
- 记录
- 2,976
- 字段
- 147
- AI 扩增字段
- 1
- 平均非空率
- 99.0%
- 字段完整度
147 个字段,127 个没有空值,1 个 AI 扩增。每根竖条代表 2 个字段
01字段
字段来源,逐一标明
共 147 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 2,976 行计算。
关于这个数据集
一行是一个县级行政区(含开发区等功能区)的第七次全国人口普查数据:人口、性别比、城乡人口、少数民族比重、家庭户规模、分性别分年龄人口等约 140 项。覆盖全国 31 个省的 2976 个县级单位,2020 年。可用来看各县的老龄化、人口结构和家庭结构。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 所在省级行政区 | ||
| 地级市city键:城市名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 97% | 所在地级行政区,直辖市和省直辖县级单位为空或写原表的分组名 | ||
| 区县county键:区县名称。样本里格式符合 96.5%,还没有参照 | 文本 | 原生 | 100% | 县级行政区或功能区的名称,按原表 | ||
| 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(2022 年版)。样本里格式符合 100%,95.7% 的行对上参照 region-code-by-year | 文本 | 原生 | 99% | 按 2022 年统计用区划代码按名称对上的 6 位代码,功能区和改过名的对不上,留空 | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 普查年份 | ||
| 总人口total_pop | 整数 | 原生 | 100% | 人 原表列名:人口数(人) | ||
| 男性人口male_pop | 整数 | 原生 | 100% | 人 原表列名:男性人口(人) | ||
| 女性人口female_pop | 整数 | 原生 | 100% | 人 原表列名:女性人口(人) | ||
| 性别比sex_ratio | 小数 | 原生 | 100% | 女=100 原表列名:性别比(女=100) | ||
| 少数民族人口比重minority_share | 小数 | 原生 | 100% | % | ||
| 城镇人口urban_pop | 整数 | 原生 | 100% | 人 原表列名:城镇人口(人) | ||
| 乡村人口rural_pop | 整数 | 原生 | 94% | 人 原表列名:乡村人口(人) | ||
| 家庭户数household_count | 整数 | 原生 | 100% | 户 原表列名:家庭户数(户) | ||
| 户规模avg_household_size | 小数 | 原生 | 100% | 人/户 原表列名:户规模(人/户) | ||
| 人口数population_count | 整数 | 原生 | 99% | 原表列名:人口数(人).1 | ||
| 一人户数量one_person_households | 整数 | 原生 | 100% | 原表列名:其中:一人户(户) | ||
| 一代户数量one_generation_households | 整数 | 原生 | 100% | 原表列名:一代户(户) | ||
| 二代户数量two_generation_households | 整数 | 原生 | 100% | 原表列名:二代户(户) | ||
| 三代户数量three_generation_households | 整数 | 原生 | 100% | 原表列名:三代户(户) | ||
| 四代以上户数量four_plus_generation_households | 整数 | 原生 | 100% | 原表列名:四代以上户(户) | ||
| 0岁男性人口male_pop_0 | 整数 | 原生 | 100% | 原表列名:0岁男性人口(人) | ||
| 0岁女性人口female_pop_0 | 整数 | 原生 | 100% | 原表列名:0岁女性人口(人) | ||
| 1-4岁男性人口male_pop_1_4 | 整数 | 原生 | 100% | 原表列名:1-4岁男性人口(人) | ||
| 1-4岁女性人口female_pop_1_4 | 整数 | 原生 | 100% | 原表列名:1-4岁女性人口(人) | ||
| 5-9岁男性人口male_pop_5_9 | 整数 | 原生 | 100% | 原表列名:5-9岁男性人口(人) | ||
| 5-9岁女性人口female_pop_5_9 | 整数 | 原生 | 100% | 原表列名:5-9岁女性人口(人) | ||
| 10-14岁男性人口male_pop_10_14 | 整数 | 原生 | 100% | 原表列名:10-14岁男性人口(人) | ||
| 10-14岁女性人口female_pop_10_14 | 整数 | 原生 | 100% | 原表列名:10-14岁女性人口(人) | ||
| 15-19岁男性人口male_pop_15_19 | 整数 | 原生 | 100% | 原表列名:15-19岁男性人口(人) | ||
| 15-19岁女性人口female_pop_15_19 | 整数 | 原生 | 100% | 原表列名:15-19岁女性人口(人) | ||
| 20-24岁男性人口male_pop_20_24 | 整数 | 原生 | 100% | 原表列名:20-24岁男性人口(人) | ||
| 20-24岁女性人口female_pop_20_24 | 整数 | 原生 | 100% | 原表列名:20-24岁女性人口(人) | ||
| 25-29岁男性人口male_pop_25_29 | 整数 | 原生 | 100% | 原表列名:25-29岁男性人口(人) | ||
| 25-29岁女性人口female_pop_25_29 | 整数 | 原生 | 100% | 原表列名:25-29岁女性人口(人) | ||
| 30-34岁男性人口male_pop_30_34 | 整数 | 原生 | 100% | 原表列名:30-34岁男性人口(人) | ||
| 30-34岁女性人口female_pop_30_34 | 整数 | 原生 | 100% | 原表列名:30-34岁女性人口(人) | ||
| 35-39岁男性人口male_pop_35_39 | 整数 | 原生 | 100% | 原表列名:35-39岁男性人口(人) | ||
| 35-39岁女性人口female_pop_35_39 | 整数 | 原生 | 100% | 原表列名:35-39岁女性人口(人) | ||
| 40-44岁男性人口male_pop_40_44 | 整数 | 原生 | 100% | 原表列名:40-44岁男性人口(人) | ||
| 40-44岁女性人口female_pop_40_44 | 整数 | 原生 | 100% | 原表列名:40-44岁女性人口(人) | ||
| 45-49岁男性人口male_pop_45_49 | 整数 | 原生 | 100% | 原表列名:45-49岁男性人口(人) | ||
| 45-49岁女性人口female_pop_45_49 | 整数 | 原生 | 100% | 原表列名:45-49岁女性人口(人) | ||
| 50-54岁男性人口male_pop_50_54 | 整数 | 原生 | 100% | 原表列名:50-54岁男性人口(人) | ||
| 50-54岁女性人口female_pop_50_54 | 整数 | 原生 | 100% | 原表列名:50-54岁女性人口(人) | ||
| 55-59岁男性人口male_pop_55_59 | 整数 | 原生 | 100% | 原表列名:55-59岁男性人口(人) | ||
| 55-59岁女性人口female_pop_55_59 | 整数 | 原生 | 100% | 原表列名:55-59岁女性人口(人) | ||
| 60-64岁男性人口male_pop_60_64 | 整数 | 原生 | 100% | 原表列名:60-64岁男性人口(人) | ||
| 60-64岁女性人口female_pop_60_64 | 整数 | 原生 | 100% | 原表列名:60-64岁女性人口(人) | ||
| 65-69岁男性人口male_pop_65_69 | 整数 | 原生 | 100% | 原表列名:65-69岁男性人口(人) | ||
| 65-69岁女性人口female_pop_65_69 | 整数 | 原生 | 100% | 原表列名:65-69岁女性人口(人) | ||
| 70-74岁男性人口male_pop_70_74 | 整数 | 原生 | 100% | 原表列名:70-74岁男性人口(人) | ||
| 70-74岁女性人口female_pop_70_74 | 整数 | 原生 | 100% | 原表列名:70-74岁女性人口(人) | ||
| 75-79岁男性人口male_pop_75_79 | 整数 | 原生 | 100% | 原表列名:75-79岁男性人口(人) | ||
| 75-79岁女性人口female_pop_75_79 | 整数 | 原生 | 100% | 原表列名:75-79岁女性人口(人) | ||
| 80-84岁男性人口male_pop_80_84 | 整数 | 原生 | 100% | 原表列名:80-84岁男性人口(人) | ||
| 80-84岁女性人口female_pop_80_84 | 整数 | 原生 | 100% | 原表列名:80-84岁女性人口(人) | ||
| 85岁及以上男性人口male_pop_85_plus | 整数 | 原生 | 100% | 原表列名:85岁及以上男性人口(人) | ||
| 85岁及以上女性人口female_pop_85_plus | 整数 | 原生 | 99% | 原表列名:85岁及以上女性人口(人) | ||
| 0-14岁人口比重pop_ratio_0_14 | 小数 | 原生 | 100% | 原表列名:0-14岁人口比重(%) | ||
| 15-64岁人口比重pop_ratio_15_64 | 小数 | 原生 | 100% | 原表列名:15-64岁人口比重(%) | ||
| 65岁及以上人口比重pop_ratio_65_plus | 小数 | 原生 | 100% | 原表列名:65岁及以上人口比重(%) | ||
| 15-49岁育龄妇女比重fertile_women_ratio_15_49 | 小数 | 原生 | 100% | 原表列名:15-49岁育龄妇女比重(%) | ||
| 有65岁及以上老年人口的户数households_with_elderly_65_plus | 整数 | 原生 | 100% | 原表列名:有65岁及以上老年人口的户数(户) | ||
| 有一个老人的户数households_with_one_elderly | 整数 | 原生 | 100% | 原表列名:有一个老人的户数(户) | ||
| 有二个老人的户数households_with_two_elderly | 整数 | 原生 | 100% | 原表列名:有二个老人的户数(户) | ||
| 有三个及以上老人的户数households_with_three_plus_elderly | 整数 | 原生 | 100% | 原表列名:有三个及以上老人的户数(户) | ||
| 本县(市、区)人口pop_local_county | 整数 | 原生 | 100% | 原表列名:本县(市、区)(人) | ||
| 本省及其他县(市、区)人口pop_other_county_same_province | 整数 | 原生 | 100% | 原表列名:本省及其他县(市、区)(人) | ||
| 省外人口pop_outside_province | 整数 | 原生 | 100% | 原表列名:省外(人) | ||
| 未上过学edu_none | 整数 | 原生 | 100% | 含义不清 | ||
| 学前教育edu_preschool | 整数 | 原生 | 100% | 含义不清 | ||
| 小学edu_primary | 整数 | 原生 | 100% | 含义不清 | ||
| 初中edu_junior_high | 整数 | 原生 | 100% | 含义不清 | ||
| 高中edu_senior_high | 整数 | 原生 | 100% | 含义不清 | ||
| 大学专科edu_college | 整数 | 原生 | 100% | 含义不清 | ||
| 大学本科及以上edu_bachelor_plus | 整数 | 原生 | 100% | 含义不清 | ||
| 平均受教育年限avg_years_education | 小数 | 原生 | 100% | 原表列名:平均受教育年限(年) | ||
| 男性平均受教育年限avg_years_education_male | 小数 | 原生 | 100% | 原表列名:男性平均受教育年限(年) | ||
| 女性平均受教育年限avg_years_education_female | 小数 | 原生 | 100% | 原表列名:女性平均受教育年限(年) | ||
| 15岁及以上文盲人口illiterate_pop_15_plus | 整数 | 原生 | 100% | 原表列名:15岁及以上文盲人口(人) | ||
| 男性15岁及以上文盲人口illiterate_pop_15_plus_male | 整数 | 原生 | 100% | 原表列名:男性15岁及以上文盲人口(人) | ||
| 女性15岁及以上文盲人口illiterate_pop_15_plus_female | 整数 | 原生 | 99% | 原表列名:女性15岁及以上文盲人口(人) | ||
| 文盲人口占15岁及以上人口比重illiterate_ratio_15_plus | 小数 | 原生 | 100% | 原表列名:文盲人口占15岁以以上人口比重(%) | ||
| 男性文盲占比illiterate_ratio_male | 小数 | 原生 | 100% | 原表列名:男性占比(%) | ||
| 女性文盲占比illiterate_ratio_female | 小数 | 原生 | 100% | 原表列名:女性占比(%) | ||
| 各种职业人口总计total_employed_pop | 整数 | 原生 | 100% | 原表列名:各种职业人口总计(人) | ||
| 党的机关、国家机关、群众团体和社会组织、occ_managers | 整数 | 原生 | 100% | 原表列名:党的机关、国家机关、群众团体和社会组织、企事业单位负责人(人) | ||
| 专业技术人员occ_professionals | 整数 | 原生 | 100% | 原表列名:专业技术人员(人) | ||
| 办事人员和有关人员occ_clerks | 整数 | 原生 | 100% | 原表列名:办事人员和有关人员(人) | ||
| 社会生产服务和生活服务人员occ_service_workers | 整数 | 原生 | 100% | 原表列名:社会生产服务和生活服务人员(人) | ||
| 农、林、牧、渔业生产及辅助人员occ_agriculture_workers | 整数 | 原生 | 100% | 原表列名:农、林、牧、渔业生产及辅助人员(人) | ||
| 生产制造及有关人员occ_manufacturing_workers | 整数 | 原生 | 100% | 原表列名:生产制造及有关人员(人) | ||
| 不便分类的其他从业人员occ_other_workers | 整数 | 原生 | 89% | 原表列名:不便分类的其他从业人员(人) | ||
| 各种行业人口总计total_industry_pop | 整数 | 原生 | 100% | 原表列名:各种行业人口总计(人) | ||
| 农林牧渔业从业人口occ_agriculture_forestry_fishery_pop | 整数 | 原生 | 100% | 原表列名:农、林、牧、渔业(人) | ||
| 采矿业从业人口occ_mining_pop | 整数 | 原生 | 97% | 原表列名:采矿业(人) | ||
| 制造业从业人口occ_manufacturing_pop | 整数 | 原生 | 100% | 原表列名:制造业(人) | ||
| 电力热力燃气及水生产和供应业从业人口occ_utility_pop | 整数 | 原生 | 100% | 原表列名:电力、热力、燃气及水生产和供应业(人) | ||
| 建筑业从业人口occ_construction_pop | 整数 | 原生 | 100% | 原表列名:建筑业(人) | ||
| 批发和零售业从业人口occ_wholesale_retail_pop | 整数 | 原生 | 100% | 原表列名:批发和零售业(人) | ||
| 交通运输仓储和邮政业从业人口occ_transport_warehouse_post_pop | 整数 | 原生 | 100% | 原表列名:交通运输、仓储和邮政业(人) | ||
| 住宿餐饮业从业人口occ_accommodation_catering_pop | 整数 | 原生 | 100% | 原表列名:住宿、餐饮业(人) | ||
| 信息传输软件和信息技术服务业从业人口occ_it_services_pop | 整数 | 原生 | 100% | 原表列名:信息传输、软件和信息技术服务业(人) | ||
| 金融业从业人口occ_finance_pop | 整数 | 原生 | 100% | 原表列名:金融业(人) | ||
| 房地产业从业人口occ_real_estate_pop | 整数 | 原生 | 99% | 原表列名:房地产业(人) | ||
| 租赁和商务服务业从业人口occ_leasing_business_pop | 整数 | 原生 | 100% | 原表列名:租赁和商务服务业(人) | ||
| 科学研究和技术服务业从业人口occ_sci_tech_services_pop | 整数 | 原生 | 99% | 原表列名:科学研究和技术服务业(人) | ||
| 水利环境和公共设施管理业从业人口occ_water_env_facility_pop | 整数 | 原生 | 100% | 原表列名:水利、环境和公共设施管理业(人) | ||
| 居民服务修理和其他服务业从业人口occ_resident_services_pop | 整数 | 原生 | 100% | 原表列名:居民服务、修理和其他服务业(人) | ||
| 教育业从业人口occ_education_pop | 整数 | 原生 | 100% | 原表列名:教育(人) | ||
| 卫生和社会工作从业人口occ_health_social_work_pop | 整数 | 原生 | 100% | 原表列名:卫生和社会工作(人) | ||
| 文化体育和娱乐业从业人口occ_culture_sports_entertainment_pop | 整数 | 原生 | 100% | 原表列名:文化、体育和娱乐业(人) | ||
| 公共管理社会保障和社会组织从业人口occ_public_admin_social_sec_pop | 整数 | 原生 | 99% | 原表列名:公共管理、社会保障和社会组织(人) | ||
| 国际组织从业人口occ_intl_org_pop | 整数 | 原生 | 8.4% | 原表列名:国际组织(人) | ||
| 15岁及以上人口pop_15_plus | 整数 | 原生 | 100% | 原表列名:15岁及以上人口(人) | ||
| 15岁及以上男性人口male_pop_15_plus | 整数 | 原生 | 100% | 原表列名:男性人口(人).1 | ||
| 15岁及以上女性人口female_pop_15_plus | 整数 | 原生 | 100% | 原表列名:女性人口(人).1 | ||
| 未婚人口pop_unmarried | 整数 | 原生 | 100% | 原表列名:未婚人口(人) | ||
| 未婚男性人口male_pop_unmarried | 整数 | 原生 | 100% | 原表列名:男性人口(人).2 | ||
| 未婚女性人口female_pop_unmarried | 整数 | 原生 | 100% | 原表列名:女性人口(人).2 | ||
| 有配偶人口pop_married | 整数 | 原生 | 100% | 原表列名:有配偶人口(人) | ||
| 有配偶男性人口male_pop_married | 整数 | 原生 | 100% | 原表列名:男性人口(人).3 | ||
| 有配偶女性人口female_pop_married | 整数 | 原生 | 100% | 原表列名:女性人口(人).3 | ||
| 离婚人口pop_divorced | 整数 | 原生 | 100% | 原表列名:离婚人口(人) | ||
| 离婚男性人口male_pop_divorced | 整数 | 原生 | 100% | 原表列名:男性人口(人).4 | ||
| 离婚女性人口female_pop_divorced | 整数 | 原生 | 100% | 原表列名:女性人口(人).4 | ||
| 丧偶人口pop_widowed | 整数 | 原生 | 100% | 原表列名:丧偶人口(人) | ||
| 丧偶男性人口male_pop_widowed | 整数 | 原生 | 100% | 原表列名:男性人口(人).5 | ||
| 丧偶女性人口female_pop_widowed | 整数 | 原生 | 99% | 原表列名:女性人口(人).5 | ||
| 平均活产子女数avg_live_birth_children | 小数 | 原生 | 100% | 原表列名:平均活产子女数(人) | ||
| 平均存活子女数avg_surviving_children | 小数 | 原生 | 100% | 原表列名:平均存活子女数(人) | ||
| 家庭户户数household_count_housing | 整数 | 原生 | 99% | 原表列名:家庭户户数(户) | ||
| 平均每户住房间数avg_rooms_per_household | 小数 | 原生 | 100% | 原表列名:平均每户住房间数(间/户) | ||
| 人均住房建筑面积avg_housing_area_per_capita | 小数 | 原生 | 100% | 原表列名:人均住房建筑面积(平方米/人) | ||
| 家庭户户数household_count_housing_2 | 整数 | 原生 | 100% | 原表列名:家庭户户数(户).1 | ||
| 住房内有管道自来水户数households_with_piped_water | 整数 | 原生 | 100% | 原表列名:住房内有管道自来水户数(户) | ||
| 住房内有厨房户数households_with_kitchen | 整数 | 原生 | 100% | 原表列名:住房内有厨房户数(户) | ||
| 住房内有厕所户数households_with_toilet | 整数 | 原生 | 100% | 原表列名:住房内有厕所户数(户) | ||
| 住房内有洗澡设施户数households_with_bathing_facilities | 整数 | 原生 | 100% | 原表列名:住房内有洗澡设施户数(户) | ||
| 住房所在建筑有电梯户数households_with_elevator | 整数 | 原生 | 100% | 原表列名:住房所在建筑有电梯户数(户) | ||
| 拥有家用汽车户数households_with_car | 整数 | 原生 | 100% | 原表列名:拥有家用汽车户数(户) | ||
| 租赁户数households_rented | 整数 | 原生 | 100% | 原表列名:租赁(户) | ||
| 自建户数households_self_built | 整数 | 原生 | 100% | 原表列名:自建(户) | ||
| 购买户数households_purchased | 整数 | 原生 | 100% | 原表列名:购买(户) | ||
| 继承或赠予户数households_inherited_gifted | 整数 | 原生 | 99% | 原表列名:继承或赠予(户) | ||
| 其他户数households_other | 整数 | 原生 | 99% | 原表列名:其他(户) | ||
| 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%,95.6% 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) | 94%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。
| # | 省份province | 地级市city | 区县county | 区县代码county_code | 年份year | 总人口total_pop | 男性人口male_pop | 女性人口female_pop | 性别比sex_ratio | 少数民族人口比重minority_share | 城镇人口urban_pop | 乡村人口rural_pop | 家庭户数household_count | 户规模avg_household_size | 人口数population_count | 一人户数量one_person_households | 一代户数量one_generation_households | 二代户数量two_generation_households | 三代户数量three_generation_households | 四代以上户数量four_plus_generation_households | 0岁男性人口male_pop_0 | 0岁女性人口female_pop_0 | 1-4岁男性人口male_pop_1_4 | 1-4岁女性人口female_pop_1_4 | 5-9岁男性人口male_pop_5_9 | 5-9岁女性人口female_pop_5_9 | 10-14岁男性人口male_pop_10_14 | 10-14岁女性人口female_pop_10_14 | 15-19岁男性人口male_pop_15_19 | 15-19岁女性人口female_pop_15_19 | 20-24岁男性人口male_pop_20_24 | 20-24岁女性人口female_pop_20_24 | 25-29岁男性人口male_pop_25_29 | 25-29岁女性人口female_pop_25_29 | 30-34岁男性人口male_pop_30_34 | 30-34岁女性人口female_pop_30_34 | 35-39岁男性人口male_pop_35_39 | 35-39岁女性人口female_pop_35_39 | 40-44岁男性人口male_pop_40_44 | 40-44岁女性人口female_pop_40_44 | 45-49岁男性人口male_pop_45_49 | 45-49岁女性人口female_pop_45_49 | 50-54岁男性人口male_pop_50_54 | 50-54岁女性人口female_pop_50_54 | 55-59岁男性人口male_pop_55_59 | 55-59岁女性人口female_pop_55_59 | 60-64岁男性人口male_pop_60_64 | 60-64岁女性人口female_pop_60_64 | 65-69岁男性人口male_pop_65_69 | 65-69岁女性人口female_pop_65_69 | 70-74岁男性人口male_pop_70_74 | 70-74岁女性人口female_pop_70_74 | 75-79岁男性人口male_pop_75_79 | 75-79岁女性人口female_pop_75_79 | 80-84岁男性人口male_pop_80_84 | 80-84岁女性人口female_pop_80_84 | 85岁及以上男性人口male_pop_85_plus | 85岁及以上女性人口female_pop_85_plus | 0-14岁人口比重pop_ratio_0_14 | 15-64岁人口比重pop_ratio_15_64 | 65岁及以上人口比重pop_ratio_65_plus | 15-49岁育龄妇女比重fertile_women_ratio_15_49 | 有65岁及以上老年人口的户数households_with_elderly_65_plus | 有一个老人的户数households_with_one_elderly | 有二个老人的户数households_with_two_elderly | 有三个及以上老人的户数households_with_three_plus_elderly | 本县(市、区)人口pop_local_county | 本省及其他县(市、区)人口pop_other_county_same_province | 省外人口pop_outside_province | 未上过学edu_none | 学前教育edu_preschool | 小学edu_primary | 初中edu_junior_high | 高中edu_senior_high | 大学专科edu_college | 大学本科及以上edu_bachelor_plus | 平均受教育年限avg_years_education | 男性平均受教育年限avg_years_education_male | 女性平均受教育年限avg_years_education_female | 15岁及以上文盲人口illiterate_pop_15_plus | 男性15岁及以上文盲人口illiterate_pop_15_plus_male | 女性15岁及以上文盲人口illiterate_pop_15_plus_female | 文盲人口占15岁及以上人口比重illiterate_ratio_15_plus | 男性文盲占比illiterate_ratio_male | 女性文盲占比illiterate_ratio_female | 各种职业人口总计total_employed_pop | 党的机关、国家机关、群众团体和社会组织、occ_managers | 专业技术人员occ_professionals | 办事人员和有关人员occ_clerks | 社会生产服务和生活服务人员occ_service_workers | 农、林、牧、渔业生产及辅助人员occ_agriculture_workers | 生产制造及有关人员occ_manufacturing_workers | 不便分类的其他从业人员occ_other_workers | 各种行业人口总计total_industry_pop | 农林牧渔业从业人口occ_agriculture_forestry_fishery_pop | 采矿业从业人口occ_mining_pop | 制造业从业人口occ_manufacturing_pop | 电力热力燃气及水生产和供应业从业人口occ_utility_pop | 建筑业从业人口occ_construction_pop | 批发和零售业从业人口occ_wholesale_retail_pop | 交通运输仓储和邮政业从业人口occ_transport_warehouse_post_pop | 住宿餐饮业从业人口occ_accommodation_catering_pop | 信息传输软件和信息技术服务业从业人口occ_it_services_pop | 金融业从业人口occ_finance_pop | 房地产业从业人口occ_real_estate_pop | 租赁和商务服务业从业人口occ_leasing_business_pop | 科学研究和技术服务业从业人口occ_sci_tech_services_pop | 水利环境和公共设施管理业从业人口occ_water_env_facility_pop | 居民服务修理和其他服务业从业人口occ_resident_services_pop | 教育业从业人口occ_education_pop | 卫生和社会工作从业人口occ_health_social_work_pop | 文化体育和娱乐业从业人口occ_culture_sports_entertainment_pop | 公共管理社会保障和社会组织从业人口occ_public_admin_social_sec_pop | 国际组织从业人口occ_intl_org_pop | 15岁及以上人口pop_15_plus | 15岁及以上男性人口male_pop_15_plus | 15岁及以上女性人口female_pop_15_plus | 未婚人口pop_unmarried | 未婚男性人口male_pop_unmarried | 未婚女性人口female_pop_unmarried | 有配偶人口pop_married | 有配偶男性人口male_pop_married | 有配偶女性人口female_pop_married | 离婚人口pop_divorced | 离婚男性人口male_pop_divorced | 离婚女性人口female_pop_divorced | 丧偶人口pop_widowed | 丧偶男性人口male_pop_widowed | 丧偶女性人口female_pop_widowed | 平均活产子女数avg_live_birth_children | 平均存活子女数avg_surviving_children | 家庭户户数household_count_housing | 平均每户住房间数avg_rooms_per_household | 人均住房建筑面积avg_housing_area_per_capita | 家庭户户数household_count_housing_2 | 住房内有管道自来水户数households_with_piped_water | 住房内有厨房户数households_with_kitchen | 住房内有厕所户数households_with_toilet | 住房内有洗澡设施户数households_with_bathing_facilities | 住房所在建筑有电梯户数households_with_elevator | 拥有家用汽车户数households_with_car | 租赁户数households_rented | 自建户数households_self_built | 购买户数households_purchased | 继承或赠予户数households_inherited_gifted | 其他户数households_other | 区县代码(现行)county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | — | 东城区 | 110101 | 2020 | 708829 | 343913 | 364916 | 94.24 | 5.78 | 708829 | — | 285543 | 2.33 | 664218 | 83563 | 148077 | 105698 | 31448 | 320 | 2265 | 2126 | 13193 | 12455 | 21577 | 19742 | 13924 | 13008 | 8768 | 7668 | 12350 | 11687 | 19117 | 20770 | 28394 | 30979 | 34173 | 38728 | 27966 | 29216 | 24285 | 25087 | 22672 | 23683 | 28767 | 28701 | 27964 | 30315 | 24441 | 27308 | 13244 | 14362 | 7332 | 8981 | 6550 | 10128 | 6931 | 9972 | 13.87 | 67.9 | 18.23 | 23.16 | 90477 | 54255 | 35452 | 770 | 47218 | 73620 | 158101 | 916 | 1540 | 33363 | 58091 | 76609 | 46632 | 107882 | 12.65 | 12.66 | 12.64 | 2874 | 426 | 2448 | 0.47 | 0.15 | 0.77 | 31286 | 1815 | 8940 | 6917 | 12343 | 11 | 1218 | 42 | 31286 | 6 | 55 | 1179 | 283 | 1096 | 4186 | 1287 | 2233 | 2354 | 2677 | 1758 | 3277 | 1927 | 405 | 930 | 1672 | 1571 | 1584 | 2793 | 13 | 64459 | 30790 | 33669 | 10980 | 5493 | 5487 | 47304 | 23492 | 23812 | 2631 | 1065 | 1566 | 3544 | 740 | 2804 | 0.84 | 0.82 | 275665 | 1.94 | 26.25 | 27524 | 26640 | 25568 | 21358 | 25124 | 11154 | 12882 | 10689 | 493 | 14163 | 775 | 1404 | 110101 |
| 2 | 北京市 | — | 西城区 | 110102 | 2020 | 1106214 | 536462 | 569752 | 94.16 | 6.48 | 1106214 | — | 440708 | 2.37 | 1044441 | 124928 | 227080 | 163513 | 49538 | 577 | 3635 | 3339 | 20958 | 19709 | 35042 | 31641 | 22773 | 20815 | 13800 | 12130 | 19199 | 19287 | 29632 | 31632 | 42457 | 45857 | 52961 | 60865 | 45809 | 48998 | 40438 | 41206 | 34938 | 36401 | 42720 | 42651 | 41154 | 45135 | 37033 | 41923 | 20204 | 22432 | 11531 | 14168 | 10271 | 15502 | 11907 | 16061 | 14.27 | 67.55 | 18.17 | 23.5 | 139804 | 81500 | 56947 | 1357 | 116967 | 85489 | 244156 | 1390 | 2670 | 52456 | 88476 | 102798 | 67792 | 190824 | 12.76 | 12.8 | 12.72 | 5095 | 740 | 4355 | 0.54 | 0.16 | 0.88 | 50865 | 2642 | 16466 | 10403 | 19532 | 33 | 1754 | 35 | 50865 | 16 | 108 | 2093 | 705 | 1716 | 5467 | 1811 | 3387 | 4027 | 5489 | 2702 | 4629 | 3929 | 599 | 1479 | 3012 | 2485 | 2513 | 4685 | 13 | 101101 | 48730 | 52371 | 17107 | 8734 | 8373 | 75150 | 37386 | 37764 | 3536 | 1442 | 2094 | 5308 | 1168 | 4140 | 0.87 | 0.85 | 423566 | 1.97 | 26.37 | 41922 | 40558 | 38489 | 35481 | 38891 | 17788 | 20520 | 14577 | 402 | 23002 | 1405 | 2536 | 110102 |
| 3 | 北京市 | — | 朝阳区 | 110105 | 2020 | 3452460 | 1706125 | 1746335 | 97.7 | 4.93 | 3452460 | — | 1465020 | 2.16 | 3167579 | 503179 | 914816 | 433336 | 115598 | 1270 | 12329 | 11304 | 66048 | 61070 | 76137 | 71025 | 50283 | 46996 | 41172 | 37382 | 88221 | 95007 | 147320 | 158942 | 200028 | 203246 | 182892 | 183853 | 138380 | 133220 | 128147 | 124491 | 121902 | 118222 | 124131 | 121843 | 104303 | 111791 | 89009 | 101817 | 50634 | 59091 | 32240 | 40815 | 29164 | 38203 | 23785 | 28017 | 11.45 | 74.28 | 14.27 | 27.12 | 334530 | 187878 | 144604 | 2048 | 468471 | 368040 | 1280747 | 4594 | 5913 | 138040 | 344929 | 301887 | 226764 | 590920 | 12.83 | 12.79 | 12.86 | 15008 | 2890 | 12118 | 0.49 | 0.19 | 0.78 | 158963 | 5638 | 45165 | 27855 | 71032 | 120 | 9053 | 100 | 158963 | 140 | 389 | 6941 | 1241 | 9124 | 24522 | 7544 | 7305 | 17013 | 9250 | 7873 | 17600 | 11240 | 1759 | 6672 | 9400 | 4770 | 7996 | 8089 | 95 | 290948 | 142199 | 148749 | 62436 | 30352 | 32084 | 207426 | 105579 | 101847 | 9126 | 3602 | 5524 | 11960 | 2666 | 9294 | 0.78 | 0.76 | 1419028 | 2.03 | 35.93 | 135425 | 127180 | 127063 | 126534 | 127113 | 80436 | 62237 | 47204 | 2236 | 72066 | 504 | 13415 | 110105 |
| 4 | 北京市 | — | 丰台区 | 110106 | 2020 | 2019764 | 999286 | 1020478 | 97.92 | 4.18 | 2003652 | 16112 | 828157 | 2.28 | 1889810 | 235973 | 487920 | 261653 | 77473 | 1111 | 7340 | 6496 | 38452 | 36026 | 39559 | 36669 | 28822 | 26316 | 22658 | 19711 | 43235 | 43591 | 77311 | 82325 | 110443 | 112189 | 98529 | 97997 | 74278 | 71496 | 72875 | 73333 | 75037 | 73939 | 86680 | 85471 | 77289 | 81677 | 62572 | 69297 | 34287 | 37621 | 19027 | 24820 | 16871 | 23503 | 14021 | 18001 | 10.88 | 73.28 | 15.84 | 24.79 | 216986 | 118868 | 96834 | 1284 | 214508 | 383463 | 645322 | 3018 | 2995 | 78837 | 211925 | 206153 | 145189 | 297648 | 12.56 | 12.62 | 12.49 | 13261 | 2176 | 11085 | 0.74 | 0.25 | 1.21 | 98285 | 3751 | 28193 | 16895 | 42354 | 109 | 6983 | — | 98285 | 213 | 85 | 6162 | 1048 | 6271 | 16683 | 5503 | 3754 | 8226 | 5819 | 4599 | 9122 | 6527 | 1447 | 3224 | 5443 | 4434 | 3327 | 6368 | 30 | 183449 | 90350 | 93099 | 33435 | 16977 | 16458 | 134988 | 68919 | 66069 | 6416 | 2629 | 3787 | 8610 | 1825 | 6785 | 0.84 | 0.82 | 795308 | 2.13 | 33.35 | 79216 | 76076 | 74856 | 74187 | 74523 | 44526 | 36868 | 25913 | 1993 | 41796 | 1405 | 8109 | 110106 |
| 5 | 北京市 | — | 石景山区 | 110107 | 2020 | 567851 | 281740 | 286111 | 98.47 | 4.04 | 567851 | — | 222821 | 2.35 | 522548 | 56219 | 122938 | 76881 | 22777 | 225 | 2052 | 1980 | 10989 | 10161 | 11869 | 10936 | 8604 | 7918 | 8962 | 6949 | 15558 | 13121 | 20116 | 20091 | 28458 | 29237 | 26234 | 27547 | 19958 | 20396 | 19791 | 20183 | 20676 | 20585 | 23967 | 23745 | 21671 | 23077 | 18792 | 20171 | 9324 | 10280 | 5329 | 7084 | 5034 | 7101 | 4356 | 5549 | 11.36 | 72.26 | 16.38 | 24.22 | 62419 | 33826 | 28229 | 364 | 61196 | 97267 | 166387 | 1051 | 955 | 22753 | 51840 | 55364 | 42723 | 91680 | 12.73 | 12.83 | 12.63 | 4430 | 757 | 3673 | 0.88 | 0.3 | 1.44 | 24288 | 1105 | 7753 | 4520 | 9023 | 40 | 1796 | 51 | 24288 | 30 | 41 | 1433 | 370 | 1763 | 2918 | 1196 | 802 | 2498 | 1566 | 1036 | 1950 | 1932 | 376 | 710 | 1711 | 1193 | 955 | 1806 | 2 | 49726 | 24485 | 25241 | 8988 | 4805 | 4183 | 36732 | 18423 | 18309 | 1597 | 685 | 912 | 2409 | 572 | 1837 | 0.83 | 0.81 | 215837 | 2.06 | 31.02 | 21134 | 20570 | 20467 | 20184 | 20295 | 11296 | 10237 | 5279 | 318 | 13504 | 166 | 1867 | 110107 |
| 6 | 北京市 | — | 海淀区 | 110108 | 2020 | 3133469 | 1562094 | 1571375 | 99.41 | 4.99 | 3058731 | 74738 | 1118037 | 2.33 | 2602895 | 348723 | 623941 | 367996 | 124505 | 1595 | 9717 | 8763 | 55551 | 51825 | 72804 | 66876 | 55545 | 50030 | 69602 | 65806 | 155066 | 150362 | 151792 | 140944 | 154663 | 146452 | 137347 | 142875 | 114163 | 116871 | 112019 | 113598 | 105536 | 104250 | 102570 | 100095 | 80462 | 88566 | 70326 | 80736 | 39442 | 46537 | 25657 | 35860 | 27301 | 34148 | 22531 | 26781 | 11.84 | 75.09 | 13.06 | 27.99 | 274338 | 149103 | 123091 | 2144 | 327616 | 248736 | 1118215 | 3687 | 5227 | 123577 | 250536 | 226774 | 172069 | 702160 | 13.26 | 13.28 | 13.24 | 14351 | 2613 | 11738 | 0.52 | 0.19 | 0.84 | 146051 | 9130 | 47612 | 22917 | 56786 | 442 | 8819 | 345 | 146051 | 381 | 145 | 7484 | 894 | 7066 | 15311 | 4107 | 7742 | 19749 | 6658 | 6839 | 13188 | 16978 | 1831 | 5071 | 14645 | 5570 | 4441 | 7939 | 12 | 280541 | 139304 | 141237 | 79807 | 41805 | 38002 | 183551 | 92442 | 91109 | 7220 | 2839 | 4381 | 9963 | 2218 | 7745 | 0.76 | 0.75 | 1061742 | 2.18 | 32.74 | 104641 | 98841 | 96851 | 97430 | 97430 | 51155 | 53370 | 41386 | 2807 | 52051 | 779 | 7618 | 110108 |
| 7 | 北京市 | — | 门头沟区 | 110109 | 2020 | 392606 | 199066 | 193540 | 102.86 | 2.73 | 358945 | 33661 | 155912 | 2.28 | 355253 | 41187 | 92472 | 51048 | 12187 | 205 | 1574 | 1462 | 8174 | 7662 | 7602 | 7186 | 5742 | 5358 | 4780 | 3934 | 9228 | 7932 | 15316 | 13826 | 21112 | 19900 | 17291 | 16408 | 13432 | 13000 | 15327 | 15167 | 17761 | 16924 | 19610 | 18139 | 15541 | 15284 | 12296 | 12529 | 6442 | 6969 | 3344 | 4740 | 2551 | 4124 | 1943 | 2996 | 11.4 | 73.84 | 14.76 | 22.97 | 39340 | 23046 | 16117 | 177 | 86818 | 45031 | 115249 | 1207 | 570 | 20876 | 58274 | 42610 | 29494 | 34894 | 11.53 | 11.66 | 11.4 | 4933 | 985 | 3948 | 1.42 | 0.56 | 2.3 | 15297 | 436 | 3410 | 2421 | 7119 | 302 | 1584 | 25 | 15297 | 131 | 70 | 917 | 294 | 1270 | 1935 | 1354 | 583 | 899 | 553 | 775 | 908 | 776 | 311 | 498 | 1113 | 777 | 300 | 1831 | 2 | 32297 | 16053 | 16244 | 4901 | 2753 | 2148 | 24540 | 12469 | 12071 | 1031 | 442 | 589 | 1825 | 389 | 1436 | 0.96 | 0.93 | 148820 | 2.27 | 32.39 | 14887 | 14415 | 14329 | 13868 | 14049 | 6934 | 6595 | 3631 | 2227 | 4836 | 270 | 3923 | 110109 |
| 8 | 北京市 | — | 房山区 | 110111 | 2020 | 1312778 | 675427 | 637351 | 105.97 | 3.84 | 1025320 | 287458 | 454271 | 2.49 | 1131310 | 106390 | 245709 | 149370 | 57859 | 1333 | 5418 | 5159 | 31732 | 29126 | 30583 | 28094 | 20351 | 18754 | 23077 | 19728 | 37674 | 32038 | 49193 | 43438 | 78750 | 72850 | 66176 | 59964 | 48139 | 41518 | 52771 | 47377 | 55358 | 50220 | 53319 | 51811 | 42607 | 44105 | 36555 | 39549 | 20194 | 23477 | 11242 | 14654 | 7313 | 9319 | 4975 | 6170 | 12.89 | 73.9 | 13.21 | 24.14 | 115287 | 65072 | 49702 | 513 | 204124 | 102429 | 438353 | 4021 | 2346 | 75663 | 225469 | 120914 | 89326 | 114901 | 11.29 | 11.38 | 11.19 | 15172 | 3343 | 11829 | 1.33 | 0.57 | 2.13 | 53526 | 2296 | 12193 | 7389 | 22641 | 1236 | 7771 | — | 53526 | 1108 | 69 | 5985 | 813 | 4884 | 7447 | 4288 | 1876 | 2971 | 1489 | 1906 | 3515 | 2961 | 1179 | 1867 | 3685 | 2227 | 930 | 4322 | 4 | 105088 | 53230 | 51858 | 17099 | 9572 | 7527 | 79788 | 40919 | 38869 | 3089 | 1449 | 1640 | 5112 | 1290 | 3822 | 1.04 | 1.03 | 425002 | 2.9 | 40.78 | 42508 | 41954 | 41712 | 41606 | 40612 | 13379 | 22599 | 9925 | 11702 | 17561 | 234 | 3086 | 110111 |
| 9 | 北京市 | — | 通州区 | 110112 | 2020 | 1840295 | 968061 | 872234 | 110.99 | 4.71 | 1361403 | 478892 | 639191 | 2.34 | 1494172 | 190801 | 382878 | 188301 | 66561 | 1451 | 6743 | 6289 | 41291 | 38429 | 41148 | 37800 | 26606 | 24420 | 26329 | 21416 | 59446 | 49501 | 96602 | 84218 | 128020 | 109419 | 104924 | 90755 | 77408 | 62839 | 73884 | 60297 | 72141 | 60849 | 63063 | 60482 | 50565 | 53555 | 46038 | 50630 | 25325 | 27820 | 13651 | 15313 | 8675 | 9882 | 6202 | 8320 | 12.1 | 76.39 | 11.51 | 26 | 136005 | 74965 | 60217 | 823 | 197032 | 181095 | 898000 | 3668 | 3359 | 104838 | 308300 | 166952 | 137505 | 187471 | 11.66 | 11.63 | 11.7 | 11154 | 2657 | 8497 | 0.69 | 0.31 | 1.11 | 79387 | 4033 | 17699 | 10385 | 35565 | 937 | 10618 | 150 | 79387 | 1067 | 38 | 8668 | 693 | 6618 | 12763 | 5852 | 2779 | 5553 | 2806 | 3270 | 6824 | 4044 | 1953 | 2551 | 4578 | 2378 | 2919 | 4025 | 8 | 143057 | 73792 | 69265 | 28678 | 15673 | 13005 | 105921 | 55424 | 50497 | 3252 | 1437 | 1815 | 5206 | 1258 | 3948 | 0.91 | 0.89 | 581621 | 2.56 | 36.42 | 59315 | 56117 | 56141 | 56139 | 55414 | 24023 | 27297 | 20212 | 9891 | 21414 | 853 | 6945 | 110112 |
| 10 | 北京市 | — | 顺义区 | 110113 | 2020 | 1324044 | 710705 | 613339 | 115.87 | 4.32 | 875261 | 448783 | 510917 | 2.3 | 1177328 | 165902 | 323681 | 129680 | 55458 | 2098 | 5158 | 4875 | 29020 | 27320 | 27862 | 25692 | 18676 | 16715 | 17652 | 13995 | 39565 | 31422 | 64466 | 52140 | 101440 | 82277 | 74226 | 58841 | 53972 | 42026 | 59559 | 47395 | 61631 | 49366 | 52859 | 47143 | 37824 | 37360 | 30328 | 32968 | 16569 | 18654 | 9861 | 11846 | 6101 | 7196 | 3936 | 6108 | 11.73 | 77.43 | 10.84 | 24.78 | 95349 | 52130 | 42616 | 603 | 208283 | 106862 | 599286 | 3425 | 2383 | 80770 | 265742 | 121708 | 81891 | 115470 | 11.21 | 11.16 | 11.25 | 11609 | 2674 | 8935 | 0.99 | 0.42 | 1.66 | 71523 | 1226 | 11657 | 9045 | 33154 | 1349 | 15092 | — | 71523 | 1414 | 23 | 10361 | 575 | 9053 | 8495 | 9733 | 3154 | 3498 | 1598 | 2533 | 4365 | 2590 | 1230 | 3039 | 3409 | 1686 | 1150 | 3609 | 8 | 112255 | 60207 | 52048 | 19262 | 11210 | 8052 | 86417 | 46745 | 39672 | 2491 | 1221 | 1270 | 4085 | 1031 | 3054 | 1.06 | 1.02 | 476717 | 2.49 | 36.04 | 48478 | 44511 | 43774 | 46168 | 42743 | 12317 | 24985 | 22198 | 10291 | 13193 | 204 | 2592 | 110113 |
| 11 | 北京市 | — | 昌平区 | 110114 | 2020 | 2269487 | 1219677 | 1049810 | 116.18 | 4.45 | 1856115 | 413372 | 815773 | 2.23 | 1819742 | 275300 | 529310 | 202214 | 82744 | 1505 | 8214 | 7639 | 46289 | 43285 | 41765 | 38563 | 26512 | 23698 | 45693 | 33212 | 109997 | 84804 | 159647 | 123224 | 173853 | 135749 | 121640 | 98519 | 84801 | 68728 | 83093 | 70696 | 81630 | 72220 | 74417 | 72428 | 58052 | 60585 | 46319 | 50045 | 25731 | 27585 | 14277 | 16705 | 10021 | 12133 | 7726 | 9992 | 10.4 | 79.89 | 9.72 | 27.1 | 141835 | 77703 | 63125 | 1007 | 152945 | 320337 | 1310382 | 4509 | 3748 | 95170 | 304121 | 212718 | 180755 | 355429 | 12.44 | 12.49 | 12.4 | 14828 | 3646 | 11182 | 0.73 | 0.33 | 1.19 | 118911 | 3012 | 30019 | 12925 | 59204 | 1151 | 12600 | — | 118911 | 940 | 100 | 9797 | 844 | 8756 | 16537 | 5200 | 5184 | 21895 | 3336 | 4283 | 7672 | 8392 | 1653 | 4383 | 9425 | 3474 | 2595 | 4440 | 5 | 193802 | 103862 | 89940 | 53038 | 31353 | 21685 | 130604 | 69246 | 61358 | 4588 | 2011 | 2577 | 5572 | 1252 | 4320 | 0.83 | 0.81 | 768856 | 2.15 | 34.86 | 78470 | 75967 | 73966 | 76673 | 75320 | 23082 | 34312 | 39061 | 6775 | 26900 | 192 | 5542 | 110114 |
| 12 | 北京市 | — | 大兴区 | 110115 | 2020 | 1993591 | 1072459 | 921132 | 116.43 | 4.26 | 1622382 | 371209 | 660307 | 2.39 | 1579029 | 188507 | 391075 | 193153 | 74157 | 1922 | 7924 | 7372 | 46456 | 42811 | 42503 | 38760 | 27269 | 23821 | 36682 | 24822 | 78257 | 59123 | 104327 | 86577 | 149107 | 123124 | 115161 | 91482 | 80780 | 62809 | 84844 | 69038 | 84395 | 68084 | 72333 | 66522 | 52524 | 53157 | 40877 | 43740 | 21810 | 25460 | 12031 | 14931 | 8375 | 10447 | 6804 | 9052 | 11.88 | 78.41 | 9.71 | 25.93 | 122148 | 67937 | 53438 | 773 | 207100 | 250964 | 1017900 | 4820 | 3882 | 111232 | 337433 | 192771 | 146327 | 213220 | 11.69 | 11.66 | 11.72 | 14508 | 3562 | 10946 | 0.83 | 0.38 | 1.35 | 89988 | 4563 | 20031 | 11574 | 37372 | 1586 | 14745 | 117 | 89988 | 1576 | 42 | 12659 | 787 | 9964 | 14024 | 6123 | 2980 | 5179 | 2708 | 3530 | 5970 | 5186 | 1715 | 3021 | 4702 | 2686 | 1798 | 5334 | 4 | 150740 | 79796 | 70944 | 29965 | 16968 | 12997 | 112295 | 60056 | 52239 | 3618 | 1592 | 2026 | 4862 | 1180 | 3682 | 0.99 | 0.96 | 585225 | 2.59 | 38.44 | 59008 | 54562 | 53997 | 54975 | 52928 | 25337 | 32424 | 23902 | 7293 | 24864 | 402 | 2547 | 110115 |
| 13 | 北京市 | — | 怀柔区 | 110116 | 2020 | 441040 | 235006 | 206034 | 114.06 | 9.54 | 334682 | 106358 | 153338 | 2.39 | 366957 | 38876 | 90031 | 47473 | 15346 | 488 | 1630 | 1479 | 8824 | 8207 | 8807 | 8453 | 7565 | 6967 | 6584 | 5027 | 16831 | 12151 | 17497 | 13937 | 23262 | 19366 | 20623 | 17100 | 15959 | 13331 | 20622 | 17672 | 23092 | 20216 | 20906 | 18716 | 15431 | 14496 | 11553 | 11839 | 6295 | 6668 | 4072 | 4183 | 3075 | 3335 | 2378 | 2891 | 11.77 | 75.46 | 12.76 | 22.35 | 37162 | 21441 | 15461 | 260 | 80410 | 23395 | 155777 | 2897 | 710 | 30863 | 83957 | 45578 | 26588 | 32356 | 10.78 | 10.9 | 10.63 | 9645 | 2589 | 7056 | 2.48 | 1.24 | 3.9 | 18923 | 605 | 2899 | 2683 | 7361 | 814 | 4561 | — | 18923 | 324 | 2 | 3390 | 225 | 2355 | 1936 | 1262 | 1045 | 392 | 337 | 501 | 941 | 539 | 448 | 640 | 1197 | 620 | 277 | 2492 | — | 34785 | 18237 | 16548 | 5558 | 3370 | 2188 | 26594 | 13973 | 12621 | 964 | 447 | 517 | 1669 | 447 | 1222 | 1.09 | 1.07 | 142013 | 2.79 | 37.1 | 14369 | 13561 | 13359 | 13903 | 12831 | 1749 | 7265 | 4231 | 5121 | 4636 | 38 | 343 | 110116 |
| 14 | 北京市 | — | 平谷区 | 110117 | 2020 | 457313 | 233891 | 223422 | 104.69 | 2.07 | 278501 | 178812 | 160875 | 2.61 | 420199 | 33818 | 81374 | 55407 | 23048 | 1046 | 1981 | 1837 | 11484 | 10776 | 10148 | 9588 | 7682 | 7264 | 5599 | 4438 | 9533 | 7424 | 15439 | 13176 | 26581 | 24222 | 19916 | 17691 | 14533 | 13010 | 18162 | 16964 | 19969 | 19267 | 20245 | 20518 | 17287 | 17433 | 15048 | 15716 | 9411 | 10216 | 5122 | 5979 | 3372 | 4115 | 2379 | 3788 | 13.29 | 70.28 | 16.43 | 21.19 | 49715 | 27699 | 21618 | 398 | 82591 | 18476 | 78276 | 2770 | 904 | 35030 | 82299 | 45426 | 28446 | 23776 | 10.43 | 10.66 | 10.18 | 12495 | 2670 | 9825 | 3.15 | 1.32 | 5.07 | 21138 | 634 | 3378 | 2646 | 7803 | 3257 | 3391 | 29 | 21138 | 3287 | 12 | 2626 | 296 | 1557 | 2139 | 2052 | 744 | 512 | 506 | 460 | 793 | 517 | 598 | 594 | 1231 | 931 | 160 | 2123 | — | 38195 | 19366 | 18829 | 4618 | 2837 | 1781 | 30358 | 15454 | 14904 | 914 | 465 | 449 | 2305 | 610 | 1695 | 1.25 | 1.23 | 151659 | 3.3 | 40.55 | 15411 | 14948 | 14872 | 15219 | 14816 | 2143 | 8943 | 1497 | 8859 | 4404 | 89 | 562 | 110117 |
| 15 | 北京市 | — | 密云区 | 110118 | 2020 | 527683 | 269688 | 257995 | 104.53 | 8.12 | 350398 | 177285 | 195078 | 2.47 | 481339 | 42541 | 108960 | 64734 | 20875 | 509 | 2099 | 1993 | 11496 | 10820 | 11096 | 10524 | 9694 | 9025 | 7592 | 6214 | 11841 | 9748 | 17228 | 14745 | 25367 | 23952 | 22387 | 20759 | 17466 | 15844 | 21123 | 19803 | 26831 | 26361 | 25769 | 25800 | 21245 | 20726 | 16591 | 16756 | 9120 | 9712 | 5939 | 6401 | 4144 | 4718 | 2660 | 4094 | 12.65 | 72.16 | 15.19 | 21.05 | 53845 | 31263 | 22273 | 309 | 118234 | 23804 | 111531 | 3812 | 847 | 40584 | 98897 | 49950 | 31432 | 28557 | 10.43 | 10.6 | 10.26 | 13297 | 3542 | 9755 | 2.88 | 1.51 | 4.32 | 23003 | 513 | 3224 | 3786 | 9567 | 2036 | 3876 | 1 | 23003 | 1928 | 206 | 2731 | 324 | 2165 | 2650 | 2040 | 1045 | 582 | 610 | 680 | 940 | 416 | 998 | 732 | 1177 | 938 | 243 | 2598 | — | 44024 | 22100 | 21924 | 5275 | 3149 | 2126 | 35041 | 17764 | 17277 | 1105 | 539 | 566 | 2603 | 648 | 1955 | 1.14 | 1.11 | 184198 | 2.71 | 41.2 | 18791 | 17625 | 18009 | 18337 | 17372 | 2974 | 9099 | 2886 | 8193 | 6973 | 88 | 651 | 110118 |
| 16 | 北京市 | — | 延庆区 | 110119 | 2020 | 345671 | 181790 | 163881 | 110.93 | 4.56 | 205689 | 139982 | 124844 | 2.38 | 297518 | 27418 | 72686 | 42065 | 9900 | 193 | 1309 | 1229 | 7208 | 6673 | 6659 | 6243 | 5666 | 5485 | 6765 | 5410 | 9998 | 7305 | 10893 | 8807 | 17254 | 15021 | 13656 | 11665 | 11400 | 10387 | 15397 | 13930 | 18915 | 16720 | 16657 | 15461 | 13106 | 12243 | 10607 | 11262 | 6806 | 6819 | 4010 | 4028 | 3269 | 2845 | 2215 | 2348 | 11.71 | 72.61 | 15.68 | 20.98 | 36021 | 20335 | 15514 | 172 | 72063 | 16574 | 80736 | 3319 | 613 | 30758 | 65231 | 30778 | 20771 | 20730 | 10.37 | 10.48 | 10.25 | 9481 | 2957 | 6524 | 3.11 | 1.84 | 4.52 | 13573 | 403 | 2085 | 2191 | 5668 | 1145 | 2071 | 10 | 13573 | 845 | 2 | 704 | 175 | 1689 | 1308 | 1025 | 741 | 228 | 279 | 354 | 790 | 286 | 950 | 384 | 857 | 509 | 115 | 2331 | 1 | 27535 | 14228 | 13307 | 3898 | 2370 | 1528 | 21317 | 11030 | 10287 | 834 | 438 | 396 | 1486 | 390 | 1096 | 1.16 | 1.12 | 115512 | 3.26 | 40.87 | 11766 | 10933 | 11217 | 10846 | 9584 | 1351 | 5858 | 1336 | 5792 | 3932 | 114 | 592 | 110119 |
| 17 | 天津市 | — | 和平区 | 120101 | 2020 | 355000 | 184265 | 170735 | 107.92 | 3.8 | 355000 | — | 115456 | 2.31 | 266470 | 30351 | 60294 | 46231 | 8823 | 108 | 818 | 699 | 5987 | 5581 | 10952 | 9858 | 9487 | 8312 | 7014 | 5310 | 11778 | 9632 | 13149 | 10555 | 16931 | 13648 | 17205 | 17027 | 14615 | 13993 | 14532 | 12691 | 13089 | 10678 | 12099 | 10870 | 11071 | 11630 | 10283 | 11484 | 6458 | 7016 | 3810 | 4317 | 2320 | 3264 | 2667 | 4170 | 14.56 | 69.72 | 15.72 | 23.34 | 34671 | 20148 | 14216 | 307 | 17985 | 27169 | 140712 | 792 | 970 | 25539 | 58811 | 33727 | 19558 | 36522 | 11.42 | 11.28 | 11.57 | 2190 | 536 | 1654 | 0.72 | 0.34 | 1.13 | 8231 | 618 | 2046 | 2183 | 2774 | 18 | 461 | 131 | 8231 | 73 | 20 | 567 | 157 | 407 | 1179 | 413 | 558 | 339 | 511 | 393 | 611 | 478 | 117 | 352 | 712 | 480 | 153 | 711 | — | 18289 | 8610 | 9679 | 2788 | 1449 | 1339 | 13552 | 6594 | 6958 | 738 | 314 | 424 | 1211 | 253 | 958 | 0.94 | 0.92 | 95285 | 1.84 | 28.26 | 8480 | 8136 | 7977 | 7971 | 7804 | 3250 | 3954 | 2114 | 38 | 5468 | 388 | 472 | 120101 |
| 18 | 天津市 | — | 河东区 | 120102 | 2020 | 858787 | 429568 | 429219 | 100.08 | 2.62 | 858787 | — | 332224 | 2.2 | 729904 | 92112 | 192514 | 118391 | 21052 | 267 | 2251 | 2032 | 14834 | 13672 | 19241 | 17671 | 15432 | 13881 | 14561 | 11580 | 17193 | 15521 | 24972 | 24398 | 39129 | 39274 | 41340 | 40863 | 28639 | 28132 | 28861 | 27734 | 27998 | 27071 | 37718 | 37091 | 39437 | 41170 | 33728 | 37135 | 19860 | 20746 | 11013 | 12392 | 6915 | 9696 | 6446 | 9160 | 11.53 | 69.01 | 19.46 | 21.83 | 103865 | 55600 | 47713 | 552 | 99387 | 142500 | 185750 | 1636 | 1481 | 43184 | 116943 | 101895 | 59752 | 84345 | 11.76 | 11.83 | 11.69 | 5437 | 1134 | 4303 | 0.72 | 0.3 | 1.13 | 26323 | 1129 | 6400 | 6298 | 9438 | 18 | 2994 | 46 | 26323 | 40 | 68 | 4580 | 650 | 1640 | 3953 | 1979 | 1052 | 1063 | 1376 | 1063 | 1236 | 1251 | 314 | 790 | 1806 | 1091 | 381 | 1990 | — | 66069 | 32098 | 33971 | 9964 | 5302 | 4662 | 49071 | 24483 | 24588 | 2682 | 1232 | 1450 | 4352 | 1081 | 3271 | 0.85 | 0.84 | 317387 | 1.88 | 32.75 | 31414 | 30506 | 31198 | 31279 | 30967 | 7500 | 13154 | 5567 | 24 | 23026 | 415 | 2382 | 120102 |
| 19 | 天津市 | — | 河西区 | 120103 | 2020 | 822174 | 401956 | 420218 | 95.65 | 3.26 | 822174 | — | 300652 | 2.26 | 680223 | 80192 | 164100 | 113525 | 22634 | 393 | 2143 | 1931 | 13648 | 12610 | 20947 | 19067 | 15694 | 14317 | 14430 | 15299 | 22206 | 25364 | 23444 | 23364 | 32270 | 33629 | 36902 | 38966 | 26869 | 27921 | 26982 | 27058 | 26230 | 25838 | 32700 | 32169 | 33765 | 36235 | 30097 | 33488 | 17805 | 19626 | 11201 | 13272 | 7576 | 10272 | 7047 | 9792 | 12.21 | 68.31 | 19.48 | 23.3 | 100490 | 54060 | 45805 | 625 | 89629 | 88886 | 178709 | 1467 | 1771 | 41316 | 97593 | 87149 | 53908 | 99695 | 12.11 | 12.09 | 12.13 | 4534 | 931 | 3603 | 0.63 | 0.27 | 0.97 | 24328 | 1510 | 6181 | 6623 | 7883 | 40 | 1951 | 140 | 24328 | 46 | 59 | 2696 | 453 | 1469 | 3606 | 1372 | 1077 | 988 | 1658 | 1147 | 1349 | 1457 | 372 | 720 | 1920 | 1228 | 492 | 2219 | — | 60293 | 28590 | 31703 | 11035 | 5336 | 5699 | 43177 | 21428 | 21749 | 2119 | 885 | 1234 | 3962 | 941 | 3021 | 0.8 | 0.79 | 289486 | 1.96 | 32.44 | 26819 | 26077 | 26683 | 26765 | 26543 | 6928 | 13291 | 4252 | 23 | 20419 | 776 | 1349 | 120103 |
| 20 | 天津市 | — | 南开区 | 120104 | 2020 | 917106 | 452645 | 464461 | 97.46 | 3.47 | 917106 | — | 346629 | 2.24 | 777144 | 93427 | 194489 | 127716 | 24028 | 396 | 2303 | 2079 | 15183 | 14077 | 22423 | 20132 | 17512 | 15687 | 15434 | 13139 | 25997 | 25054 | 28665 | 28685 | 37847 | 39117 | 41730 | 43499 | 30072 | 30870 | 29325 | 29538 | 28665 | 28613 | 36527 | 36152 | 37485 | 40231 | 33764 | 37634 | 20170 | 22206 | 12881 | 14987 | 8912 | 11910 | 7750 | 10851 | 11.93 | 68.33 | 19.74 | 22.89 | 113477 | 59945 | 52889 | 643 | 95071 | 128473 | 205048 | 1675 | 1609 | 44702 | 107195 | 97796 | 60816 | 117899 | 12.16 | 12.2 | 12.13 | 5854 | 1189 | 4665 | 0.72 | 0.3 | 1.13 | 30507 | 1897 | 8610 | 6775 | 10811 | 30 | 2266 | 118 | 30507 | 39 | 44 | 3501 | 537 | 1479 | 4414 | 1498 | 1736 | 1777 | 1738 | 1411 | 1429 | 1802 | 393 | 1235 | 2989 | 1808 | 504 | 2173 | — | 71223 | 34148 | 37075 | 12875 | 6581 | 6294 | 50996 | 25341 | 25655 | 2682 | 1132 | 1550 | 4670 | 1094 | 3576 | 0.83 | 0.82 | 331627 | 1.9 | 32.83 | 32145 | 31488 | 31891 | 31972 | 31671 | 8799 | 14910 | 7409 | 99 | 23302 | 494 | 841 | 120104 |
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2,976 行 · 147 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 2,937 行有区县- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、province_code、county_code按区县对上本数据集 2,930 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、province、region_code按区县对上本数据集 2,811 行(94%)
- 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 2,811 行(94%)
- 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 2,810 行(94%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、year、province按区县对上本数据集 2,810 行(94%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、region_code、province按区县对上本数据集 2,810 行(94%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、date、county_code按区县对上本数据集 2,810 行(94%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、province、year按区县对上本数据集 2,810 行(94%)
- 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按区县对上本数据集 2,810 行(94%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year、county_code按区县对上本数据集 2,810 行(94%)
- 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 2,810 行(94%)
- 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、year按区县对上本数据集 2,810 行(94%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 2,976 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 province_name、year按省份对上本数据集 2,976 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 2,976 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 2,976 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 2,976 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 2,976 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 2,937 行有区县- 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按区县对上本数据集 2,937 行(98%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 2,810 行(94%)
- 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 2,810 行(94%)
- 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 2,810 行(94%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code按区县对上本数据集 2,810 行(94%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 2,796 行(93%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 2,726 行(91%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 2,642 行(88%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 2,204 行(74%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code按区县对上本数据集 2,013 行(67%)
- 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 1,846 行(62%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code按区县对上本数据集 1,349 行(45%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 2,937 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 2,810 行(94%)
- 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 2,784 行(93%)
- 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 2,734 行(91%)
- 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 2,513 行(84%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 2,467 行(82%)
- 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 2,205 行(74%)
- 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按区县对上本数据集 1,832 行(61%)
- 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 1,447 行(48%)
- 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 786 行(26%)
- 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 743 行(24%)
- 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 658 行(22%)
- 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 463 行(15%)
按 省份 能连
29 个数据集 · 本数据集 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 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 2,976 行(100%)
按 区县 能连
12 个数据集 · 本数据集 2,937 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 2,904 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 2,903 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按区县对上本数据集 2,791 行(93%)
- 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 2,788 行(93%)
- 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 2,768 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 2,661 行(89%)
- 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 2,656 行(89%)
- 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 2,113 行(71%)
- 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 1,669 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 1,297 行(43%)
- 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 1,168 行(39%)
- 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 185 行(6.2%)
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
county_code_current由区县代码扩增得出。
来自字段扩增第七次人口普查分县详细指标第七次人口普查分县详细指标
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-census-2020-detail/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京市"}],"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。