
- 记录
- 1.7 万
- 字段
- 8
- AI 扩增字段
- 2
- 平均非空率
- 99.0%
- 字段完整度
8 个字段,5 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 8 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 17,094 行计算。
关于这个数据集
一行是一个区县一年的区域夜光指数和夜光扩张活力指数。覆盖全国 31 个省份的 2849 个县级单位,2014 到 2019 年,共 17094 行。可以用来比较区县的开发强度和扩张速度,辅助工程险和企业财产险的区域风险画像。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 2:省份的字段规律字段规律:city_code由省份、地级市扩增得出。。county_code由省份、地级市、区县扩增得出。键:省份名称。样本里格式符合 96.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市city规律 2:地级市的字段规律字段规律:city_code由省份、地级市扩增得出。。county_code由省份、地级市、区县扩增得出。键:城市名称。样本里格式符合 94.5%,还没有参照 | 文本 | 原生 | 100% | 直辖市的区县写直辖市名称 | ||
| 区县county规律 1:区县的字段规律字段规律:county_code由省份、地级市、区县扩增得出。键:区县名称。样本里格式符合 99.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 区域夜光指数nightlight_index | 小数 | 原生 | 97% | 原表“中国区域夜光指数”,原表没有写单位和计算方法 | ||
| 夜光扩张活力指数expansion_index | 小数 | 原生 | 97% | 原表“中国区域夜光扩张活力指数”,原表没有写单位和计算方法 | ||
| 区县区划代码county_code规律 1:区县区划代码的字段规律字段规律:county_code由省份、地级市、区县扩增得出。键:县级区划代码。样本里格式符合 100%,99.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:区县区划代码 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、地级市、区县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 | ||
| 地级市区划代码city_code规律 1:地级市区划代码的字段规律字段规律:city_code由省份、地级市扩增得出。键:市级区划代码。样本里格式符合 100%,98.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:地级市区划代码 | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、地级市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。
| # | 省份province | 地级市city | 区县county | 年份year | 区域夜光指数nightlight_index | 夜光扩张活力指数expansion_index | 区县区划代码county_code | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|
| 1 | 上海市 | 上海市 | 嘉定区 | 2014 | 33909.57127 | 1677.882138 | 310114 | 310000 |
| 2 | 上海市 | 上海市 | 嘉定区 | 2015 | 35572.028845 | 1659.885646 | 310114 | 310000 |
| 3 | 上海市 | 上海市 | 嘉定区 | 2016 | 35568.41481 | 1682.745994 | 310114 | 310000 |
| 4 | 上海市 | 上海市 | 嘉定区 | 2017 | 39370.66279 | 1728.487392 | 310114 | 310000 |
| 5 | 上海市 | 上海市 | 嘉定区 | 2018 | 38542.43453 | 1707.799493 | 310114 | 310000 |
| 6 | 上海市 | 上海市 | 嘉定区 | 2019 | 39431.73851 | 1728.430603 | 310114 | 310000 |
| 7 | 上海市 | 上海市 | 奉贤区 | 2014 | 21077.431565 | 1564.182155 | 310120 | 310000 |
| 8 | 上海市 | 上海市 | 奉贤区 | 2015 | 23512.89629 | 1680.299282 | 310120 | 310000 |
| 9 | 上海市 | 上海市 | 奉贤区 | 2016 | 24072.70419 | 1714.222574 | 310120 | 310000 |
| 10 | 上海市 | 上海市 | 奉贤区 | 2017 | 26950.37706 | 1910.548092 | 310120 | 310000 |
| 11 | 上海市 | 上海市 | 奉贤区 | 2018 | 26710.35681 | 1940.424568 | 310120 | 310000 |
| 12 | 上海市 | 上海市 | 奉贤区 | 2019 | 29845.462095 | 2045.319967 | 310120 | 310000 |
| 13 | 上海市 | 上海市 | 宝山区 | 2014 | 27859.20318 | 1337.385088 | 310113 | 310000 |
| 14 | 上海市 | 上海市 | 宝山区 | 2015 | 27855.976375 | 1325.868268 | 310113 | 310000 |
| 15 | 上海市 | 上海市 | 宝山区 | 2016 | 28690.12792 | 1311.120431 | 310113 | 310000 |
| 16 | 上海市 | 上海市 | 宝山区 | 2017 | 31315.318725 | 1337.937824 | 310113 | 310000 |
| 17 | 上海市 | 上海市 | 宝山区 | 2018 | 32913.983825 | 1333.244075 | 310113 | 310000 |
| 18 | 上海市 | 上海市 | 宝山区 | 2019 | 31523.385645 | 1328.460893 | 310113 | 310000 |
| 19 | 上海市 | 上海市 | 崇明区 | 2014 | 11428.135725 | 796.067946 | 310151 | 310000 |
| 20 | 上海市 | 上海市 | 崇明区 | 2015 | 12840.500155 | 834.860839 | 310151 | 310000 |
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17,094 行 · 8 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 16,782 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、region_code、city_code、province按城市对上本数据集 16,782 行(98%)
- 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 16,782 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、approve_date、county_code、province按城市对上本数据集 16,782 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year、county_code、region_code按城市对上本数据集 16,782 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、year、county_code_2按城市对上本数据集 16,782 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、city_code、province、region_code按城市对上本数据集 16,782 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 16,782 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 city_code、province、date、county_code按城市对上本数据集 16,776 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、province、year、city_code按城市对上本数据集 16,776 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、province、layer_year按城市对上本数据集 16,776 行(98%)
- 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 16,770 行(98%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 year、province、county_code、city_code按城市对上本数据集 16,764 行(98%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 16,782 行有城市- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date、province按城市对上本数据集 16,782 行(98%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code、year按城市对上本数据集 16,782 行(98%)
- 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 16,782 行(98%)
- 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 16,782 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、year、province按城市对上本数据集 16,782 行(98%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 16,782 行(98%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、year、region_code按城市对上本数据集 16,782 行(98%)
- 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 16,782 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 16,776 行(98%)
- 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 16,776 行(98%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、province、region_code按城市对上本数据集 16,776 行(98%)
- 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 16,776 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 17,052 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 county_code、province_code、taobao_village_year按区县对上本数据集 17,052 行(99%)
- 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 17,052 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、region_code按区县对上本数据集 17,046 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 17,046 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 17,040 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 17,040 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、year按区县对上本数据集 17,040 行(99%)
- 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 17,034 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、adcode、page_publish_time按区县对上本数据集 17,016 行(99%)
- 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 17,010 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、year按区县对上本数据集 16,902 行(98%)
- 第七次人口普查分县详细指标区域底数 · 2,976 行 · 连接字段 county_code、year、province按区县对上本数据集 16,878 行(98%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 16,782 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code、county_code按城市对上本数据集 16,782 行(98%)
- 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 16,782 行(98%)
- 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 16,770 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province、county_code按城市对上本数据集 16,734 行(97%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、city_code、province_code按城市对上本数据集 16,260 行(95%)
- 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 16,236 行(94%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、city_code、region_code按城市对上本数据集 16,098 行(94%)
- 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 15,930 行(93%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province、city_code按城市对上本数据集 15,228 行(89%)
- 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 13,794 行(80%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 7,482 行(43%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code、province按城市对上本数据集 4,176 行(24%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 16,782 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 16,122 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 15,846 行(92%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year、city_code按城市对上本数据集 15,660 行(91%)
- 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 12,726 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 county_code、year、city_code按城市对上本数据集 10,068 行(58%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、established_date、county_code按城市对上本数据集 1,842 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 16,428 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 year、province_name按省份对上本数据集 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code、year按省份对上本数据集 16,428 行(96%)
- 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 16,428 行(96%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province按省份对上本数据集 16,428 行(96%)
- 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 16,428 行(96%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 16,428 行(96%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 date、region_code按省份对上本数据集 16,428 行(96%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 16,782 行有城市- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 16,776 行(98%)
- 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 16,776 行(98%)
- 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 16,776 行(98%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 16,776 行(98%)
- 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 16,776 行(98%)
- 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 16,764 行(98%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code、date按城市对上本数据集 16,752 行(97%)
- 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 16,578 行(96%)
- 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 16,260 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 16,038 行(93%)
- 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 15,366 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 15,084 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 16,782 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 16,782 行(98%)
- 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 16,668 行(97%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 16,620 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 16,254 行(95%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 16,176 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 16,068 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 15,474 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 14,850 行(86%)
- 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 14,826 行(86%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 14,400 行(84%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 14,346 行(83%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 city_code、province按城市对上本数据集 13,998 行(81%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 17,052 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 17,052 行(99%)
- 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 16,866 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 16,590 行(97%)
- 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 15,216 行(89%)
- 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 13,386 行(78%)
- 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 8,820 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 4,536 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 4,002 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 2,850 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 2,718 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 17,052 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 16,782 行有城市按 省份 能连
14 个数据集 · 本数据集 16,428 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,428 行(96%)
- 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 16,332 行(95%)
- 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 15,984 行(93%)
- 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 15,984 行(93%)
- 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 15,660 行(91%)
- 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 15,012 行(87%)
按 区县 能连
9 个数据集 · 本数据集 17,052 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 16,896 行(98%)
- 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 16,878 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 16,866 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 16,110 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 15,696 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 12,840 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 10,014 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 7,836 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 7,056 行(41%)
按 城市 能连
7 个数据集 · 本数据集 16,782 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 16,740 行(97%)
- 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 14,592 行(85%)
- 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 14,448 行(84%)
- 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 14,448 行(84%)
- 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 14,016 行(81%)
- 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 13,944 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 2,742 行(16%)
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、地级市扩增得出。
来自字段扩增县级区域夜光指数县级区域夜光指数 - 扩增得出
county_code由省份、地级市、区县扩增得出。
来自字段扩增县级区域夜光指数县级区域夜光指数
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-night-light-index/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"上海市"}],"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。