
县市逐日天气
一行是一个县、区或市一天的天气。
- 记录
- 1509.2 万
- 字段
- 12
- AI 扩增字段
- 1
- 平均非空率
- 93.9%
- 字段完整度
12 个字段,6 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 15,092,290 行计算。
关于这个数据集
一行是一个县、区或市一天的天气。包含地名、所属的省市和行政区划代码、最高气温、最低气温、天气现象(例如“小雨转中雨”)、风向和风力。覆盖全国约 3000 个县、区和市,按日记录,是天气网站上的历史天气,不是气象站的原始观测。用来数一个地方每年有多少暴雨、大雪、高温、严寒的天数,安排施工工期,评估工程和财产的天气风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地名place含义:地区键:区县名称。样本里格式符合 87.5%,还没有参照 | 文本 | 原生 | 100% | 大多数是带“县”“区”“市”的全称。少数只有简称,例如“阿城” | ||
| 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 | 90% | — | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 96.2%,还没有参照 | 文本 | 原生 | 90% | — | ||
| 县区county含义:地区键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 80% | — | ||
| 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%,99.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 90% | 6 位 | ||
| 日期date含义:日期或时间键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | — | ||
| 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% | — | ||
| 最高气温temp_max_c含义:温度(摄氏度) | 小数 | 原生 | 100% | 摄氏度,整数 | ||
| 最低气温temp_min_c含义:温度(摄氏度) | 小数 | 原生 | 100% | 摄氏度,整数 | ||
| 天气现象weather含义:文字说明 | 文本 | 原生 | 100% | 原文,例如“多云转晴”“大到暴雨” | ||
| 风向风力wind含义:文字说明 | 文本 | 原生 | 91% | 原文,例如“东北风 2级”。只有 P1585 的行有 | ||
| 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%,99.8% 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) | 89%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。
| # | 地名place | 省province | 地级市city | 县区county | 行政区划代码region_code | 日期date | 年份year | 最高气温temp_max_c | 最低气温temp_min_c | 天气现象weather | 风向风力wind | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-01 | 2020 | 28 | 17 | 晴 | 东北风 2级 | 230112 |
| 2 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-02 | 2020 | 30 | 18 | 晴 | 东南风 2级 | 230112 |
| 3 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-03 | 2020 | 30 | 19 | 多云 | 南风 2级 | 230112 |
| 4 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-04 | 2020 | 26 | 20 | 多云 | 西南风 2级 | 230112 |
| 5 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-05 | 2020 | 23 | 19 | 阴 | 南风 3级 | 230112 |
| 6 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-06 | 2020 | 25 | 19 | 阴到中雨 | 西南风 3级 | 230112 |
| 7 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-07 | 2020 | 23 | 14 | 多云 | 西北风 3级 | 230112 |
| 8 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-08 | 2020 | 28 | 17 | 晴 | 西风 2级 | 230112 |
| 9 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-09 | 2020 | 29 | 18 | 晴 | 东南风 2级 | 230112 |
| 10 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-10 | 2020 | 29 | 19 | 多云 | 东风 3级 | 230112 |
| 11 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-11 | 2020 | 29 | 18 | 多云 | 东风 3级 | 230112 |
| 12 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-12 | 2020 | 29 | 18 | 晴 | 东北风 2级 | 230112 |
| 13 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-13 | 2020 | 31 | 17 | 晴 | 东北风 2级 | 230112 |
| 14 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-14 | 2020 | 31 | 20 | 晴 | 东北风 2级 | 230112 |
| 15 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-15 | 2020 | 30 | 20 | 晴 | 东北风 2级 | 230112 |
| 16 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-16 | 2020 | 31 | 21 | 晴 | 南风 2级 | 230112 |
| 17 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-17 | 2020 | 32 | 22 | 多云 | 南风 3级 | 230112 |
| 18 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-18 | 2020 | 32 | 22 | 晴 | 南风 3级 | 230112 |
| 19 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-19 | 2020 | 28 | 20 | 小雨 | 西北风 2级 | 230112 |
| 20 | 阿城区 | 黑龙江省 | 哈尔滨市 | 阿城区 | 230112 | 2020-07-20 | 2020 | 24 | 18 | 晴 | 东风 2级 | 230112 |
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 v22026/11/14 发布
生效中15,092,290 行 · 12 个字段 · 初始导入(比 v1 字段增加 1 个)
版本 v12026/11/13 发布
历史版本15,092,290 行 · 11 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 13,505,088 行有区县- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 13,505,088 行(89%)
- 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 province_code、year、region_code按区县对上本数据集 13,489,394 行(89%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code、province_code按区县对上本数据集 13,489,394 行(89%)
- 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 13,453,118 行(89%)
- 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 12,577,853 行(83%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 province_city_county_code、year、province按区县对上本数据集 12,286,931 行(81%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province_city_county_code、year、province按区县对上本数据集 12,286,931 行(81%)
- 县级土地利用现状(三调口径)区域底数 · 9,752 行 · 连接字段 year、region_code、province按区县对上本数据集 12,005,669 行(79%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year按区县对上本数据集 12,003,733 行(79%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year按区县对上本数据集 12,003,733 行(79%)
- 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 12,003,733 行(79%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 12,003,733 行(79%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 13,505,088 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province按省份对上本数据集 13,505,088 行(89%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year按省份对上本数据集 13,505,088 行(89%)
- 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 13,505,088 行(89%)
- 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 13,505,088 行(89%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date按省份对上本数据集 13,505,088 行(89%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 13,505,088 行(89%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province按省份对上本数据集 13,505,088 行(89%)
- 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 13,505,088 行(89%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、year按省份对上本数据集 13,505,088 行(89%)
- 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 13,505,088 行(89%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、census_year按省份对上本数据集 13,505,088 行(89%)
- 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 13,505,088 行(89%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 13,505,088 行有区县- 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、region_code按区县对上本数据集 13,489,394 行(89%)
- 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 13,336,516 行(88%)
- 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 12,003,733 行(79%)
- 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 11,994,802 行(79%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 11,980,822 行(79%)
- 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 11,973,983 行(79%)
- 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 11,932,469 行(79%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 11,280,410 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 10,414,987 行(69%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 9,416,181 行(62%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 county_code、province按区县对上本数据集 7,963,242 行(52%)
- 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 6,096,147 行(40%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 13,505,088 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 13,489,394 行(89%)
- 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 13,429,594 行(88%)
- 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 11,778,772 行(78%)
- 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 11,060,998 行(73%)
- 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 10,616,932 行(70%)
- 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 10,471,272 行(69%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code按区县对上本数据集 7,561,816 行(50%)
- 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 6,221,941 行(41%)
- 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 3,171,848 行(21%)
- 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、application_date按区县对上本数据集 3,086,154 行(20%)
- 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 2,910,805 行(19%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 2,063,996 行(13%)
按 省份 能连
29 个数据集 · 本数据集 13,505,088 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 13,505,088 行(89%)
- 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 13,505,088 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
- 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 13,499,062 行(89%)
按 区县 能连
12 个数据集 · 本数据集 13,505,088 行有区县- 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 13,276,409 行(87%)
- 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 12,239,187 行(81%)
- 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 11,956,990 行(79%)
- 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 11,921,262 行(78%)
- 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 11,913,763 行(78%)
- 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 11,804,584 行(78%)
- 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 11,453,329 行(75%)
- 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 9,367,756 行(62%)
- 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 8,232,250 行(54%)
- 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 5,380,762 行(35%)
- 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 5,338,886 行(35%)
- 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 563,187 行(3.7%)
只按年份能连:495 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
495 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
本数据集内1
- 扩增得出
region_code_current由行政区划代码扩增得出。
来自字段扩增
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-daily-weather/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"place","op":"eq","value":"阿城区"}],"limit":10}'
交给 Agent
- 暴雨报案稽核依赖 4 个数据集 · 一次对话约 0 点
读报案、施工日志和损失照片,查合同和工地附近的天气、雨量,按条款逐项写出对得上、对不上、还要核实的地方。
发给请下载 https://wi.insightworld.cn/skills/engineering-claim-audit.zip 并解压,把里面的 engineering-claim-audit 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。