
县域新注册企业统计
一行代表一个县级行政区在特定年份的新注册企业数量及地理信息。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险时间跨度:2000–2019 年数据出处 爱企查
- 记录
- 5.8 万
- 字段
- 16
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
16 个字段,15 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 58,120 行计算。
关于这个数据集
一行代表一个县级行政区在特定年份的新注册企业数量及地理信息。覆盖全国县级行政区,包含所属地级市、省会及经纬度距离等空间属性。可用于评估区域商业活跃度及分析企业分布的空间特征。
| 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% | — | ||
| 地区编码region_code规律 1:地区编码的字段规律字段规律:region_code_current由地区编码扩增得出。含义:代码或编号键:县级区划代码(2018 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% | — | ||
| 新企业注册数new_enterprise_count含义:个数(家) | 整数 | 原生 | 100% | 家 原表列名:新企业注册数目 | ||
| 县域名称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% | — | ||
| 所属地级市city含义:地区键:城市名称。样本里格式符合 97.4%,还没有参照 | 文本 | 原生 | 99% | — | ||
| 所属省份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% | — | ||
| 县经度lng含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 县纬度lat含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 市经度city_lng含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:所属地级市-经度 | ||
| 市纬度city_lat含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:所属地级市-纬度 | ||
| 距市距离dist_to_city含义:长度(千米) | 小数 | 原生 | 100% | 单位不清,推测为公里 原表列名:与所属地级市距离 | ||
| 所属省会capital_city含义:地区键:城市名称。样本里格式符合 97.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:所属省会城市 | ||
| 省会经度capital_lng含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:所属省会城市-经度 | ||
| 省会纬度capital_lat含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 原表列名:所属省会城市-纬度 | ||
| 距省会距离dist_to_capital含义:长度(千米) | 小数 | 原生 | 100% | 单位不清,推测为公里 原表列名:与所属省会城市距离 | ||
| 地区编码(现行)region_code_current规律 1:地区编码(现行)的字段规律字段规律:region_code_current由地区编码扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.7% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:地区编码(现行) | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 地区编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 | 地区编码region_code | 新企业注册数new_enterprise_count | 县域名称county | 所属地级市city | 所属省份province | 县经度lng | 县纬度lat | 市经度city_lng | 市纬度city_lat | 距市距离dist_to_city | 所属省会capital_city | 省会经度capital_lng | 省会纬度capital_lat | 距省会距离dist_to_capital | 地区编码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2019 | 110101 | 4691 | 东城区 | 北京市 | 北京市 | 116.416275 | 39.928384 | 116.724751 | 39.904896 | 20.778609 | 北京市 | 116.724751 | 39.904896 | 20.778609 | 110101 |
| 2 | 2019 | 110102 | 4246 | 西城区 | 北京市 | 北京市 | 116.36662 | 39.912538 | 116.724751 | 39.904896 | 23.676476 | 北京市 | 116.724751 | 39.904896 | 23.676476 | 110102 |
| 3 | 2019 | 110105 | 42960 | 朝阳区 | 北京市 | 北京市 | 116.443212 | 39.921405 | 116.724751 | 39.904896 | 18.825515 | 北京市 | 116.724751 | 39.904896 | 18.825515 | 110105 |
| 4 | 2019 | 110106 | 12214 | 丰台区 | 北京市 | 北京市 | 116.286239 | 39.85847 | 116.724751 | 39.904896 | 28.309828 | 北京市 | 116.724751 | 39.904896 | 28.309828 | 110106 |
| 5 | 2019 | 110107 | 3475 | 石景山区 | 北京市 | 北京市 | 116.223015 | 39.906594 | 116.724751 | 39.904896 | 32.905261 | 北京市 | 116.724751 | 39.904896 | 32.905261 | 110107 |
| 6 | 2019 | 110108 | 26127 | 海淀区 | 北京市 | 北京市 | 116.29833 | 39.959852 | 116.724751 | 39.904896 | 29.640592 | 北京市 | 116.724751 | 39.904896 | 29.640592 | 110108 |
| 7 | 2019 | 110109 | 7408 | 门头沟区 | 北京市 | 北京市 | 116.102571 | 39.940481 | 116.724751 | 39.904896 | 41.763482 | 北京市 | 116.724751 | 39.904896 | 41.763482 | 110109 |
| 8 | 2019 | 110111 | 19763 | 房山区 | 北京市 | 北京市 | 116.143398 | 39.749058 | 116.724751 | 39.904896 | 37.738726 | 北京市 | 116.724751 | 39.904896 | 37.738726 | 110111 |
| 9 | 2019 | 110112 | 19192 | 通州区 | 北京市 | 北京市 | 116.728861 | 39.916408 | 116.724751 | 39.904896 | 1.308903 | 北京市 | 116.724751 | 39.904896 | 1.308903 | 110112 |
| 10 | 2019 | 110113 | 13413 | 顺义区 | 北京市 | 北京市 | 116.653421 | 40.11767 | 116.724751 | 39.904896 | 24.247716 | 北京市 | 116.724751 | 39.904896 | 24.247716 | 110113 |
| 11 | 2019 | 110114 | 15748 | 昌平区 | 北京市 | 北京市 | 116.2313 | 40.220702 | 116.724751 | 39.904896 | 51.920331 | 北京市 | 116.724751 | 39.904896 | 51.920331 | 110114 |
| 12 | 2019 | 110115 | 11183 | 大兴区 | 北京市 | 北京市 | 116.341499 | 39.727111 | 116.724751 | 39.904896 | 29.403256 | 北京市 | 116.724751 | 39.904896 | 29.403256 | 110115 |
| 13 | 2019 | 110116 | 10031 | 怀柔区 | 北京市 | 北京市 | 116.631656 | 40.316309 | 116.724751 | 39.904896 | 46.361375 | 北京市 | 116.724751 | 39.904896 | 46.361375 | 110116 |
| 14 | 2019 | 110117 | 4820 | 平谷区 | 北京市 | 北京市 | 117.121216 | 40.14062 | 116.724751 | 39.904896 | 39.63052 | 北京市 | 116.724751 | 39.904896 | 39.63052 | 110117 |
| 15 | 2019 | 110118 | 8926 | 密云区 | 北京市 | 北京市 | 116.842948 | 40.376279 | 116.724751 | 39.904896 | 53.314317 | 北京市 | 116.724751 | 39.904896 | 53.314317 | 110118 |
| 16 | 2019 | 110119 | 5921 | 延庆区 | 北京市 | 北京市 | 115.974726 | 40.457171 | 116.724751 | 39.904896 | 87.861554 | 北京市 | 116.724751 | 39.904896 | 87.861554 | 110119 |
| 17 | 2019 | 120101 | 7383 | 和平区 | 天津市 | 天津市 | 117.214747 | 39.11725 | 117.2013 | 39.085052 | 3.588972 | 天津市 | 117.2013 | 39.085052 | 3.588972 | 120101 |
| 18 | 2019 | 120102 | 13054 | 河东区 | 天津市 | 天津市 | 117.252257 | 39.128253 | 117.2013 | 39.085052 | 4.889689 | 天津市 | 117.2013 | 39.085052 | 4.889689 | 120102 |
| 19 | 2019 | 120103 | 13651 | 河西区 | 天津市 | 天津市 | 117.223325 | 39.109517 | 117.2013 | 39.085052 | 2.752556 | 天津市 | 117.2013 | 39.085052 | 2.752556 | 120103 |
| 20 | 2019 | 120104 | 20639 | 南开区 | 天津市 | 天津市 | 117.150663 | 39.138232 | 117.2013 | 39.085052 | 5.977705 | 天津市 | 117.2013 | 39.085052 | 5.977705 | 120104 |
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58,120 行 · 16 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 58,120 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 region_code、year、province_code按区县对上本数据集 58,120 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 58,120 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 58,120 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 58,120 行(100%)
- 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 58,120 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 58,120 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、division_year、province按区县对上本数据集 58,120 行(100%)
- 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 58,080 行(99%)
- 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 58,080 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、county_code、province按区县对上本数据集 58,080 行(99%)
- 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 58,080 行(99%)
- 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 58,080 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 58,120 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 58,120 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 58,120 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 58,120 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 58,120 行(100%)
- 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 58,120 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、province按省份对上本数据集 58,120 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 58,120 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 58,120 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 58,120 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 58,120 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 58,120 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 58,120 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 58,120 行有区县- 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 58,120 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 region_code、province_code按区县对上本数据集 58,120 行(100%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 58,120 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 58,100 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 58,080 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code按区县对上本数据集 57,820 行(99%)
- 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 56,340 行(96%)
- 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 54,420 行(93%)
- 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 45,620 行(78%)
- 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 41,560 行(71%)
- 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 38,200 行(65%)
- 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 27,800 行(47%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 58,120 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 58,120 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 57,360 行(98%)
- 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 56,540 行(97%)
- 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 51,620 行(88%)
- 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 51,040 行(87%)
- 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 45,840 行(78%)
- 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 37,980 行(65%)
- 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 30,000 行(51%)
- 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 16,300 行(28%)
- 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 15,420 行(26%)
- 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 13,520 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 9,620 行(16%)
按 省份 能连
29 个数据集 · 本数据集 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 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 58,120 行(100%)
按 区县 能连
12 个数据集 · 本数据集 58,120 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 57,540 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 57,440 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 57,420 行(98%)
- 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 57,240 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 56,920 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 54,920 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 53,460 行(91%)
- 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 43,540 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 34,360 行(59%)
- 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 26,640 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 24,040 行(41%)
- 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 3,780 行(6.5%)
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由地区编码扩增得出。
来自字段扩增县域新注册企业统计县域新注册企业统计
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-new-enterprise-reg/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。