区县对上本数据集 202,648 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 year、region_code、province按区县对上本数据集 202,356 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 202,210 行(99%)
- 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、year按区县对上本数据集 200,750 行(98%)
- 第七次人口普查分县详细指标区域底数 · 2,976 行 · 连接字段 year、province、county_code按区县对上本数据集 200,531 行(98%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 203,743 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code、county_code按城市对上本数据集 203,670 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 region_code、province_code、city_code按城市对上本数据集 203,670 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 200,896 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code、county_code按城市对上本数据集 200,385 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、village_code、city_code按城市对上本数据集 195,202 行(95%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province、city_code按城市对上本数据集 194,910 行(95%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code、region_code按城市对上本数据集 194,253 行(95%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 190,895 行(93%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code、city_code按城市对上本数据集 182,865 行(89%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code、province按城市对上本数据集 165,272 行(81%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 city_code、region_code、province_name按城市对上本数据集 88,768 行(43%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、city_code、region_code按城市对上本数据集 48,545 行(23%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 203,743 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 192,720 行(94%)
- 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、applicant_address_city_code按城市对上本数据集 189,654 行(93%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、year、region_code_adj按城市对上本数据集 186,369 行(91%)
- 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、application_date按城市对上本数据集 151,986 行(74%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 118,552 行(58%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code、established_date按城市对上本数据集 21,681 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 203,743 行有省份- 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、date按省份对上本数据集 203,743 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province、date按省份对上本数据集 203,743 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 203,743 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 province、year按省份对上本数据集 203,743 行(100%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 born_date、province按省份对上本数据集 203,743 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 year、province按省份对上本数据集 203,743 行(100%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 province、year按省份对上本数据集 203,743 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 203,743 行(100%)
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 city、year按省份对上本数据集 203,743 行(100%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 year、region_code按省份对上本数据集 203,743 行(100%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 year、province按省份对上本数据集 203,670 行(99%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、province按省份对上本数据集 203,670 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 203,743 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、date按城市对上本数据集 203,013 行(99%)
- 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 200,896 行(98%)
- 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 200,896 行(98%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 200,896 行(98%)
- 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 200,896 行(98%)
- 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 200,896 行(98%)
- 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 200,750 行(98%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 200,093 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 196,881 行(96%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 194,107 行(95%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 183,814 行(90%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 180,529 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 203,743 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 203,086 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 201,334 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 199,071 行(97%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 195,129 行(95%)
- 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 193,669 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 192,355 行(94%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 185,055 行(90%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 province、region_code按城市对上本数据集 175,638 行(86%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2、province按城市对上本数据集 175,346 行(86%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 170,674 行(83%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 170,163 行(83%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 city_code、province按城市对上本数据集 166,951 行(81%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 203,743 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 202,940 行(99%)
- 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 200,385 行(98%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 199,655 行(97%)
- 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 182,573 行(89%)
- 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 160,673 行(78%)
- 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 105,850 行(51%)
- 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 54,531 行(26%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 47,961 行(23%)
- 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 34,383 行(16%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 31,901 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 203,743 行有区县- 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 203,743 行(100%)
- 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 196,881 行(96%)
- 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 134,831 行(66%)
- 京津沪冀乡镇街道人口区域底数 · 3,467 行 · 连接字段 province、city_code按区县对上本数据集 146 行(不到 1%)
按 城市 + 区县 能连
3 个数据集 · 本数据集 203,743 行有城市按 省份 能连
14 个数据集 · 本数据集 203,743 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 203,743 行(100%)
- 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 203,159 行(99%)
- 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 203,159 行(99%)
- 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 203,159 行(99%)
- 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 203,159 行(99%)
- 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 203,159 行(99%)
- 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 203,159 行(99%)
- 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 202,137 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 197,757 行(97%)
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 197,757 行(97%)
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 193,596 行(95%)
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 186,442 行(91%)
按 区县 能连
9 个数据集 · 本数据集 203,743 行有区县- 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 200,750 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 200,750 行(98%)
- 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 200,604 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 193,523 行(94%)
- 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 187,756 行(92%)
- 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 153,665 行(75%)
- 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 120,523 行(59%)
- 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 92,272 行(45%)
- 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 85,848 行(42%)
按 城市 能连
7 个数据集 · 本数据集 203,743 行有城市- 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 201,918 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 172,499 行(84%)
- 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 170,747 行(83%)
- 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 170,747 行(83%)
- 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 166,586 行(81%)
- 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 165,491 行(81%)
- 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 31,755 行(15%)
只按年份能连:435 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
435 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
- 上市公司专利申请明细企业主体 · 224.2 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。
来自字段扩增县级逐年降水量县级逐年降水量
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-annual-precipitation/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽省"}],"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。