
- 记录
- 9,752
- 字段
- 55
- AI 扩增字段
- 2
- 平均非空率
- 99.3%
- 字段完整度
55 个字段,52 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 55 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 9,752 行计算。
关于这个数据集
一行是全国、一个省份、一个地级或一个县级单位一年的各类土地面积,按第三次全国国土调查的地类分耕地、园地、林地、草地、湿地、城镇村及工矿用地、交通运输用地、水域及水利设施用地 8 个一级类和 40 个二级类,单位是万亩。覆盖约 2880 个县级单位,2019 到 2021 年,共 9752 行,原表没有“其他土地”。2020 年原表缺抚顺市清原县和陇南市礼县,这两个市的县级合计小于市的数,可以用来看各县耕地和建设用地,给农业保险和财产险做参照。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政层级level | 文本 | 原生 | 100% | 全国、省、地级、县级。原表没有层级,按名称和排列顺序认出 | ||
| 省份province规律 2:省份的字段规律字段规律:city_code由省份、地级单位扩增得出。。region_code由省份、地级单位、行政单位扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 全国一行为空 | ||
| 地级单位city规律 2:地级单位的字段规律字段规律:city_code由省份、地级单位扩增得出。。region_code由省份、地级单位、行政单位扩增得出。键:城市名称。样本里格式符合 95.5%,还没有参照 | 文本 | 原生 | 88% | 县级行政单位所属的地级单位,其他层级为空 | ||
| 行政单位region规律 1:行政单位的字段规律字段规律:region_code由省份、地级单位、行政单位扩增得出。键:区县名称。样本里格式符合 94.3%,还没有参照 | 文本 | 原生 | 100% | 原表名称 | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 耕地面积cultivated_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 水田面积paddy | 小数 | 原生 | 100% | 万亩 | ||
| 水浇地面积irrigated | 小数 | 原生 | 100% | 万亩 | ||
| 旱地面积dry | 小数 | 原生 | 100% | 万亩 | ||
| 园地面积garden_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 果园面积orchard | 小数 | 原生 | 100% | 万亩 | ||
| 茶园面积tea | 小数 | 原生 | 100% | 万亩 | ||
| 橡胶园面积rubber | 小数 | 原生 | 100% | 万亩 | ||
| 其他园地面积other_garden | 小数 | 原生 | 100% | 万亩 | ||
| 林地面积forest_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 乔木林地面积arbor | 小数 | 原生 | 100% | 万亩 | ||
| 竹林地面积bamboo | 小数 | 原生 | 100% | 万亩 | ||
| 灌木林地面积shrub | 小数 | 原生 | 100% | 万亩 | ||
| 其他林地面积other_forest | 小数 | 原生 | 100% | 万亩 | ||
| 草地面积grass_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 天然牧草地面积natural_pasture | 小数 | 原生 | 100% | 万亩 | ||
| 人工牧草地面积artificial_pasture | 小数 | 原生 | 100% | 万亩 | ||
| 其他草地面积other_grass | 小数 | 原生 | 100% | 万亩 | ||
| 湿地面积wetland_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 红树林地面积mangrove | 小数 | 原生 | 100% | 万亩 | ||
| 森林沼泽面积forest_swamp | 小数 | 原生 | 100% | 万亩 | ||
| 灌丛沼泽面积shrub_swamp | 小数 | 原生 | 100% | 万亩 | ||
| 沼泽草地面积swamp_meadow | 小数 | 原生 | 100% | 万亩 | ||
| 沿海滩涂面积coastal_flat | 小数 | 原生 | 100% | 万亩 | ||
| 内陆滩涂面积inland_flat | 小数 | 原生 | 100% | 万亩 | ||
| 沼泽地面积swamp | 小数 | 原生 | 100% | 万亩 | ||
| 城镇村及工矿用地面积built_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 城市用地面积city_land | 小数 | 原生 | 100% | 万亩 | ||
| 建制镇用地面积town_land | 小数 | 原生 | 100% | 万亩 | ||
| 村庄用地面积village_land | 小数 | 原生 | 100% | 万亩 | ||
| 采矿用地面积mining | 小数 | 原生 | 100% | 万亩 | ||
| 风景名胜及特殊用地面积scenic_special | 小数 | 原生 | 100% | 万亩 | ||
| 交通运输用地面积transport_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 铁路用地面积railway | 小数 | 原生 | 100% | 万亩 | ||
| 轨道交通用地面积rail_transit | 小数 | 原生 | 100% | 万亩 | ||
| 公路用地面积highway | 小数 | 原生 | 100% | 万亩 | ||
| 农村道路面积rural_road | 小数 | 原生 | 100% | 万亩 | ||
| 机场用地面积airport | 小数 | 原生 | 100% | 万亩 | ||
| 港口码头用地面积port | 小数 | 原生 | 100% | 万亩 | ||
| 管道运输用地面积pipeline | 小数 | 原生 | 100% | 万亩 | ||
| 水域及水利设施用地面积water_total | 小数 | 原生 | 100% | 万亩。一级地类小计 | ||
| 河流水面面积river | 小数 | 原生 | 100% | 万亩 | ||
| 湖泊水面面积lake | 小数 | 原生 | 100% | 万亩 | ||
| 水库水面面积reservoir | 小数 | 原生 | 100% | 万亩 | ||
| 坑塘水面面积pond | 小数 | 原生 | 100% | 万亩 | ||
| 沟渠面积canal | 小数 | 原生 | 100% | 万亩 | ||
| 水工建筑用地面积hydraulic | 小数 | 原生 | 100% | 万亩 | ||
| 冰川及常年积雪面积glacier | 小数 | 原生 | 100% | 万亩 | ||
| 行政单位区划代码region_code规律 1:行政单位区划代码的字段规律字段规律:region_code由省份、地级单位、行政单位扩增得出。键:县级区划代码。样本里格式符合 100%,89.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:行政单位区划代码 | 90%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、地级单位、行政单位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 | ||
| 地级单位区划代码city_code规律 1:地级单位区划代码的字段规律字段规律:city_code由省份、地级单位扩增得出。键:市级区划代码。样本里格式符合 100%,84.6% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:地级单位区划代码 | 85%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、地级单位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。
| # | 行政层级level | 省份province | 地级单位city | 行政单位region | 年份year | 耕地面积cultivated_total | 水田面积paddy | 水浇地面积irrigated | 旱地面积dry | 园地面积garden_total | 果园面积orchard | 茶园面积tea | 橡胶园面积rubber | 其他园地面积other_garden | 林地面积forest_total | 乔木林地面积arbor | 竹林地面积bamboo | 灌木林地面积shrub | 其他林地面积other_forest | 草地面积grass_total | 天然牧草地面积natural_pasture | 人工牧草地面积artificial_pasture | 其他草地面积other_grass | 湿地面积wetland_total | 红树林地面积mangrove | 森林沼泽面积forest_swamp | 灌丛沼泽面积shrub_swamp | 沼泽草地面积swamp_meadow | 沿海滩涂面积coastal_flat | 内陆滩涂面积inland_flat | 沼泽地面积swamp | 城镇村及工矿用地面积built_total | 城市用地面积city_land | 建制镇用地面积town_land | 村庄用地面积village_land | 采矿用地面积mining | 风景名胜及特殊用地面积scenic_special | 交通运输用地面积transport_total | 铁路用地面积railway | 轨道交通用地面积rail_transit | 公路用地面积highway | 农村道路面积rural_road | 机场用地面积airport | 港口码头用地面积port | 管道运输用地面积pipeline | 水域及水利设施用地面积water_total | 河流水面面积river | 湖泊水面面积lake | 水库水面面积reservoir | 坑塘水面面积pond | 沟渠面积canal | 水工建筑用地面积hydraulic | 冰川及常年积雪面积glacier | 行政单位区划代码region_code | 地级单位区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 全国 | — | — | 全国 | 2019 | 191792.79 | 47087.97 | 48172.21 | 96532.61 | 30257.33 | 19546.88 | 2527.05 | 2271.48 | 5911.93 | 426188.82 | 296027.43 | 10529.53 | 87939.19 | 31692.67 | 396795.21 | 319758.21 | 870.97 | 76166.03 | 35203.99 | 40.6 | 3311.75 | 1132.62 | 16716.22 | 2268.5 | 8829.16 | 2905.15 | 52959.53 | 7832.78 | 7693.96 | 32903.46 | 3663.66 | 865.68 | 14329.61 | 850.16 | 26.52 | 6044.47 | 7147.56 | 144.41 | 105.64 | 10.85 | 54431.78 | 13211.75 | 12697.16 | 5052.55 | 9627.86 | 5276.27 | 1203.19 | 7362.99 | — | — |
| 2 | 省 | 北京市 | — | 北京市 | 2019 | 140.32 | 0.83 | 114.96 | 24.53 | 189.41 | 185.49 | 0 | 0 | 3.92 | 1451.44 | 836.04 | 0.02 | 555.15 | 60.23 | 21.69 | 0 | 0 | 21.69 | 4.66 | 0 | 0.17 | 0.02 | 0.57 | 0 | 3.65 | 0.24 | 470.47 | 202.28 | 57.56 | 186.71 | 3.14 | 20.77 | 73.92 | 8.08 | 1.79 | 43.15 | 15.2 | 5.69 | 0 | 0.01 | 92.56 | 27.92 | 0.04 | 31.95 | 12.6 | 12.38 | 7.66 | 0 | — | — |
| 3 | 地级 | 北京市 | — | 北京市(市辖区) | 2019 | 140.32 | 0.83 | 114.96 | 24.53 | 189.41 | 185.49 | 0 | 0 | 3.92 | 1451.44 | 836.04 | 0.02 | 555.15 | 60.23 | 21.69 | 0 | 0 | 21.69 | 4.66 | 0 | 0.17 | 0.02 | 0.57 | 0 | 3.65 | 0.24 | 470.47 | 202.28 | 57.56 | 186.71 | 3.14 | 20.77 | 73.92 | 8.08 | 1.79 | 43.15 | 15.2 | 5.69 | 0 | 0.01 | 92.56 | 27.92 | 0.04 | 31.95 | 12.6 | 12.38 | 7.66 | 0 | — | — |
| 4 | 县级 | 北京市 | 北京市(市辖区) | 东城区 | 2019 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 6.14 | 6.14 | 0 | 0 | 0 | 0 | 0.13 | 0.12 | 0.01 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 110101 | — |
| 5 | 县级 | 北京市 | 北京市(市辖区) | 西城区 | 2019 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 7.48 | 7.48 | 0 | 0 | 0 | 0 | 0.07 | 0.05 | 0.02 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 110102 | — |
| 6 | 县级 | 北京市 | 北京市(市辖区) | 朝阳区 | 2019 | 1.68 | 0.24 | 1.43 | 0 | 0.45 | 0.39 | 0 | 0 | 0.05 | 8.55 | 8.29 | 0 | 0 | 0.25 | 0.19 | 0 | 0 | 0.19 | 0.09 | 0 | 0 | 0 | 0 | 0 | 0.09 | 0 | 52.03 | 34.75 | 0 | 17.24 | 0 | 0.04 | 3.18 | 0.77 | 0.28 | 2.01 | 0.12 | 0 | 0 | 0 | 1.91 | 0.43 | 0.04 | 0.02 | 0.51 | 0.33 | 0.57 | 0 | 110105 | — |
| 7 | 县级 | 北京市 | 北京市(市辖区) | 丰台区 | 2019 | 0.68 | 0.01 | 0.41 | 0.26 | 0.49 | 0.45 | 0 | 0 | 0.04 | 8.9 | 7.32 | 0 | 0.66 | 0.92 | 0.08 | 0 | 0 | 0.08 | 0.56 | 0 | 0 | 0 | 0 | 0 | 0.52 | 0.04 | 30.75 | 25.45 | 0.75 | 3.14 | 0.01 | 1.4 | 3.25 | 1.3 | 0.22 | 1 | 0.16 | 0.56 | 0 | 0 | 1.05 | 0.43 | 0 | 0.19 | 0.09 | 0.16 | 0.18 | 0 | 110106 | — |
| 8 | 县级 | 北京市 | 北京市(市辖区) | 石景山区 | 2019 | 0.03 | 0 | 0 | 0.02 | 0.09 | 0.08 | 0 | 0 | 0 | 3.56 | 2.78 | 0 | 0.68 | 0.1 | 0.03 | 0 | 0 | 0.03 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 8.36 | 7.96 | 0 | 0 | 0 | 0.4 | 0.4 | 0.18 | 0.04 | 0.12 | 0.06 | 0 | 0 | 0 | 0.18 | 0.14 | 0 | 0 | 0.01 | 0.02 | 0.01 | 0 | 110107 | — |
| 9 | 县级 | 北京市 | 北京市(市辖区) | 海淀区 | 2019 | 2.06 | 0.23 | 1.45 | 0.38 | 2.85 | 2.78 | 0 | 0 | 0.07 | 16 | 14.64 | 0 | 0.63 | 0.73 | 0.43 | 0 | 0 | 0.43 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 39.23 | 23.35 | 7.59 | 6.45 | 0 | 1.84 | 2.54 | 0.29 | 0.25 | 1.62 | 0.37 | 0.01 | 0 | 0 | 1.35 | 0.27 | 0 | 0.02 | 0.32 | 0.56 | 0.19 | 0 | 110108 | — |
| 10 | 县级 | 北京市 | 北京市(市辖区) | 门头沟区 | 2019 | 0.92 | 0 | 0.46 | 0.46 | 6.86 | 6.66 | 0 | 0 | 0.2 | 193.78 | 29.62 | 0 | 163.47 | 0.69 | 1.55 | 0 | 0 | 1.55 | 0.01 | 0 | 0 | 0 | 0 | 0 | 0.01 | 0 | 7.99 | 3.34 | 1.84 | 2.36 | 0.21 | 0.24 | 2.45 | 0.16 | 0.04 | 1.49 | 0.76 | 0 | 0 | 0 | 2.26 | 1.24 | 0 | 0.63 | 0.07 | 0.29 | 0.04 | 0 | 110109 | — |
| 11 | 县级 | 北京市 | 北京市(市辖区) | 房山区 | 2019 | 16.48 | 0.05 | 12.2 | 4.22 | 16.93 | 16.69 | 0 | 0 | 0.25 | 194.96 | 95.96 | 0 | 96.67 | 2.33 | 2.91 | 0 | 0 | 2.91 | 1.25 | 0 | 0 | 0 | 0 | 0 | 1.25 | 0 | 47.85 | 14.34 | 7.84 | 23.16 | 1.14 | 1.37 | 7.37 | 0.87 | 0.13 | 4.75 | 1.62 | 0 | 0 | 0 | 8.71 | 4.12 | 0 | 0.6 | 1.29 | 0.64 | 2.06 | 0 | 110111 | — |
| 12 | 县级 | 北京市 | 北京市(市辖区) | 通州区 | 2019 | 13.41 | 0.1 | 13.1 | 0.22 | 6.45 | 6.27 | 0 | 0 | 0.18 | 46.6 | 45.08 | 0 | 0.02 | 1.51 | 2.39 | 0 | 0 | 2.39 | 0.12 | 0 | 0 | 0 | 0 | 0 | 0.12 | 0 | 48.14 | 17.96 | 2.06 | 27.02 | 0.01 | 1.09 | 7.43 | 0.37 | 0.2 | 5.02 | 1.84 | 0 | 0 | 0 | 10.52 | 3.07 | 0 | 0 | 2.75 | 3.16 | 1.54 | 0 | 110112 | — |
| 13 | 县级 | 北京市 | 北京市(市辖区) | 顺义区 | 2019 | 21.52 | 0.11 | 21.04 | 0.36 | 5.86 | 5.49 | 0 | 0 | 0.38 | 54.28 | 40.34 | 0 | 2.12 | 11.82 | 3.69 | 0 | 0 | 3.69 | 0.41 | 0 | 0 | 0 | 0 | 0 | 0.21 | 0.2 | 47.2 | 16.92 | 6.81 | 23.11 | 0.03 | 0.32 | 10.3 | 0.45 | 0.07 | 5.33 | 1.24 | 3.21 | 0 | 0 | 8.14 | 2.87 | 0 | 0.02 | 2.28 | 2.39 | 0.58 | 0 | 110113 | — |
| 14 | 县级 | 北京市 | 北京市(市辖区) | 昌平区 | 2019 | 6.6 | 0.01 | 5.64 | 0.95 | 15.69 | 15.5 | 0 | 0 | 0.19 | 111.6 | 78.41 | 0 | 31.83 | 1.37 | 1.91 | 0 | 0 | 1.91 | 0.08 | 0 | 0 | 0 | 0 | 0 | 0.08 | 0 | 52.5 | 13.82 | 10.63 | 18.48 | 0.16 | 9.41 | 6.88 | 0.77 | 0.27 | 4.42 | 1.4 | 0.01 | 0 | 0 | 5.08 | 2.26 | 0 | 0.91 | 0.75 | 0.95 | 0.21 | 0 | 110114 | — |
| 15 | 县级 | 北京市 | 北京市(市辖区) | 大兴区 | 2019 | 27.14 | 0.03 | 26.69 | 0.42 | 12.41 | 10.53 | 0 | 0 | 1.88 | 43.98 | 41.63 | 0.01 | 0.12 | 2.22 | 2.95 | 0 | 0 | 2.95 | 0.73 | 0 | 0 | 0 | 0 | 0 | 0.73 | 0 | 52.28 | 19.24 | 7.92 | 23.75 | 0 | 1.37 | 9.85 | 0.96 | 0.26 | 5.4 | 1.41 | 1.81 | 0 | 0.01 | 5.01 | 1.02 | 0 | 0.07 | 0.84 | 1.82 | 1.26 | 0 | 110115 | — |
| 16 | 县级 | 北京市 | 北京市(市辖区) | 怀柔区 | 2019 | 7.08 | 0 | 4.31 | 2.77 | 27.57 | 27.2 | 0 | 0 | 0.37 | 252.98 | 132.63 | 0 | 86.21 | 34.14 | 1.29 | 0 | 0 | 1.29 | 0.23 | 0 | 0 | 0 | 0 | 0 | 0.23 | 0 | 15.87 | 1.39 | 3.76 | 9.65 | 0.18 | 0.88 | 4.84 | 0.72 | 0 | 3.02 | 1.1 | 0 | 0 | 0 | 7.29 | 4.48 | 0 | 1.75 | 0.38 | 0.41 | 0.27 | 0 | 110116 | — |
| 17 | 县级 | 北京市 | 北京市(市辖区) | 平谷区 | 2019 | 8.45 | 0 | 7.24 | 1.21 | 30.25 | 30.21 | 0 | 0 | 0.04 | 75.08 | 72.28 | 0 | 2.46 | 0.34 | 1.24 | 0 | 0 | 1.24 | 0.02 | 0 | 0 | 0 | 0 | 0 | 0.02 | 0 | 16.65 | 3.35 | 3.35 | 9.48 | 0.08 | 0.39 | 3.93 | 0.11 | 0 | 2.22 | 1.58 | 0.02 | 0 | 0 | 5.58 | 1.61 | 0 | 1.17 | 1.95 | 0.39 | 0.46 | 0 | 110117 | — |
| 18 | 县级 | 北京市 | 北京市(市辖区) | 密云区 | 2019 | 12.82 | 0 | 7.52 | 5.3 | 46.7 | 46.62 | 0 | 0 | 0.08 | 212.71 | 144.89 | 0 | 66.45 | 1.37 | 1.83 | 0 | 0 | 1.83 | 0.39 | 0 | 0 | 0 | 0 | 0 | 0.39 | 0 | 22.21 | 4.77 | 2.45 | 12.92 | 1.25 | 0.82 | 5.22 | 0.41 | 0 | 2.99 | 1.77 | 0.05 | 0 | 0 | 28.73 | 4.75 | 0 | 22.57 | 0.52 | 0.6 | 0.28 | 0 | 110118 | — |
| 19 | 县级 | 北京市 | 北京市(市辖区) | 延庆区 | 2019 | 21.46 | 0.05 | 13.46 | 7.94 | 16.81 | 16.62 | 0 | 0 | 0.19 | 228.46 | 122.17 | 0 | 103.84 | 2.45 | 1.19 | 0 | 0 | 1.19 | 0.77 | 0 | 0.17 | 0.02 | 0.57 | 0 | 0 | 0 | 15.79 | 2.04 | 2.54 | 9.94 | 0.08 | 1.19 | 6.08 | 0.55 | 0 | 3.75 | 1.77 | 0.01 | 0 | 0 | 6.76 | 1.23 | 0 | 3.99 | 0.85 | 0.66 | 0.02 | 0 | 110119 | — |
| 20 | 省 | 天津市 | — | 天津市 | 2019 | 494.34 | 104.29 | 386.6 | 3.45 | 55.38 | 55.08 | 0 | 0 | 0.3 | 222.39 | 47.58 | 0 | 19.15 | 155.67 | 22.48 | 0 | 0 | 22.48 | 49.08 | 0 | 0 | 0 | 0 | 25.17 | 14.92 | 9 | 498.37 | 183.76 | 119.83 | 134.32 | 51.02 | 9.44 | 67.94 | 7.93 | 1.2 | 37.85 | 15.01 | 1.85 | 3.93 | 0.16 | 355.96 | 38.13 | 0 | 55.1 | 123.97 | 118.07 | 20.69 | 0 | — | — |
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 v12026/11/15 发布
生效中9,752 行 · 55 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 8,249 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、region_code、province按城市对上本数据集 8,249 行(84%)
- 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、city_code、date按城市对上本数据集 8,249 行(84%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、county_code、year按城市对上本数据集 8,249 行(84%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、approve_date、province、city_code按城市对上本数据集 8,249 行(84%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、city_code、province、year按城市对上本数据集 8,249 行(84%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、region_code、buyer_city_code、buyer_province按城市对上本数据集 8,249 行(84%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、county_code、year、region_code按城市对上本数据集 8,249 行(84%)
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 region_code、province、county_code、year按城市对上本数据集 8,249 行(84%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 county_code、city_code、year、province按城市对上本数据集 8,249 行(84%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、province、founded_year、county_code按城市对上本数据集 8,249 行(84%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、province_name、county_code_2、year按城市对上本数据集 8,249 行(84%)
- 省市县党政主官任职区域底数 · 2.2 万 行 · 连接字段 province、county_code、start_year、city_code按城市对上本数据集 8,249 行(84%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 8,249 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 month、origin_province、origin_city_code按城市对上本数据集 8,249 行(84%)
- 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、city_code按城市对上本数据集 8,249 行(84%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province、region_code按城市对上本数据集 8,249 行(84%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 8,249 行(84%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 8,249 行(84%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、origin_province、year按城市对上本数据集 8,249 行(84%)
- 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 8,249 行(84%)
- 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 8,249 行(84%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year、province按城市对上本数据集 8,249 行(84%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 8,249 行(84%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、province、year按城市对上本数据集 8,249 行(84%)
- 区县全要素生产率区域底数 · 3 万 行 · 连接字段 city_code、province、year按城市对上本数据集 8,249 行(84%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 8,749 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 8,746 行(89%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time、pname按区县对上本数据集 8,728 行(89%)
- 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 8,722 行(89%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year、province按区县对上本数据集 8,722 行(89%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 8,719 行(89%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 8,716 行(89%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 8,716 行(89%)
- 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 8,716 行(89%)
- 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 8,713 行(89%)
- 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、year按区县对上本数据集 8,704 行(89%)
- 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 8,638 行(88%)
- 第七次人口普查分县详细指标区域底数 · 2,976 行 · 连接字段 year、province、county_code按区县对上本数据集 8,630 行(88%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 8,249 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、county_code、province_code按城市对上本数据集 8,249 行(84%)
- 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 8,249 行(84%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 8,249 行(84%)
- 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 8,249 行(84%)
- 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 8,246 行(84%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code、county_code按城市对上本数据集 8,225 行(84%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 8,069 行(82%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code、region_code按城市对上本数据集 7,913 行(81%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、province、county_code按城市对上本数据集 7,510 行(77%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、province、city_code按城市对上本数据集 6,988 行(71%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 province_name、city_code、region_code按城市对上本数据集 3,540 行(36%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、province、city_code按城市对上本数据集 1,833 行(18%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 8,249 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 7,910 行(81%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code、applicant_address_county_code按城市对上本数据集 7,782 行(79%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、region_code_adj、city_code按城市对上本数据集 7,643 行(78%)
- 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、application_date、address_county_code按城市对上本数据集 6,195 行(63%)
- 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 4,808 行(49%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、established_date、address_city_code按城市对上本数据集 901 行(9.2%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 9,749 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 9,749 行(99%)
- 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 9,749 行(99%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province、year按省份对上本数据集 9,749 行(99%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 year、region_code按省份对上本数据集 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 8,249 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 8,249 行(84%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 8,249 行(84%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 8,249 行(84%)
- 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 8,249 行(84%)
- 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 8,249 行(84%)
- 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 8,249 行(84%)
- 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、month按城市对上本数据集 8,243 行(84%)
- 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 8,237 行(84%)
- 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 8,147 行(83%)
- 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 7,880 行(80%)
- 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 7,547 行(77%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 7,386 行(75%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 8,249 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 8,249 行(84%)
- 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 8,249 行(84%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 8,195 行(84%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 8,177 行(83%)
- 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 7,955 行(81%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 7,895 行(80%)
- 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 7,589 行(77%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 region_code、province按城市对上本数据集 7,208 行(73%)
- 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 7,190 行(73%)
- 高铁动车列车运行时刻交通运输 · 5.2 万 行 · 连接字段 arr_city_code、dep_province按城市对上本数据集 6,989 行(71%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 city_code、province按城市对上本数据集 6,982 行(71%)
- 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 6,977 行(71%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 8,749 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 8,749 行(89%)
- 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 8,662 行(88%)
- 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 8,498 行(87%)
- 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 7,742 行(79%)
- 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 6,931 行(71%)
- 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 4,533 行(46%)
- 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 2,399 行(24%)
- 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 2,043 行(20%)
- 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 1,660 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 county_code、date按区县对上本数据集 1,547 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 8,749 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 8,249 行有城市按 省份 能连
14 个数据集 · 本数据集 9,749 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,749 行(99%)
- 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 9,689 行(99%)
- 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 9,503 行(97%)
- 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 9,503 行(97%)
- 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 9,296 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 8,930 行(91%)
按 区县 能连
9 个数据集 · 本数据集 8,749 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 8,641 行(88%)
- 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 8,631 行(88%)
- 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 8,628 行(88%)
- 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 8,231 行(84%)
- 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 8,040 行(82%)
- 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 6,651 行(68%)
- 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 5,145 行(52%)
- 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 4,073 行(41%)
- 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 3,627 行(37%)
按 城市 能连
7 个数据集 · 本数据集 8,249 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 8,231 行(84%)
- 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 7,073 行(72%)
- 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 7,001 行(71%)
- 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 7,001 行(71%)
- 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 6,808 行(69%)
- 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 6,783 行(69%)
- 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 1,276 行(13%)
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、地级单位扩增得出。
来自字段扩增县级土地利用现状(三调口径)县级土地利用现状(三调口径) - 扩增得出
region_code由省份、地级单位、行政单位扩增得出。
来自字段扩增县级土地利用现状(三调口径)县级土地利用现状(三调口径)
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-land-use-survey/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"level","op":"eq","value":"全国"}],"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。