
县级中小学教育统计
一行是一个县区一年的小学和普通中学统计,包含学校数、招生数、在校学生数、毕业生数、教职工数和专任教师数。
v1 生效中 · 2026/11/13 发布险种标签:责任险时间跨度:2000–2020 年数据出处 国泰安 CSMAR 中国县域经济数据库
- 记录
- 4.4 万
- 字段
- 18
- AI 扩增字段
- 1
- 平均非空率
- 59.0%
- 字段完整度
18 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 18 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 44,348 行计算。
关于这个数据集
一行是一个县区一年的小学和普通中学统计,包含学校数、招生数、在校学生数、毕业生数、教职工数和专任教师数。覆盖全国的县、县级市和市辖区,部分县区、年份缺值。用来估计一个县的学生规模,给学平险、校方责任险的承保规模估计做参考。
| 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% | — | ||
| 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(2019 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% | 县区的 6 位代码 | ||
| 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% | — | ||
| 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 | 99% | — | ||
| 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 | 100% | 含市辖区和县级市 | ||
| 小学学校数primary_schools含义:个数(个) | 整数 | 原生 | 49% | 单位:所 | ||
| 小学招生数primary_new_students含义:人数(人) | 整数 | 原生 | 8.2% | 单位:人 | ||
| 小学在校学生数primary_students含义:人数(人) | 整数 | 原生 | 99% | 单位:人 | ||
| 小学毕业生数primary_graduates含义:人数(人) | 整数 | 原生 | 8.7% | 单位:人 | ||
| 小学教职工数primary_staff含义:人数(人) | 整数 | 原生 | 7.4% | 单位:人 | ||
| 小学专任教师数primary_teachers含义:人数(人) | 整数 | 原生 | 58% | 单位:人 | ||
| 中学学校数secondary_schools含义:个数(个) | 整数 | 原生 | 49% | 单位:所 | ||
| 中学招生数secondary_new_students含义:人数(人) | 整数 | 原生 | 10% | 单位:人 | ||
| 中学在校学生数secondary_students含义:人数(人) | 整数 | 原生 | 98% | 单位:人 | ||
| 中学毕业生数secondary_graduates含义:人数(人) | 整数 | 原生 | 10% | 单位:人 | ||
| 中学教职工数secondary_staff含义:人数(人) | 整数 | 原生 | 8.7% | 单位:人 | ||
| 中学专任教师数secondary_teachers含义:人数(人) | 整数 | 原生 | 58% | 单位:人 | ||
| 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%,99.3% 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) | 99%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 | 行政区划代码region_code | 省province | 地级市city | 县区county | 小学学校数primary_schools | 小学招生数primary_new_students | 小学在校学生数primary_students | 小学毕业生数primary_graduates | 小学教职工数primary_staff | 小学专任教师数primary_teachers | 中学学校数secondary_schools | 中学招生数secondary_new_students | 中学在校学生数secondary_students | 中学毕业生数secondary_graduates | 中学教职工数secondary_staff | 中学专任教师数secondary_teachers | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2001 | 110101 | 北京市 | 北京市 | 东城区 | 58 | 4151 | 31446 | 7692 | — | 2395 | 40 | 14843 | 46130 | 14157 | — | 3256 | 110101 |
| 2 | 2002 | 110101 | 北京市 | 北京市 | 东城区 | 54 | 4242 | 29195 | 7563 | — | — | 37 | 15720 | 47007 | 14111 | — | — | 110101 |
| 3 | 2003 | 110101 | 北京市 | 北京市 | 东城区 | 48 | 3988 | 28022 | 5979 | — | — | 32 | 13735 | — | 14797 | — | — | 110101 |
| 4 | 2006 | 110101 | 北京市 | 北京市 | 东城区 | 43 | 4448 | 26543 | 5049 | 2923 | 2179 | 31 | 11046 | 37723 | 12694 | 4980 | 3170 | 110101 |
| 5 | 2007 | 110101 | 北京市 | 北京市 | 东城区 | 42 | 5171 | 31231 | 5480 | 2948 | 2283 | 29 | 10944 | 36343 | 12353 | 4774 | 3148 | 110101 |
| 6 | 2008 | 110101 | 北京市 | 北京市 | 东城区 | 42 | 5291 | 31531 | 5399 | 2979 | 2265 | 30 | 10383 | 33075 | 12372 | 4644 | 3063 | 110101 |
| 7 | 2009 | 110101 | 北京市 | 北京市 | 东城区 | 65 | 6933 | 45689 | 7739 | 4545 | 3535 | 44 | 15337 | 47521 | 16199 | 6726 | 4544 | 110101 |
| 8 | 2010 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 7538 | 45693 | 7723 | 4465 | 4465 | 44 | 14489 | 45573 | 15080 | 6407 | 4436 | 110101 |
| 9 | 2011 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 8601 | 46461 | 7827 | 4206 | 3370 | 44 | 14240 | 43937 | 14237 | 6359 | 4544 | 110101 |
| 10 | 2012 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 8162 | 46721 | 7962 | 4280 | 3455 | 43 | 14465 | 43139 | 13536 | 6324 | 4536 | 110101 |
| 11 | 2013 | 110101 | 北京市 | 北京市 | 东城区 | 64 | 10071 | 49091 | 7557 | 4390 | 3532 | 43 | 13820 | 42248 | 13102 | 6421 | 4600 | 110101 |
| 12 | 2014 | 110101 | 北京市 | 北京市 | 东城区 | 64 | 9573 | 50845 | 7721 | 4604 | 3719 | 43 | 12777 | 40691 | 12636 | 6564 | 4716 | 110101 |
| 13 | 2015 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 9595 | 52972 | 7093 | 4676 | 3787 | 43 | 12301 | 38122 | 12905 | 6504 | 4754 | 110101 |
| 14 | 2016 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 9318 | 54585 | 7360 | 4964 | 4080 | 43 | 11947 | 36178 | 12010 | 6560 | 4745 | 110101 |
| 15 | 2017 | 110101 | 北京市 | 北京市 | 东城区 | 63 | 10035 | 55600 | 8379 | 5154 | 4709 | 41 | 12796 | 36025 | 11168 | 6570 | 5616 | 110101 |
| 16 | 2018 | 110101 | 北京市 | 北京市 | 东城区 | 61 | 12025 | 59319 | 7884 | 5264 | 4853 | 41 | 11650 | 35600 | 10463 | 6540 | 5630 | 110101 |
| 17 | 2019 | 110101 | 北京市 | 北京市 | 东城区 | 51 | 11990 | 61571 | 9503 | 5429 | 5040 | 41 | 13533 | 37250 | 10542 | 6574 | 5627 | 110101 |
| 18 | 2020 | 110101 | 北京市 | 北京市 | 东城区 | 47 | 13234 | 65508 | 9185 | 5550 | 5184 | 40 | 14444 | 39151 | 11626 | 6641 | 5832 | 110101 |
| 19 | 2001 | 110102 | 北京市 | 北京市 | 西城区 | 69 | 4356 | 33283 | 8865 | — | 3023 | 49 | 16839 | 51682 | 15498 | — | 4049 | 110102 |
| 20 | 2002 | 110102 | 北京市 | 北京市 | 西城区 | 63 | 4199 | 30126 | 8457 | — | — | 47 | 16984 | 51609 | 16467 | — | — | 110102 |
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 v12026/11/13 发布
生效中44,348 行 · 18 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 44,348 行有区县- 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 44,348 行(100%)
- 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、province_code、taobao_village_year按区县对上本数据集 44,348 行(100%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、year、county_code_2按区县对上本数据集 44,348 行(100%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 region_code、province_code、valid_from按区县对上本数据集 44,348 行(100%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、region_code、province按区县对上本数据集 44,348 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 44,348 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 44,348 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 44,347 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 county_code、province、date按区县对上本数据集 44,346 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、pname、adcode按区县对上本数据集 44,341 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、region_code、year按区县对上本数据集 44,333 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 44,327 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 44,348 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 44,348 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 44,348 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 44,348 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 44,348 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 44,348 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 44,348 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 44,348 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 44,348 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 44,348 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year按省份对上本数据集 44,348 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 province、year按省份对上本数据集 44,348 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 44,348 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 44,348 行有区县- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 44,348 行(100%)
- 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 44,348 行(100%)
- 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 44,348 行(100%)
- 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 44,333 行(99%)
- 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 44,307 行(99%)
- 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 44,157 行(99%)
- 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 43,453 行(97%)
- 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 42,304 行(95%)
- 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 36,848 行(83%)
- 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 34,201 行(77%)
- 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 29,649 行(66%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province按区县对上本数据集 22,888 行(51%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 44,348 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 44,348 行(100%)
- 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 44,300 行(99%)
- 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 43,681 行(98%)
- 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 43,277 行(97%)
- 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 38,930 行(87%)
- 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 37,052 行(83%)
- 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 27,454 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 22,789 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 11,923 行(26%)
- 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 10,581 行(23%)
- 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 10,401 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 8,250 行(18%)
按 省份 能连
29 个数据集 · 本数据集 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 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 44,348 行(100%)
按 区县 能连
12 个数据集 · 本数据集 44,348 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 44,255 行(99%)
- 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 43,931 行(99%)
- 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 43,912 行(99%)
- 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 43,727 行(98%)
- 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 43,510 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 42,424 行(95%)
- 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 41,614 行(93%)
- 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 35,158 行(79%)
- 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 26,156 行(58%)
- 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 20,595 行(46%)
- 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 19,857 行(44%)
- 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 1,667 行(3.8%)
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。
来自字段扩增县级中小学教育统计县级中小学教育统计
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-education-stats/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
- 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。