
区县人口分布(格网汇总)
v1 生效中 · 2026/11/14 发布险种标签:企业财产险健康险寿险时间跨度:2000–2020 年数据出处 美国哥伦比亚大学 SEDAC《世界网格人口》第 4 版第 11 次修订(GPW v4.11)人口密度栅格,原数据采用 CC BY 4.0 许可。第 5 位处理人按 2021 年行政区划县界汇总,县界不是官方边界
- 记录
- 1.4 万
- 字段
- 12
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
12 个字段,11 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 14,380 行计算。
关于这个数据集
一行是一个区县一年的人口分布:按约 1 千米格网的人口密度汇总出的估算人口、平均密度、最密格子的密度、住在高密度格子里的人口比例和人口密集的面积比例。2000、2005、2010、2015、2020 年,每年约 2870 个区县。可用来看人口在区县内部集中在哪里,做巨灾和意外险的人口暴露参照。
| 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% | 2000、2005、2010、2015、2020 | ||
| 区县代码region_code规律 1:区县代码的字段规律字段规律:region_code_current由区县代码扩增得出。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% | 2021 年行政区划 | ||
| 区县county键:区县名称。样本里格式符合 98.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 市city键:城市名称。样本里格式符合 94.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 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% | — | ||
| 估算人口population_est | 整数 | 原生 | 100% | 人,格子人口密度乘格子面积再加总 | ||
| 面积area_km2 | 小数 | 原生 | 100% | 平方千米,有人口数据的格子面积 | ||
| 平均人口密度density_mean | 小数 | 原生 | 100% | 人每平方千米 | ||
| 最高格子密度density_max_cell | 小数 | 原生 | 100% | 区县里人口最密的约 1 千米格子,人每平方千米 | ||
| 高密度人口比例pop_share_dense | 小数 | 原生 | 100% | %,住在每平方千米 1500 人以上格子里的人口占比 | ||
| 人口密集面积比例area_share_300 | 小数 | 原生 | 100% | %,每平方千米 300 人以上的格子面积占比 | ||
| 区县代码(现行)region_code_current规律 1:区县代码(现行)的字段规律字段规律:region_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%,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:区县代码(现行) | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 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。
| # | 年份year | 区县代码region_code | 区县county | 市city | 省province | 估算人口population_est | 面积area_km2 | 平均人口密度density_mean | 最高格子密度density_max_cell | 高密度人口比例pop_share_dense | 人口密集面积比例area_share_300 | 区县代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2000 | 340803 | 大观区 | 安庆市 | 安徽省 | 191116 | 271.8 | 703.15 | 12038.1 | 53.19 | 46.61 | 340803 |
| 2 | 2000 | 340822 | 怀宁县 | 安庆市 | 安徽省 | 559374 | 1252.4 | 446.65 | 1944.1 | 13.28 | 71.15 | 340822 |
| 3 | 2000 | 340882 | 潜山市 | 安庆市 | 安徽省 | 508545 | 1684.3 | 301.93 | 2181.2 | 18.37 | 23.35 | 340882 |
| 4 | 2000 | 340826 | 宿松县 | 安庆市 | 安徽省 | 621923 | 2373 | 262.09 | 1479.4 | 0 | 31.66 | 340826 |
| 5 | 2000 | 340825 | 太湖县 | 安庆市 | 安徽省 | 522469 | 2030.6 | 257.3 | 1726.3 | 13.83 | 27.16 | 340825 |
| 6 | 2000 | 340881 | 桐城市 | 安庆市 | 安徽省 | 647973 | 1533 | 422.68 | 1114.1 | 0 | 79.2 | 340881 |
| 7 | 2000 | 340827 | 望江县 | 安庆市 | 安徽省 | 548852 | 1320.3 | 415.69 | 953.1 | 0 | 76.18 | 340827 |
| 8 | 2000 | 340811 | 宜秀区 | 安庆市 | 安徽省 | 303620 | 414.7 | 732.08 | 18926 | 60.58 | 45.24 | 340811 |
| 9 | 2000 | 340802 | 迎江区 | 安庆市 | 安徽省 | 379047 | 206.1 | 1839.17 | 32922.8 | 77.54 | 69.64 | 340802 |
| 10 | 2000 | 340828 | 岳西县 | 安庆市 | 安徽省 | 311019 | 2361 | 131.73 | 1793.6 | 12.95 | 6 | 340828 |
| 11 | 2000 | 340303 | 蚌山区 | 蚌埠市 | 安徽省 | 189841 | 88.3 | 2150.07 | 39735.9 | 84.32 | 92.68 | 340303 |
| 12 | 2000 | 340323 | 固镇县 | 蚌埠市 | 安徽省 | 573260 | 1362.7 | 420.69 | 842.9 | 0 | 77.06 | 340323 |
| 13 | 2000 | 340321 | 怀远县 | 蚌埠市 | 安徽省 | 944138 | 2200.9 | 428.97 | 5269.5 | 11.13 | 66.53 | 340321 |
| 14 | 2000 | 340311 | 淮上区 | 蚌埠市 | 安徽省 | 268554 | 406.4 | 660.87 | 22640 | 37.11 | 54.51 | 340311 |
| 15 | 2000 | 340302 | 龙子湖区 | 蚌埠市 | 安徽省 | 268878 | 150 | 1792.93 | 26548.4 | 64.79 | 92.82 | 340302 |
| 16 | 2000 | 340322 | 五河县 | 蚌埠市 | 安徽省 | 623070 | 1416.3 | 439.94 | 2163.6 | 16.93 | 57.97 | 340322 |
| 17 | 2000 | 340304 | 禹会区 | 蚌埠市 | 安徽省 | 678791 | 323.8 | 2096.07 | 84558.9 | 83.72 | 99.33 | 340304 |
| 18 | 2000 | 341623 | 利辛县 | 亳州市 | 安徽省 | 1191164 | 2005.9 | 593.83 | 4579.3 | 12.92 | 96.43 | 341623 |
| 19 | 2000 | 341622 | 蒙城县 | 亳州市 | 安徽省 | 1109597 | 2132.4 | 520.36 | 2416.8 | 9.73 | 94.47 | 341622 |
| 20 | 2000 | 341602 | 谯城区 | 亳州市 | 安徽省 | 1481051 | 2260.7 | 655.12 | 8022.6 | 19.61 | 100 | 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14,380 行 · 12 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 14,380 行有区县- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、region_code按区县对上本数据集 14,380 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year按区县对上本数据集 14,380 行(100%)
- 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 14,380 行(100%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 14,375 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 14,370 行(99%)
- 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 14,370 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 14,310 行(99%)
- 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 year、province_code、region_code按区县对上本数据集 14,225 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、county_code、year按区县对上本数据集 14,225 行(98%)
- 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按区县对上本数据集 14,225 行(98%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、region_code、valid_from按区县对上本数据集 14,225 行(98%)
- 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 14,225 行(98%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 14,380 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year按省份对上本数据集 14,380 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 14,380 行(100%)
- 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 14,380 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 14,380 行(100%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date按省份对上本数据集 14,380 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 14,380 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year按省份对上本数据集 14,380 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 14,380 行(100%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、year按省份对上本数据集 14,380 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 14,380 行(100%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 census_year、province_code按省份对上本数据集 14,380 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 14,380 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 14,380 行有区县- 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 14,380 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 14,215 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 province_code、region_code按区县对上本数据集 14,210 行(98%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 14,205 行(98%)
- 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 14,205 行(98%)
- 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 14,135 行(98%)
- 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 13,785 行(95%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 13,305 行(92%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 11,125 行(77%)
- 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 10,175 行(70%)
- 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 9,365 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 6,810 行(47%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 14,380 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 14,225 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 14,040 行(97%)
- 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 13,835 行(96%)
- 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 12,665 行(88%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 12,425 行(86%)
- 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 11,130 行(77%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date按区县对上本数据集 9,260 行(64%)
- 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 7,345 行(51%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、application_date按区县对上本数据集 3,970 行(27%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 3,780 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 3,315 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 2,360 行(16%)
按 省份 能连
29 个数据集 · 本数据集 14,380 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 14,380 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 14,375 行(99%)
- 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 14,245 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 14,245 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 14,245 行(99%)
- 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 14,245 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 14,245 行(99%)
- 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 14,245 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 14,245 行(99%)
- 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 14,245 行(99%)
- 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 14,245 行(99%)
- 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 14,245 行(99%)
按 区县 能连
12 个数据集 · 本数据集 14,380 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 14,070 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 14,070 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 14,060 行(97%)
- 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 14,005 行(97%)
- 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 13,955 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 13,430 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 13,090 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 10,680 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 8,360 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 6,535 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 5,885 行(40%)
- 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 935 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由区县代码扩增得出。
来自字段扩增区县人口分布(格网汇总)区县人口分布(格网汇总)
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-population-grid/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"340803"}],"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。