
全国县市区碳排放
一行代表一个县市区在某一年的碳排放总量。数据覆盖全国县市区。可用于评估区域环境风险、辅助绿色保险定价及企业ESG风险筛查。
v1 生效中 · 2026/11/14 发布险种标签:企业财产险责任险时间跨度:1997–2017 年数据出处 Chen, J., Gao, M., 等
- 记录
- 5.7 万
- 字段
- 8
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
8 个字段,6 个没有空值,2 个 AI 扩增
图片:Jason Mavrommatis / Unsplash,Unsplash License(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 8 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 57,435 行计算。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 记录IDid | 整数 | 原生 | 100% | 含义不清 原表列名:id | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 原表列名:year | ||
| 县市区名称county规律 1:县市区名称的字段规律字段规律:county_code由省份名称、地级市名称、县市区名称扩增得出。键:区县名称。样本里格式符合 99.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:CountyName | ||
| 地级市名称city规律 2:地级市名称的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。。county_code由省份名称、地级市名称、县市区名称扩增得出。键:城市名称。样本里格式符合 97%,还没有参照 | 文本 | 原生 | 100% | 原表列名:CityName | ||
| 省份名称province规律 2:省份名称的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。。county_code由省份名称、地级市名称、县市区名称扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:ProvinceName | ||
| 碳排放量carbon_emission_amount | 小数 | 原生 | 100% | 单位:吨 原表列名:碳排放 单位吨 | ||
| 县市区区划代码county_code规律 1:县市区区划代码的字段规律字段规律:county_code由省份名称、地级市名称、县市区名称扩增得出。键:县级区划代码。样本里格式符合 100%,98.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:县市区区划代码 | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份名称、地级市名称、县市区名称查行政区划参照得出的现行县级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 地级市区划代码city_code规律 1:地级市区划代码的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。键:市级区划代码。样本里格式符合 100%,99% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:地级市区划代码 | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份名称、地级市名称查行政区划参照得出的现行地级区划代码。程序查表,不用模型。对不上或置信度低的为空 |
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。
| # | 记录IDid | 年份year | 县市区名称county | 地级市名称city | 省份名称province | 碳排放量carbon_emission_amount | 县市区区划代码county_code | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 1997 | 瑶海区 | 合肥市 | 安徽省 | 1.6300682 | 340102 | 340100 |
| 2 | 1 | 1998 | 瑶海区 | 合肥市 | 安徽省 | 1.5386886 | 340102 | 340100 |
| 3 | 1 | 1999 | 瑶海区 | 合肥市 | 安徽省 | 1.6240003 | 340102 | 340100 |
| 4 | 1 | 2000 | 瑶海区 | 合肥市 | 安徽省 | 1.7089425 | 340102 | 340100 |
| 5 | 1 | 2001 | 瑶海区 | 合肥市 | 安徽省 | 1.6267265 | 340102 | 340100 |
| 6 | 1 | 2002 | 瑶海区 | 合肥市 | 安徽省 | 1.7693451 | 340102 | 340100 |
| 7 | 1 | 2003 | 瑶海区 | 合肥市 | 安徽省 | 2.0326683 | 340102 | 340100 |
| 8 | 1 | 2004 | 瑶海区 | 合肥市 | 安徽省 | 2.2248015 | 340102 | 340100 |
| 9 | 1 | 2005 | 瑶海区 | 合肥市 | 安徽省 | 2.6335487 | 340102 | 340100 |
| 10 | 1 | 2006 | 瑶海区 | 合肥市 | 安徽省 | 2.982779 | 340102 | 340100 |
| 11 | 1 | 2007 | 瑶海区 | 合肥市 | 安徽省 | 3.1847089 | 340102 | 340100 |
| 12 | 1 | 2008 | 瑶海区 | 合肥市 | 安徽省 | 3.371323 | 340102 | 340100 |
| 13 | 1 | 2009 | 瑶海区 | 合肥市 | 安徽省 | 3.6718509 | 340102 | 340100 |
| 14 | 1 | 2010 | 瑶海区 | 合肥市 | 安徽省 | 3.9901977 | 340102 | 340100 |
| 15 | 1 | 2011 | 瑶海区 | 合肥市 | 安徽省 | 4.3296862 | 340102 | 340100 |
| 16 | 1 | 2012 | 瑶海区 | 合肥市 | 安徽省 | 4.3487226 | 340102 | 340100 |
| 17 | 1 | 2013 | 瑶海区 | 合肥市 | 安徽省 | 4.2603107 | 340102 | 340100 |
| 18 | 1 | 2014 | 瑶海区 | 合肥市 | 安徽省 | 4.1809126 | 340102 | 340100 |
| 19 | 1 | 2015 | 瑶海区 | 合肥市 | 安徽省 | 3.7616435 | 340102 | 340100 |
| 20 | 1 | 2016 | 瑶海区 | 合肥市 | 安徽省 | 3.7556986 | 340102 | 340100 |
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57,435 行 · 8 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 56,889 行有城市- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 city_code、county_code、year、province按城市对上本数据集 56,889 行(99%)
- 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 56,889 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、date、county_code、province按城市对上本数据集 56,889 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、province、city_code、county_code按城市对上本数据集 56,889 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、county_code、approve_date、city_code按城市对上本数据集 56,889 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、region_code、city_code、year按城市对上本数据集 56,889 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、region_code、year、province按城市对上本数据集 56,889 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、province_name、city_code_2、county_code_2按城市对上本数据集 56,889 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code、division_year按城市对上本数据集 56,889 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、city_code、region_code按城市对上本数据集 56,889 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、county_code、founded_year、city_code按城市对上本数据集 56,868 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、city_code、region_code按城市对上本数据集 56,868 行(99%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 56,889 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_city_code、month、origin_province按城市对上本数据集 56,889 行(99%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、year、origin_city_code按城市对上本数据集 56,889 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 56,889 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 56,889 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 56,889 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 56,889 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、region_code、province按城市对上本数据集 56,889 行(99%)
- 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 56,889 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、year按城市对上本数据集 56,889 行(99%)
- 地级市银行竞争度指标保险市场 · 9,049 行 · 连接字段 year、province、city_code按城市对上本数据集 56,889 行(99%)
- 地级市年度碳排放量区域底数 · 7,413 行 · 连接字段 province、city_code、year按城市对上本数据集 56,889 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 region_code、year、province按城市对上本数据集 56,889 行(99%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 56,742 行有区县- 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 56,742 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、taobao_village_year按区县对上本数据集 56,742 行(98%)
- 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 56,742 行(98%)
- 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 56,721 行(98%)
- 中国县级二氧化碳排放量区域底数 · 5.7 万 行 · 连接字段 province、year、region_code按区县对上本数据集 56,721 行(98%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、year、province按区县对上本数据集 56,721 行(98%)
- 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 56,700 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、year按区县对上本数据集 56,700 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、year、region_code按区县对上本数据集 56,700 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、year按区县对上本数据集 56,679 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 56,658 行(98%)
- 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 56,259 行(97%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 56,889 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 56,889 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 province_code、city_code、region_code按城市对上本数据集 56,889 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 56,868 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code、city_code按城市对上本数据集 56,721 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、region_code、province_code按城市对上本数据集 56,154 行(97%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code、village_code按城市对上本数据集 55,041 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、city_code、province按城市对上本数据集 54,957 行(95%)
- 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 54,201 行(94%)
- 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 51,513 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 48,090 行(83%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 26,292 行(45%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、region_code、city_code按城市对上本数据集 14,343 行(24%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 56,889 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 55,986 行(97%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date、applicant_address_county_code按城市对上本数据集 54,789 行(95%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year、city_code按城市对上本数据集 53,571 行(93%)
- 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、address_city_code按城市对上本数据集 44,331 行(77%)
- 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 34,566 行(60%)
- 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 6,510 行(11%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 57,435 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 57,435 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 57,435 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 57,435 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 57,435 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code、year按省份对上本数据集 57,435 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 year、province按省份对上本数据集 57,435 行(100%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code、year按省份对上本数据集 57,435 行(100%)
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 region_code、year按省份对上本数据集 57,435 行(100%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province按省份对上本数据集 57,435 行(100%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 57,435 行(100%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 province、identify_year按省份对上本数据集 57,435 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 date、region_code按省份对上本数据集 57,435 行(100%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 56,889 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 56,868 行(99%)
- 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 56,868 行(99%)
- 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 56,868 行(99%)
- 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 56,868 行(99%)
- 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 56,868 行(99%)
- 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 56,826 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 56,805 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 56,406 行(98%)
- 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 55,923 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 region_code、date按城市对上本数据集 55,062 行(95%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 53,382 行(92%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 city1_code、year按城市对上本数据集 51,408 行(89%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 56,889 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 56,889 行(99%)
- 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 56,742 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 56,511 行(98%)
- 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 56,070 行(97%)
- 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 55,965 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 55,020 行(95%)
- 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 52,374 行(91%)
- 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 50,400 行(87%)
- 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 50,106 行(87%)
- 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 49,896 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 49,098 行(85%)
- 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 48,930 行(85%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 56,742 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 valid_from、old_code按区县对上本数据集 56,742 行(98%)
- 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 56,553 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 55,146 行(96%)
- 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 50,799 行(88%)
- 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 44,982 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 29,736 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 15,036 行(26%)
- 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 13,881 行(24%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 9,933 行(17%)
- 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 9,009 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 56,742 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 56,889 行有城市按 省份 能连
14 个数据集 · 本数据集 57,435 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 57,435 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 57,435 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 57,435 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 57,435 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 57,435 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 57,435 行(100%)
- 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 57,435 行(100%)
- 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 57,435 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 57,435 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 57,057 行(99%)
- 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 55,062 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 54,222 行(94%)
按 区县 能连
9 个数据集 · 本数据集 56,742 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 56,574 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 56,154 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 56,154 行(97%)
- 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 53,508 行(93%)
- 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 52,122 行(90%)
- 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 44,142 行(76%)
- 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 32,613 行(56%)
- 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 27,216 行(47%)
- 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 23,121 行(40%)
按 城市 能连
7 个数据集 · 本数据集 56,889 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 56,763 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 50,337 行(87%)
- 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 49,896 行(86%)
- 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 49,896 行(86%)
- 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 48,804 行(84%)
- 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 48,573 行(84%)
- 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 9,513 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
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2
- 扩增得出
city_code由省份名称、地级市名称扩增得出。
来自字段扩增全国县市区碳排放全国县市区碳排放 - 扩增得出
county_code由省份名称、地级市名称、县市区名称扩增得出。
来自字段扩增全国县市区碳排放全国县市区碳排放
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-carbon-emissions/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"county","op":"eq","value":"瑶海区"}],"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。