
县级行政区划边界
一行是一个县级行政区的边界,包含区划代码、名称、所在城市和省、面积、中心点和外框。共 2850 行,覆盖全国的县级行政区。
- 记录
- 2,850
- 字段
- 16
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
16 个字段,16 个没有空值,1 个 AI 扩增
图片:智元数据
01地图
地图上画成面,点开看属性
每一行画成一个面,共 2,850 个。点一个形状看它的属性。用右边的列表可以按名称找。
- 区划代码的范围
02字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 2,850 行计算。
关于这个数据集
一行是一个县级行政区的边界,包含区划代码、名称、所在城市和省、面积、中心点和外框。共 2850 行,覆盖全国的县级行政区。香港、澳门、台湾各是一行,没有分到县。边界取自公开的 2023 年初县级行政区划矢量图层,不是官方发布的边界,没有审图号,不能用来确定权属和界线。用来在地图上画出一个县的范围,按县汇总点和线,或者把县级统计数据画成分级的地图。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 区划代码region_code记录键键:县级区划代码(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,现行的县级区划代码。图层里的旧代码已经换成现行代码 | ||
| 区县county键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 所在城市city键:城市名称。样本里格式符合 98.5%,还没有参照 | 文本 | 原生 | 100% | 直辖市的区县写直辖市。省直辖的县级市(例如湖北的仙桃)为空 | ||
| 城市代码city_code键:市级区划代码(2025 年版)。样本里格式符合 100%,98.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位。直辖市写省级代码 | ||
| 所在省province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 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% | 6 位 | ||
| 面积area_km2 | 小数 | 原生 | 100% | 平方千米,按椭球面算 | ||
| 中心点经度center_lng键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS-84。取边界里面的一点,不一定是几何中心 | ||
| 中心点纬度center_lat键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS-84 | ||
| 外框西经west | 小数 | 原生 | 100% | 外框最西的经度 | ||
| 外框南纬south | 小数 | 原生 | 100% | 外框最南的纬度 | ||
| 外框东经east | 小数 | 原生 | 100% | 外框最东的经度 | ||
| 外框北纬north | 小数 | 原生 | 100% | 外框最北的纬度 | ||
| 图层里的代码source_codes规律 1:图层里的代码的字段规律字段规律:source_codes_current由图层里的代码扩增得出。键:县级区划代码(2022 年版)。样本里格式符合 100%,99.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 图层原来写的代码。几个旧代码换成同一个现行代码时用逗号分开 | ||
| 图层年份layer_year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 边界图层的年份 | ||
| 图层里的代码(现行)source_codes_current规律 1:图层里的代码(现行)的字段规律字段规律:source_codes_current由图层里的代码扩增得出。键:县级区划代码。样本里格式符合 100%,99.9% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:图层里的代码(现行) | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 图层里的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 |
03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。
| # | 区划代码region_code | 区县county | 所在城市city | 城市代码city_code | 所在省province | 省代码province_code | 面积area_km2 | 中心点经度center_lng | 中心点纬度center_lat | 外框西经west | 外框南纬south | 外框东经east | 外框北纬north | 图层里的代码source_codes | 图层年份layer_year | 图层里的代码(现行)source_codes_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 东城区 | 北京市 | 110000 | 北京市 | 110000 | 41.9 | 116.40719 | 39.91497 | 116.375 | 39.8575 | 116.4449 | 39.9727 | 110101 | 2023 | 110101 |
| 2 | 110102 | 西城区 | 北京市 | 110000 | 北京市 | 110000 | 50.4 | 116.35724 | 39.91571 | 116.3153 | 39.8676 | 116.3934 | 39.9717 | 110102 | 2023 | 110102 |
| 3 | 110105 | 朝阳区 | 北京市 | 110000 | 北京市 | 110000 | 465.2 | 116.53009 | 39.94859 | 116.3446 | 39.8085 | 116.6394 | 40.1069 | 110105 | 2023 | 110105 |
| 4 | 110106 | 丰台区 | 北京市 | 110000 | 北京市 | 110000 | 306 | 116.24974 | 39.82835 | 116.0484 | 39.7611 | 116.4618 | 39.8958 | 110106 | 2023 | 110106 |
| 5 | 110107 | 石景山区 | 北京市 | 110000 | 北京市 | 110000 | 84.3 | 116.16393 | 39.93322 | 116.1056 | 39.8741 | 116.2531 | 39.9923 | 110107 | 2023 | 110107 |
| 6 | 110108 | 海淀区 | 北京市 | 110000 | 北京市 | 110000 | 428.9 | 116.24579 | 40.02237 | 116.0426 | 39.8854 | 116.3888 | 40.1597 | 110108 | 2023 | 110108 |
| 7 | 110109 | 门头沟区 | 北京市 | 110000 | 北京市 | 110000 | 1450.1 | 115.79341 | 39.99447 | 115.4168 | 39.811 | 116.1671 | 40.1775 | 110109 | 2023 | 110109 |
| 8 | 110111 | 房山区 | 北京市 | 110000 | 北京市 | 110000 | 1997.9 | 115.8603 | 39.71684 | 115.4183 | 39.506 | 116.2466 | 39.924 | 110111 | 2023 | 110111 |
| 9 | 110112 | 通州区 | 北京市 | 110000 | 北京市 | 110000 | 904.4 | 116.72884 | 39.81111 | 116.5147 | 39.5919 | 116.9401 | 40.0307 | 110112 | 2023 | 110112 |
| 10 | 110113 | 顺义区 | 北京市 | 110000 | 北京市 | 110000 | 1009.2 | 116.71713 | 40.16031 | 116.459 | 40.0123 | 116.9801 | 40.3103 | 110113 | 2023 | 110113 |
| 11 | 110114 | 昌平区 | 北京市 | 110000 | 北京市 | 110000 | 1343.6 | 116.17115 | 40.21216 | 115.8382 | 40.0354 | 116.4999 | 40.3904 | 110114 | 2023 | 110114 |
| 12 | 110115 | 大兴区 | 北京市 | 110000 | 北京市 | 110000 | 1034 | 116.46498 | 39.63593 | 116.2096 | 39.4421 | 116.7211 | 39.8309 | 110115 | 2023 | 110115 |
| 13 | 110116 | 怀柔区 | 北京市 | 110000 | 北京市 | 110000 | 2119.9 | 116.6253 | 40.64529 | 116.2802 | 40.2331 | 116.881 | 41.059 | 110116 | 2023 | 110116 |
| 14 | 110117 | 平谷区 | 北京市 | 110000 | 北京市 | 110000 | 947.5 | 117.15057 | 40.20238 | 116.9234 | 40.0284 | 117.401 | 40.3764 | 110117 | 2023 | 110117 |
| 15 | 110118 | 密云区 | 北京市 | 110000 | 北京市 | 110000 | 2224 | 116.95485 | 40.51255 | 116.6598 | 40.2251 | 117.5083 | 40.7997 | 110118 | 2023 | 110118 |
| 16 | 110119 | 延庆区 | 北京市 | 110000 | 北京市 | 110000 | 1997.3 | 116.10196 | 40.52691 | 115.7295 | 40.2645 | 116.5685 | 40.7903 | 110119 | 2023 | 110119 |
| 17 | 120101 | 和平区 | 天津市 | 120000 | 天津市 | 120000 | 10 | 117.19389 | 39.11802 | 117.1729 | 39.0999 | 117.2162 | 39.136 | 120101 | 2023 | 120101 |
| 18 | 120102 | 河东区 | 天津市 | 120000 | 天津市 | 120000 | 39.8 | 117.23937 | 39.11943 | 117.197 | 39.0788 | 117.3031 | 39.1605 | 120102 | 2023 | 120102 |
| 19 | 120103 | 河西区 | 天津市 | 120000 | 天津市 | 120000 | 37.8 | 117.21208 | 39.08192 | 117.1728 | 39.0491 | 117.285 | 39.1164 | 120103 | 2023 | 120103 |
| 20 | 120104 | 南开区 | 天津市 | 120000 | 天津市 | 120000 | 38.4 | 117.14936 | 39.10739 | 117.1031 | 39.0598 | 117.1886 | 39.1511 | 120104 | 2023 | 120104 |
04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2,850 行 · 16 个字段 · 初始导入
05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 2,850 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、region_code、province、city_code按城市对上本数据集 2,819 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、year、county_code按城市对上本数据集 2,819 行(98%)
- 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 2,819 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、province、region_code、city_code按城市对上本数据集 2,819 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、county_code、year按城市对上本数据集 2,816 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、county_code、city_code按城市对上本数据集 2,816 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province、city_code、region_code按城市对上本数据集 2,816 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、province_name、county_code_2、city_code_2按城市对上本数据集 2,816 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 date、province、county_code、city_code按城市对上本数据集 2,814 行(98%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、founded_year、city_code、province按城市对上本数据集 2,814 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 city_code、year、province、county_code按城市对上本数据集 2,813 行(98%)
- 全国A级景区明细建筑设施 · 1.6 万 行 · 连接字段 province、publish_date、encoded_address_city_code、county_code按城市对上本数据集 2,805 行(98%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 2,850 行有城市- 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 2,819 行(98%)
- 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 2,819 行(98%)
- 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 2,819 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province、region_code按城市对上本数据集 2,819 行(98%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 region_code、year、province按城市对上本数据集 2,819 行(98%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 city_code、province_code、census_year按城市对上本数据集 2,819 行(98%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code、province按城市对上本数据集 2,816 行(98%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、region_code、date按城市对上本数据集 2,816 行(98%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 2,816 行(98%)
- 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 2,816 行(98%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、province、city_code按城市对上本数据集 2,816 行(98%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、region_code、year按城市对上本数据集 2,816 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 2,850 行有区县- 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 2,850 行(100%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 2,844 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、region_code按区县对上本数据集 2,843 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 2,843 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year、province按区县对上本数据集 2,843 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 province_code、county_code、taobao_village_year按区县对上本数据集 2,842 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 2,842 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、adcode、pname按区县对上本数据集 2,838 行(99%)
- 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 2,836 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 2,833 行(99%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 year、province、region_code按区县对上本数据集 2,814 行(98%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 2,808 行(98%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 2,850 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 2,819 行(98%)
- 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、region_code、province_code按城市对上本数据集 2,819 行(98%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 2,814 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province、city_code按城市对上本数据集 2,808 行(98%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、province_code、city_code按城市对上本数据集 2,762 行(96%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code、city_code按城市对上本数据集 2,727 行(95%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 2,701 行(94%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 2,671 行(93%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 2,558 行(89%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code、city_code按城市对上本数据集 2,315 行(81%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、city_code、province_name按城市对上本数据集 1,254 行(44%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code、province按城市对上本数据集 694 行(24%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 2,850 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year、county_code按城市对上本数据集 2,701 行(94%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date、applicant_address_city_code按城市对上本数据集 2,659 行(93%)
- 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、year按城市对上本数据集 2,646 行(92%)
- 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_city_code、address_county_code按城市对上本数据集 2,136 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 city_code、county_code、year按城市对上本数据集 1,672 行(58%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code、address_city_code按城市对上本数据集 305 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 2,850 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 2,850 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 2,850 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 2,850 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 2,850 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 2,850 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province、year按省份对上本数据集 2,850 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 2,850 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、year按省份对上本数据集 2,850 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 2,849 行(99%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 year、province按省份对上本数据集 2,849 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year按省份对上本数据集 2,848 行(99%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 province、year按省份对上本数据集 2,848 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 2,850 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 2,816 行(98%)
- 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 2,816 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 2,816 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 2,816 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 2,816 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 month、city_code按城市对上本数据集 2,814 行(98%)
- 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 2,813 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 2,782 行(97%)
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 2,729 行(95%)
- 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 2,694 行(94%)
- 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 2,580 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 2,533 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 2,850 行有城市- 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 2,819 行(98%)
- 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 2,816 行(98%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 2,796 行(98%)
- 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 2,730 行(95%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 2,715 行(95%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 2,696 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 2,593 行(90%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 region_code、province按城市对上本数据集 2,468 行(86%)
- 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 2,464 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 2,396 行(84%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 2,393 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 2,348 行(82%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 2,850 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 2,849 行(99%)
- 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 2,811 行(98%)
- 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 2,770 行(97%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 2,532 行(88%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 2,227 行(78%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 1,474 行(51%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 756 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 664 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 473 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 458 行(16%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 2,850 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 2,850 行有城市按 省份 能连
14 个数据集 · 本数据集 2,850 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 2,850 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 2,847 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 2,847 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 2,847 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 2,847 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 2,847 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 2,847 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 2,831 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 2,773 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 2,773 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 2,714 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 2,610 行(91%)
按 区县 能连
9 个数据集 · 本数据集 2,850 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 2,812 行(98%)
- 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 2,811 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 2,809 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 2,689 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 2,615 行(91%)
- 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 2,135 行(74%)
- 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 1,673 行(58%)
- 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 1,306 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 1,180 行(41%)
按 城市 能连
7 个数据集 · 本数据集 2,850 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 2,814 行(98%)
- 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 2,425 行(85%)
- 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 2,401 行(84%)
- 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 2,401 行(84%)
- 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 2,339 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 2,329 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 456 行(16%)
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
06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
source_codes_current由图层里的代码扩增得出。
来自字段扩增县级行政区划边界县级行政区划边界
07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-boundary/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101"}],"limit":10}'
交给 Agent
- 理赔案件地区分析依赖 4 个数据集 · 一次对话约 6.7 点
按就诊机构所在的省、城市、区县统计理赔案件的件数、费用和案件状态,区县可以汇总到城市。
发给请下载 https://wi.insightworld.cn/skills/case-area.zip 并解压,把里面的 case-area 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 数据查询依赖 5 个数据集 · 一次对话约 0 点
在全部数据集里找数据、看口径、取数据,按键连接和汇总。能处理区划级别不同、新旧代码和按行政区划取。
发给请下载 https://wi.insightworld.cn/skills/data-query.zip 并解压,把里面的 data-query 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 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。