
- 记录
- 2,844
- 字段
- 31
- AI 扩增字段
- 1
- 平均非空率
- 98.4%
- 字段完整度
31 个字段,10 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 31 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 2,844 行计算。
关于这个数据集
一行是一个区县:县内各人口网格到最近的一级、二级、三级医院的驾车时间(分钟)的最小值、平均值、中位数、四分位数、最大值和标准差,以及参与计算的网格数和人口。覆盖全国 2844 个县级单位(不含港澳台和东莞、中山、儋州、嘉峪关这类不设区县的地级市),按 2023 年区划。是按路网和医院位置模型算出来的。可用来看各县看病的远近,给健康险和意外险做参照。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位行政区划代码 | ||
| 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% | — | ||
| 区县类型county_type | 文本 | 原生 | 100% | 市辖区、县、县级市等 | ||
| 地级市city键:城市名称。样本里格式符合 97.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市代码city_code键:市级区划代码(2025 年版)。样本里格式符合 97.3%,95.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 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% | — | ||
| 省份代码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% | — | ||
| 网格数grid_num | 整数 | 原生 | 100% | 参与计算的有人口的网格数 | ||
| 人口pop_num | 整数 | 原生 | 100% | 网格人口之和,人 | ||
| 到一级医院车程最小值primary_min | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的最小值,分钟 | ||
| 到一级医院车程平均值primary_mean | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的平均值,分钟 | ||
| 到一级医院车程最大值primary_max | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的最大值,分钟 | ||
| 到一级医院车程下四分位数primary_q1 | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的下四分位数,分钟 | ||
| 到一级医院车程中位数primary_median | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的中位数,分钟 | ||
| 到一级医院车程上四分位数primary_q3 | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的上四分位数,分钟 | ||
| 到一级医院车程标准差primary_std | 小数 | 原生 | 97% | 县内各网格到最近的一级医院的驾车时间的标准差,分钟 | ||
| 到二级医院车程最小值secondary_min | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的最小值,分钟 | ||
| 到二级医院车程平均值secondary_mean | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的平均值,分钟 | ||
| 到二级医院车程最大值secondary_max | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的最大值,分钟 | ||
| 到二级医院车程下四分位数secondary_q1 | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的下四分位数,分钟 | ||
| 到二级医院车程中位数secondary_median | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的中位数,分钟 | ||
| 到二级医院车程上四分位数secondary_q3 | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的上四分位数,分钟 | ||
| 到二级医院车程标准差secondary_std | 小数 | 原生 | 99% | 县内各网格到最近的二级医院的驾车时间的标准差,分钟 | ||
| 到三级医院车程最小值tertiary_min | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的最小值,分钟 | ||
| 到三级医院车程平均值tertiary_mean | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的平均值,分钟 | ||
| 到三级医院车程最大值tertiary_max | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的最大值,分钟 | ||
| 到三级医院车程下四分位数tertiary_q1 | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的下四分位数,分钟 | ||
| 到三级医院车程中位数tertiary_median | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的中位数,分钟 | ||
| 到三级医院车程上四分位数tertiary_q3 | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的上四分位数,分钟 | ||
| 到三级医院车程标准差tertiary_std | 小数 | 原生 | 97% | 县内各网格到最近的三级医院的驾车时间的标准差,分钟 | ||
| 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%,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:区县代码(现行) | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 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。
| # | 区县代码county_code | 区县county | 区县类型county_type | 地级市city | 地级市代码city_code | 省份province | 省份代码province_code | 网格数grid_num | 人口pop_num | 到一级医院车程最小值primary_min | 到一级医院车程平均值primary_mean | 到一级医院车程最大值primary_max | 到一级医院车程下四分位数primary_q1 | 到一级医院车程中位数primary_median | 到一级医院车程上四分位数primary_q3 | 到一级医院车程标准差primary_std | 到二级医院车程最小值secondary_min | 到二级医院车程平均值secondary_mean | 到二级医院车程最大值secondary_max | 到二级医院车程下四分位数secondary_q1 | 到二级医院车程中位数secondary_median | 到二级医院车程上四分位数secondary_q3 | 到二级医院车程标准差secondary_std | 到三级医院车程最小值tertiary_min | 到三级医院车程平均值tertiary_mean | 到三级医院车程最大值tertiary_max | 到三级医院车程下四分位数tertiary_q1 | 到三级医院车程中位数tertiary_median | 到三级医院车程上四分位数tertiary_q3 | 到三级医院车程标准差tertiary_std | 区县代码(现行)county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 460301 | 西沙区 | 市辖区 | 三沙市 | 460300 | 海南省 | 460000 | 0 | 0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| 2 | 460302 | 南沙区 | 市辖区 | 三沙市 | 460300 | 海南省 | 460000 | 829 | 889708 | 1.2 | 13.87 | 49.3 | 8.1 | 12.8 | 18 | 7.45 | 13.4 | 30.97 | 66.7 | 24.5 | 29.8 | 36.65 | 8.59 | 0.2 | 14.65 | 44.5 | 10.7 | 14.1 | 17.8 | 5.69 | 460302 |
| 3 | 152522 | 阿巴嘎旗 | 旗 | 锡林郭勒盟 | 152500 | 内蒙古自治区 | 150000 | 1 | 1 | 207 | 207 | 207 | 207 | 207 | 207 | 0 | 0.2 | 75.42 | 282.3 | 18.1 | 49.9 | 104.17 | 71.55 | 15.6 | 72.58 | 208.6 | 53.45 | 61.8 | 80.42 | 30.81 | 152522 |
| 4 | 513231 | 阿坝县 | 县 | 阿坝藏族羌族自治州 | 513200 | 四川省 | 510000 | 0 | 0 | — | — | — | — | — | — | — | 58.7 | 152.62 | 239.8 | 131.93 | 150.45 | 172.3 | 31.83 | 90.9 | 161.81 | 244.5 | 141.8 | 156 | 181.6 | 29.98 | 513231 |
| 5 | 230112 | 阿城区 | 市辖区 | 哈尔滨市 | 230100 | 黑龙江省 | 230000 | 3569 | 700487 | 0.3 | 24.78 | 69.9 | 15 | 22.4 | 33.2 | 12.85 | 0.3 | 24.26 | 64.4 | 15.4 | 21.9 | 32.6 | 12.13 | 0.3 | 24.91 | 106.8 | 15.8 | 22.8 | 32.5 | 12.47 | 230112 |
| 6 | 152202 | 阿尔山市 | 县级市 | 兴安盟 | 152200 | 内蒙古自治区 | 150000 | 1 | 1 | 144.8 | 144.8 | 144.8 | 144.8 | 144.8 | 144.8 | 0 | 104.7 | 146.88 | 235.2 | 123.8 | 132.2 | 154.2 | 34.45 | 122.4 | 214.03 | 241.1 | 207.78 | 239.7 | 240 | 44.96 | 152202 |
| 7 | 653023 | 阿合奇县 | 县 | 克孜勒苏柯尔克孜自治州 | 653000 | 新疆维吾尔自治区 | 650000 | 861 | 16999 | 21 | 59.19 | 209.9 | 42.2 | 52.2 | 62.9 | 30.87 | 0.5 | 31.7 | 211.2 | 15.2 | 27.6 | 45.2 | 21.44 | 81.5 | 139.58 | 206.3 | 95.62 | 139.95 | 176.7 | 53.04 | 653023 |
| 8 | 620924 | 阿克塞哈萨克族自治县 | 自治县 | 酒泉市 | 620900 | 甘肃省 | 620000 | 0 | 0 | — | — | — | — | — | — | — | 0.4 | 31.33 | 221.2 | 6.5 | 15 | 51.9 | 31.09 | — | — | — | — | — | — | — | 620924 |
| 9 | 652901 | 阿克苏市 | 县级市 | 阿克苏地区 | 652900 | 新疆维吾尔自治区 | 650000 | 4079 | 573809 | 0.4 | 31.12 | 78 | 16.55 | 28.6 | 45.1 | 17.57 | 0.2 | 36.62 | 258.6 | 21.3 | 34.8 | 48.7 | 20.86 | 0.5 | 40.37 | 151 | 22.2 | 39.4 | 55.4 | 22.01 | 652901 |
| 10 | 653022 | 阿克陶县 | 县 | 克孜勒苏柯尔克孜自治州 | 653000 | 新疆维吾尔自治区 | 650000 | 4177 | 219342 | 13.6 | 98.78 | 334.9 | 41.2 | 63.7 | 144.8 | 81.55 | 13.5 | 77.25 | 267.4 | 37 | 60.9 | 111.08 | 49.64 | 23.1 | 70.25 | 223.8 | 47.95 | 64.5 | 87.7 | 28.26 | 653022 |
| 11 | 659002 | 阿拉尔市 | 县级市 | 不统计 | 0 | 新疆维吾尔自治区 | 650000 | 3178 | 215416 | 0.6 | 29.79 | 220.8 | 19.9 | 28.6 | 38.3 | 14.61 | 12.4 | 75.21 | 265.8 | 47.5 | 68.2 | 85 | 47.24 | 67 | 100.42 | 139.7 | 87.53 | 99.25 | 113.2 | 16.01 | 659002 |
| 12 | 652702 | 阿拉山口市 | 县级市 | 博尔塔拉蒙古自治州 | 652700 | 新疆维吾尔自治区 | 650000 | 297 | 6516 | 22.7 | 51.01 | 107.2 | 38.2 | 48.9 | 53.6 | 21.23 | 23.2 | 52.27 | 121.3 | 38.6 | 48.3 | 53 | 24.83 | 22.7 | 57.11 | 77.5 | 49.98 | 54.15 | 77.5 | 16.72 | 652702 |
| 13 | 152922 | 阿拉善右旗 | 旗 | 阿拉善盟 | 152900 | 内蒙古自治区 | 150000 | 4 | 7 | 69 | 116.62 | 151.8 | 87.67 | 122.85 | 151.8 | 41.87 | 0.3 | 55.06 | 189.4 | 20.4 | 56.25 | 76.3 | 38.81 | 42.2 | 101.72 | 220.1 | 58.08 | 84.9 | 136.2 | 47.67 | 152922 |
| 14 | 152921 | 阿拉善左旗 | 旗 | 阿拉善盟 | 152900 | 内蒙古自治区 | 150000 | 2063 | 80108 | 7.6 | 80.82 | 282.8 | 40.6 | 78.2 | 113.6 | 40.89 | 3.5 | 51.48 | 415.2 | 24.1 | 43 | 69.8 | 35.74 | 0.6 | 51.02 | 226.2 | 25.4 | 43.3 | 74.1 | 33.62 | 152921 |
| 15 | 654301 | 阿勒泰市 | 县级市 | 阿勒泰地区 | 654300 | 新疆维吾尔自治区 | 650000 | 2920 | 125911 | 0.4 | 35.62 | 204.8 | 18.2 | 34.5 | 44.9 | 24.14 | 0.7 | 32.83 | 203.8 | 19.1 | 32 | 41.7 | 20.72 | 145.6 | 145.6 | 145.6 | 145.6 | 145.6 | 145.6 | 0 | 654301 |
| 16 | 150421 | 阿鲁科尔沁旗 | 旗 | 赤峰市 | 150400 | 内蒙古自治区 | 150000 | 4118 | 127794 | 21.5 | 113.37 | 318.4 | 70.55 | 105.3 | 134 | 58.83 | 0.3 | 45.92 | 218.2 | 25.8 | 41.4 | 57.3 | 29.03 | 0.5 | 47.41 | 247.5 | 24.6 | 42.8 | 61.1 | 30.98 | 150421 |
| 17 | 150721 | 阿荣旗 | 旗 | 呼伦贝尔市 | 150700 | 内蒙古自治区 | 150000 | 6949 | 243249 | 8.4 | 62.35 | 181.8 | 47.5 | 60.8 | 74.1 | 20.72 | 0.3 | 39.13 | 144.5 | 22.7 | 35.7 | 52.3 | 22.39 | 21.6 | 72.15 | 185.5 | 52.6 | 69.7 | 87.9 | 25.64 | 150721 |
| 18 | 653001 | 阿图什市 | 县级市 | 克孜勒苏柯尔克孜自治州 | 653000 | 新疆维吾尔自治区 | 650000 | 3750 | 236613 | 0.6 | 42.16 | 229.5 | 21.4 | 32 | 56.8 | 29.08 | 1 | 40.64 | 228.3 | 20.4 | 29.6 | 55.85 | 28.95 | 0.7 | 39.87 | 227.6 | 20 | 32.7 | 52.4 | 27.27 | 653001 |
| 19 | 652928 | 阿瓦提县 | 县 | 阿克苏地区 | 652900 | 新疆维吾尔自治区 | 650000 | 3716 | 236919 | 1.6 | 35.16 | 140.6 | 21.9 | 32.6 | 45.2 | 18.52 | 0.4 | 36.27 | 138.4 | 20.5 | 30.8 | 48.4 | 21.94 | 28.4 | 82.24 | 137.2 | 64 | 83.1 | 98.6 | 22.42 | 652928 |
| 20 | 231102 | 爱辉区 | 市辖区 | 黑河市 | 231100 | 黑龙江省 | 230000 | 10 | 18 | 119.9 | 190.54 | 233 | 149.22 | 203.95 | 232.07 | 45.82 | 23.6 | 74.83 | 194.9 | 52.6 | 64.8 | 92.3 | 30.32 | 2.9 | 45.18 | 218 | 24.9 | 36.5 | 64.2 | 28.12 | 231102 |
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2,844 行 · 31 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 81 个数据集连接。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 能连
56 个数据集 · 本数据集 2,844 行有城市- 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、region_code、prefecture_code按城市对上本数据集 2,726 行(95%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code、city_code按城市对上本数据集 2,726 行(95%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code、region_code按城市对上本数据集 2,726 行(95%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code、province_code按城市对上本数据集 2,726 行(95%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 2,726 行(95%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 2,726 行(95%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、province、county_code按城市对上本数据集 2,726 行(95%)
- 区县最低工资标准区域底数 · 5.6 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 2,726 行(95%)
- 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、city_code_2按城市对上本数据集 2,726 行(95%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 prefecture_code、region_code、province_code按城市对上本数据集 2,726 行(95%)
- 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、city_code按城市对上本数据集 2,726 行(95%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code按城市对上本数据集 2,726 行(95%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 2,844 行有城市- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、city_code按城市对上本数据集 2,726 行(95%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、region_code按城市对上本数据集 2,726 行(95%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、region_code按城市对上本数据集 2,726 行(95%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、province按城市对上本数据集 2,726 行(95%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code按城市对上本数据集 2,726 行(95%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province按城市对上本数据集 2,726 行(95%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province按城市对上本数据集 2,726 行(95%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、city_code按城市对上本数据集 2,726 行(95%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code按城市对上本数据集 2,726 行(95%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、region_code按城市对上本数据集 2,726 行(95%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 region_code、province按城市对上本数据集 2,726 行(95%)
- 地级市绿色专利申请区域底数 · 1.1 万 行 · 连接字段 city_code、province按城市对上本数据集 2,726 行(95%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 2,844 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 province_code、county_code按区县对上本数据集 2,842 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province按区县对上本数据集 2,842 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 2,841 行(99%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province、region_code按区县对上本数据集 2,841 行(99%)
- 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按区县对上本数据集 2,840 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、province按区县对上本数据集 2,839 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按区县对上本数据集 2,839 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province按区县对上本数据集 2,838 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code按区县对上本数据集 2,838 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 2,835 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、adcode按区县对上本数据集 2,832 行(99%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、region_code按区县对上本数据集 2,814 行(98%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 2,844 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 2,724 行(95%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code、region_code按城市对上本数据集 2,720 行(95%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、city_code按城市对上本数据集 2,611 行(91%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、applicant_address_city_code按城市对上本数据集 2,569 行(90%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、city_code按城市对上本数据集 2,526 行(88%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_city_code、address_county_code按城市对上本数据集 2,047 行(71%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、city_code按城市对上本数据集 1,587 行(55%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 507 行(17%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、county_code按城市对上本数据集 289 行(10%)
按 省份 能连
337 个数据集 · 本数据集 2,844 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按省份对上本数据集 2,844 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province按省份对上本数据集 2,844 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code按省份对上本数据集 2,844 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code按省份对上本数据集 2,844 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code按省份对上本数据集 2,844 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按省份对上本数据集 2,844 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按省份对上本数据集 2,844 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按省份对上本数据集 2,844 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 province按省份对上本数据集 2,844 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 2,844 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按省份对上本数据集 2,844 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 2,844 行(100%)
按 城市 能连
67 个数据集 · 本数据集 2,844 行有城市- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code按城市对上本数据集 2,726 行(95%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code按城市对上本数据集 2,726 行(95%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code按城市对上本数据集 2,726 行(95%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code按城市对上本数据集 2,726 行(95%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code按城市对上本数据集 2,726 行(95%)
- 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按城市对上本数据集 2,724 行(95%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code按城市对上本数据集 2,724 行(95%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code按城市对上本数据集 2,720 行(95%)
- 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 2,720 行(95%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code按城市对上本数据集 2,692 行(94%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code按城市对上本数据集 2,602 行(91%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code按城市对上本数据集 2,491 行(87%)
按 区县 能连
19 个数据集 · 本数据集 2,844 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按区县对上本数据集 2,843 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 2,810 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%)
- 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 2,809 行(98%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code按区县对上本数据集 2,804 行(98%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code按区县对上本数据集 2,764 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 2,683 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 2,613 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按区县对上本数据集 2,532 行(89%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code按区县对上本数据集 2,224 行(78%)
- 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 2,134 行(75%)
- 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(58%)
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。
来自字段扩增区县到最近医院的车程区县到最近医院的车程
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-hospital-travel-time/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"county_code","op":"eq","value":"460301"}],"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。