
县级逐月风速
一行是一个县一个月的近地面风况。包含 10 米高度的平均风速、边界层高度和通风系数。
v1 生效中 · 2026/11/14 发布险种标签:工程险企业财产险时间跨度:1940 年 1 月–2024 年 12 月数据出处 ERA5 再分析资料(欧洲中期天气预报中心,哥白尼气候变化服务)
- 记录
- 293.5 万
- 字段
- 13
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
13 个字段,12 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 13 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 2,934,540 行计算。
关于这个数据集
一行是一个县一个月的近地面风况。包含 10 米高度的平均风速、边界层高度和通风系数。覆盖全国的县区,长时间序列,每月 1 个值,由欧洲中期天气预报中心的再分析资料按行政区取平均得到。用来比较各地常年的风大不大、哪几个月风大,为工程的风灾风险评估和露天施工安排提供背景。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 月份month键:月份(1–12)。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 1 到 12 | ||
| 月份的第一天date键:年月。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | 用来按时间筛选 | ||
| 省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% | 6 位 | ||
| 地级市city键:城市名称。样本里格式符合 94%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 市代码city_code键:市级区划代码(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% | 6 位 | ||
| 县区county键:区县名称。样本里格式符合 98.5%,还没有参照 | 文本 | 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。键:县级区划代码(2020 年版)。样本里格式符合 100%,98.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 10 米风速wind_speed | 小数 | 原生 | 100% | 米每秒,月平均。是格点的平均值,不是阵风或最大风速 | ||
| 边界层高度boundary_layer_height | 小数 | 原生 | 100% | 米,月平均 | ||
| 通风系数ventilation_coefficient | 小数 | 原生 | 100% | 平方米每秒,月平均。数值越大,空气越容易扩散 | ||
| 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。键:县级区划代码。样本里格式符合 100%,98.8% 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) | 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 | 月份month | 月份的第一天date | 省province | 省代码province_code | 地级市city | 市代码city_code | 县区county | 行政区划代码region_code | 10 米风速wind_speed | 边界层高度boundary_layer_height | 通风系数ventilation_coefficient | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 340803 | 3.6022 | 412.3658 | 1485.4298 | 340803 |
| 2 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 怀宁县 | 340822 | 3.2775 | 407.0064 | 1333.9663 | 340822 |
| 3 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 潜山市 | 340882 | 2.8202 | 378.0221 | 1066.1096 | 340882 |
| 4 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 宿松县 | 340826 | 3.68 | 386.4283 | 1422.0613 | 340826 |
| 5 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 太湖县 | 340825 | 2.4223 | 351.6158 | 851.7127 | 340825 |
| 6 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 桐城市 | 340881 | 2.8079 | 383.8658 | 1077.8576 | 340881 |
| 7 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 望江县 | 340827 | 3.8002 | 393.8971 | 1496.8922 | 340827 |
| 8 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 宜秀区 | 340811 | 3.3938 | 411.6314 | 1397.0111 | 340811 |
| 9 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 迎江区 | 340802 | 3.4287 | 409.9491 | 1405.5972 | 340802 |
| 10 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 安庆市 | 340800 | 岳西县 | 340828 | 2.0352 | 315.3658 | 641.8316 | 340828 |
| 11 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 蚌山区 | 340303 | 3.1388 | 456.3424 | 1432.3833 | 340303 |
| 12 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 固镇县 | 340323 | 3.043 | 445.0846 | 1354.3785 | 340323 |
| 13 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 怀远县 | 340321 | 3.0924 | 450.2174 | 1392.2738 | 340321 |
| 14 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 淮上区 | 340311 | 3.1359 | 456.5846 | 1431.8058 | 340311 |
| 15 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 龙子湖区 | 340302 | 3.1361 | 456.6158 | 1431.9782 | 340302 |
| 16 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 五河县 | 340322 | 3.0602 | 452.5533 | 1384.9134 | 340322 |
| 17 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 蚌埠市 | 340300 | 禹会区 | 340304 | 3.1387 | 454.6471 | 1426.988 | 340304 |
| 18 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 亳州市 | 341600 | 利辛县 | 341623 | 3.0514 | 449.2096 | 1370.7326 | 341623 |
| 19 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 亳州市 | 341600 | 蒙城县 | 341622 | 3.055 | 446.6783 | 1364.6081 | 341622 |
| 20 | 1940 | 1 | 1940-01-01 | 安徽省 | 340000 | 亳州市 | 341600 | 谯城区 | 341602 | 2.9025 | 424.2486 | 1231.3844 | 341602 |
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2,934,540 行 · 13 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 2,934,540 行有城市- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、county_code、year按城市对上本数据集 2,934,540 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、province、division_year、region_code按城市对上本数据集 2,934,540 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、province、region_code、division_year按城市对上本数据集 2,934,540 行(100%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province、region_code、city_code按城市对上本数据集 2,924,340 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、county_code、city_code按城市对上本数据集 2,903,940 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、county_code、approve_date、city_code按城市对上本数据集 2,903,940 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、city_code、layer_year、province按城市对上本数据集 2,902,920 行(98%)
- 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 2,876,400 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、county_code、city_code、province按城市对上本数据集 2,874,360 行(97%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、founded_year、county_code、city_code按城市对上本数据集 2,873,340 行(97%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 year、county_code、province、city_code按城市对上本数据集 2,872,320 行(97%)
- 全国A级景区明细建筑设施 · 1.6 万 行 · 连接字段 publish_date、county_code、province、encoded_address_city_code按城市对上本数据集 2,864,160 行(97%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 2,934,540 行有城市- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 2,934,540 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province、year按城市对上本数据集 2,934,540 行(100%)
- 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 2,934,540 行(100%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 2,934,540 行(100%)
- 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、city_code按城市对上本数据集 2,933,520 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 2,932,500 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、city_code、province按城市对上本数据集 2,924,340 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 year、province、region_code按城市对上本数据集 2,907,000 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 2,904,960 行(98%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_city_code、month、origin_province按城市对上本数据集 2,903,940 行(98%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 2,903,940 行(98%)
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 year、region_code、province_code按城市对上本数据集 2,895,780 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 2,934,540 行有区县- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 2,934,540 行(100%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、province、region_code按区县对上本数据集 2,933,520 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 2,932,500 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、adcode、pname按区县对上本数据集 2,919,240 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、region_code、province按区县对上本数据集 2,902,920 行(98%)
- 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 2,900,880 行(98%)
- 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、taobao_village_year按区县对上本数据集 2,899,860 行(98%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、province、first_year按区县对上本数据集 2,897,820 行(98%)
- 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 2,893,740 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 2,890,680 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 2,871,300 行(97%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 2,868,240 行(97%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 2,934,540 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 2,933,520 行(99%)
- 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、city_code按城市对上本数据集 2,933,520 行(99%)
- 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 2,873,340 行(97%)
- 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 2,868,240 行(97%)
- 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、city_code按城市对上本数据集 2,787,660 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、city_code按城市对上本数据集 2,783,580 行(94%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 2,780,520 行(94%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province、city_code按城市对上本数据集 2,727,480 行(92%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code、province按城市对上本数据集 2,611,200 行(88%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、province、county_code按城市对上本数据集 2,362,320 行(80%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、city_code、province_name按城市对上本数据集 1,281,120 行(43%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 city_code、region_code、province按城市对上本数据集 734,400 行(25%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 2,934,540 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 2,759,100 行(94%)
- 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、applicant_address_city_code按城市对上本数据集 2,716,260 行(92%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj、year按城市对上本数据集 2,669,340 行(90%)
- 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、address_city_code按城市对上本数据集 2,181,780 行(74%)
- 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 1,707,480 行(58%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code、address_city_code按城市对上本数据集 312,120 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 2,934,540 行有省份- 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 2,934,540 行(100%)
- 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 2,934,540 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 2,934,540 行(100%)
- 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 2,934,540 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 year、province按省份对上本数据集 2,934,540 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province、year按省份对上本数据集 2,934,540 行(100%)
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 year、city按省份对上本数据集 2,934,540 行(100%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 region_code、year按省份对上本数据集 2,934,540 行(100%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 born_date、province按省份对上本数据集 2,926,380 行(99%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 province、year按省份对上本数据集 2,926,380 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 year、province按省份对上本数据集 2,925,360 行(99%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 province、year按省份对上本数据集 2,925,360 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 2,934,540 行有城市- 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 2,922,300 行(99%)
- 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 2,875,380 行(97%)
- 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 2,875,380 行(97%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 2,875,380 行(97%)
- 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 2,875,380 行(97%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 2,875,380 行(97%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 2,873,340 行(97%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 2,864,160 行(97%)
- 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、date按城市对上本数据集 2,809,080 行(95%)
- 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 2,797,860 行(95%)
- 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 2,634,660 行(89%)
- 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 2,585,700 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 2,934,540 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 2,905,980 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 2,879,460 行(98%)
- 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 2,847,840 行(97%)
- 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 2,786,640 行(94%)
- 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 2,772,360 行(94%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 2,754,000 行(93%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 2,648,940 行(90%)
- 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 2,519,400 行(85%)
- 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 2,515,320 行(85%)
- 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 2,446,980 行(83%)
- 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 2,442,900 行(83%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 2,398,020 行(81%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 2,934,540 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 2,902,920 行(98%)
- 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 2,864,160 行(97%)
- 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 2,822,340 行(96%)
- 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 2,583,660 行(88%)
- 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 2,270,520 行(77%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 1,498,380 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 771,120 行(26%)
- 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 676,260 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 region_code、year按区县对上本数据集 481,440 行(16%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 467,160 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 2,934,540 行有区县- 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 2,934,540 行(100%)
- 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 2,812,140 行(95%)
- 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 1,910,460 行(65%)
- 京津沪冀乡镇街道人口区域底数 · 3,467 行 · 连接字段 city_code、province按区县对上本数据集 2,040 行(不到 1%)
按 城市 + 区县 能连
3 个数据集 · 本数据集 2,934,540 行有城市按 省份 能连
14 个数据集 · 本数据集 2,934,540 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 2,934,540 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 2,907,000 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 2,907,000 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 2,907,000 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 2,907,000 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 2,907,000 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 2,907,000 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 2,890,680 行(98%)
- 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 2,831,520 行(96%)
- 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 2,831,520 行(96%)
- 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 2,771,340 行(94%)
- 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 2,665,260 行(90%)
按 区县 能连
9 个数据集 · 本数据集 2,934,540 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 2,870,280 行(97%)
- 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 2,870,280 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 2,868,240 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 2,739,720 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 2,670,360 行(90%)
- 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 2,178,720 行(74%)
- 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 1,705,440 行(58%)
- 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 1,333,140 行(45%)
- 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 1,200,540 行(40%)
按 城市 能连
7 个数据集 · 本数据集 2,934,540 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 2,889,660 行(98%)
- 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 2,475,540 行(84%)
- 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 2,451,060 行(83%)
- 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 2,451,060 行(83%)
- 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 2,387,820 行(81%)
- 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 2,377,620 行(81%)
- 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 465,120 行(15%)
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-monthly-wind/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽省"}],"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。