
县级人口与户数
一行是一个县区一年年末的户籍人口和常住人口,分男女、农业和非农业、城镇和乡村,另有户数和城镇化率。
- 记录
- 4.9 万
- 字段
- 21
- AI 扩增字段
- 1
- 平均非空率
- 50.6%
- 字段完整度
21 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 21 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 48,552 行计算。
关于这个数据集
一行是一个县区一年年末的户籍人口和常住人口,分男女、农业和非农业、城镇和乡村,另有户数和城镇化率。覆盖全国的县、县级市和市辖区,2000–2022 年,共 48552 行,很多县区、年份只有部分指标;2000–2020 年取自国泰安县域经济数据库,2021–2022 年取自另一份县域人口整理表(这份表在 2000–2020 年和国泰安 98.9% 的行逐格相同),2022 年只有约 1400 个县区。用来估计一个县的人口规模和结构,给健康险、寿险的区域市场估计做参考。山西各县 2001 年的常住人口(总数、男、女)大多正好是 2000 年和 2002 年的平均,是插补的,这些格子已去掉。
| 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% | — | ||
| 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。含义:代码或编号键:县级区划代码(2019 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% | 县区的 6 位代码 | ||
| 省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% | — | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 96.5%,还没有参照 | 文本 | 原生 | 99% | — | ||
| 县区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% | 含市辖区和县级市 | ||
| 户籍人口hukou_population含义:人数(万人) | 小数 | 原生 | 87% | 单位:万人 | ||
| 户籍男性人口hukou_male含义:人数(万人) | 小数 | 原生 | 48% | 单位:万人 | ||
| 户籍女性人口hukou_female含义:人数(万人) | 小数 | 原生 | 48% | 单位:万人 | ||
| 户籍农业人口hukou_agricultural含义:人数(万人) | 小数 | 原生 | 34% | 单位:万人 | ||
| 户籍非农业人口hukou_non_agricultural含义:人数(万人) | 小数 | 原生 | 34% | 单位:万人 | ||
| 户籍户数hukou_households | 小数 | 原生 | 55% | 单位:万户 | ||
| 户籍农业户数hukou_households_agricultural | 小数 | 原生 | 1.0% | 单位:万户 | ||
| 户籍非农业户数hukou_households_non_agricultural | 小数 | 原生 | 2.1% | 单位:万户 | ||
| 常住人口resident_population含义:人数(万人) | 小数 | 原生 | 44% | 单位:万人 | ||
| 常住男性人口resident_male含义:人数(万人) | 小数 | 原生 | 15% | 单位:万人 | ||
| 常住女性人口resident_female含义:人数(万人) | 小数 | 原生 | 15% | 单位:万人 | ||
| 常住城镇人口resident_urban含义:人数(万人) | 小数 | 原生 | 23% | 单位:万人 | ||
| 常住乡村人口resident_rural含义:人数(万人) | 小数 | 原生 | 23% | 单位:万人 | ||
| 常住户数resident_households | 小数 | 原生 | 12% | 单位:万户 | ||
| 城镇化率urbanization_rate含义:比率(%) | 小数 | 原生 | 24% | 单位:% | ||
| 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。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.5% 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) | 100%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 | 行政区划代码region_code | 省province | 地级市city | 县区county | 户籍人口hukou_population | 户籍男性人口hukou_male | 户籍女性人口hukou_female | 户籍农业人口hukou_agricultural | 户籍非农业人口hukou_non_agricultural | 户籍户数hukou_households | 户籍农业户数hukou_households_agricultural | 户籍非农业户数hukou_households_non_agricultural | 常住人口resident_population | 常住男性人口resident_male | 常住女性人口resident_female | 常住城镇人口resident_urban | 常住乡村人口resident_rural | 常住户数resident_households | 城镇化率urbanization_rate | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2000 | 110101 | 北京市 | 北京市 | 东城区 | 71.3 | — | — | 47.8 | 23.5 | 23.5 | — | — | 62.6 | 31.2 | 31.4 | — | — | — | — | 110101 |
| 2 | 2001 | 110101 | 北京市 | 北京市 | 东城区 | 75.8 | — | — | 52.4 | 23.4 | 23.4 | — | — | 63 | 31.3 | 31.7 | — | — | — | — | 110101 |
| 3 | 2002 | 110101 | 北京市 | 北京市 | 东城区 | 63.8 | 31.3 | 32.5 | 0 | 63.8 | 23.4 | 0 | 23.4 | — | — | — | — | — | — | — | 110101 |
| 4 | 2003 | 110101 | 北京市 | 北京市 | 东城区 | 64.3 | 31.9 | 32.4 | 0 | 64.3 | 23.5 | 0 | 23.5 | — | — | — | — | — | — | — | 110101 |
| 5 | 2004 | 110101 | 北京市 | 北京市 | 东城区 | 62.2 | 30.8 | 31.4 | 0 | 62.2 | 22.4 | 0 | 22.4 | — | — | — | — | — | — | — | 110101 |
| 6 | 2005 | 110101 | 北京市 | 北京市 | 东城区 | 61.2 | 30.3 | 30.9 | 0 | 61.2 | 21.9 | 0 | 21.9 | 54.9 | — | — | — | — | 19.6 | — | 110101 |
| 7 | 2006 | 110101 | 北京市 | 北京市 | 东城区 | 61.4 | 30.4 | 31 | 0 | 61.4 | 21.9 | 0 | 21.9 | 55.1 | — | — | — | — | — | — | 110101 |
| 8 | 2007 | 110101 | 北京市 | 北京市 | 东城区 | 61.8 | 30.5 | 31.3 | 0 | 61.8 | 21.9 | 0 | 21.9 | 55.2 | — | — | — | — | — | — | 110101 |
| 9 | 2008 | 110101 | 北京市 | 北京市 | 东城区 | 61.9 | 30.52 | 31.38 | 0 | 61.9 | 21.88 | 0 | 21.88 | 55.3 | — | — | — | — | — | — | 110101 |
| 10 | 2009 | 110101 | 北京市 | 北京市 | 东城区 | 62.09 | 30.62 | 31.47 | 0 | 62.09 | 21.81 | 0 | 21.81 | 56.3 | — | — | — | — | — | — | 110101 |
| 11 | 2010 | 110101 | 北京市 | 北京市 | 东城区 | 95.59 | 47.33 | 48.27 | 0 | 95.59 | 34.31 | 0 | 34.31 | 91.9 | — | — | — | — | — | — | 110101 |
| 12 | 2011 | 110101 | 北京市 | 北京市 | 东城区 | 96.12 | 0 | 96.12 | 47.57 | 48.55 | 34.38 | 0 | 34.37 | 91 | — | — | 91 | 0 | — | 100 | 110101 |
| 13 | 2012 | 110101 | 北京市 | 北京市 | 东城区 | 96.78 | 47.88 | 48.89 | 0 | 96.78 | 34.46 | 0 | 34.46 | 90.8 | — | — | 90.8 | 0 | — | 100 | 110101 |
| 14 | 2013 | 110101 | 北京市 | 北京市 | 东城区 | 97.4 | 48.16 | 49.24 | 0 | 97.39 | 34.55 | 0 | 34.55 | 90.9 | — | — | 90.9 | 0 | — | 100 | 110101 |
| 15 | 2014 | 110101 | 北京市 | 北京市 | 东城区 | 97.97 | 48.4 | 49.58 | 0 | 97.97 | 34.6 | 0 | 34.6 | 91.1 | — | — | 91.1 | 0 | — | 100 | 110101 |
| 16 | 2015 | 110101 | 北京市 | 北京市 | 东城区 | 97.4 | 47.97 | 49.43 | 0 | 97.4 | 34.6 | 0 | 34.6 | 90.5 | — | — | 90.5 | 0 | — | 100 | 110101 |
| 17 | 2016 | 110101 | 北京市 | 北京市 | 东城区 | 97.41 | 47.91 | 49.5 | 0 | 97.41 | 34.67 | — | — | 87.8 | — | — | 87.8 | 0 | — | 100 | 110101 |
| 18 | 2017 | 110101 | 北京市 | 北京市 | 东城区 | — | — | — | — | — | — | — | — | 85.1 | — | — | 85.1 | 0 | — | 100 | 110101 |
| 19 | 2018 | 110101 | 北京市 | 北京市 | 东城区 | 97.4 | 47.8 | 49.6 | — | — | 34.7 | — | — | 82.2 | 39.5 | 42.7 | 82.2 | 0 | — | 100 | 110101 |
| 20 | 2019 | 110101 | 北京市 | 北京市 | 东城区 | 98.83 | 48.38 | 50.45 | — | — | 34.99 | — | — | 79.4 | 38.1 | 41.3 | 79.4 | 0 | — | 100 | 110101 |
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 v32026/11/15 发布
生效中48,552 行 · 21 个字段 · 初始导入
版本 v22026/11/15 发布
历史版本48,552 行 · 21 个字段 · 初始导入(比 v1 行数增加 3,584)
版本 v12026/11/13 发布
历史版本44,968 行 · 21 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 48,550 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 year、region_code、province_code按区县对上本数据集 48,550 行(99%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、province_code、county_code按区县对上本数据集 48,550 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name按区县对上本数据集 48,550 行(99%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code、province_code按区县对上本数据集 48,550 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 48,550 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 48,550 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、province、issue_date按区县对上本数据集 48,549 行(99%)
- 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、date、province按区县对上本数据集 48,548 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、first_year、region_code按区县对上本数据集 48,546 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 48,536 行(99%)
- 区县最低工资标准区域底数 · 5.6 万 行 · 连接字段 province、year、county_code按区县对上本数据集 48,533 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province、year按区县对上本数据集 48,531 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 48,552 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 48,552 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 48,552 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 48,552 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 48,552 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 48,552 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 48,552 行(100%)
- 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 48,550 行有区县- 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 48,550 行(99%)
- 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 48,546 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按区县对上本数据集 48,546 行(99%)
- 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 48,535 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 48,521 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 48,382 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 47,575 行(97%)
- 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 46,033 行(94%)
- 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 37,520 行(77%)
- 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 36,787 行(75%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province、county_code按区县对上本数据集 31,354 行(64%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province按区县对上本数据集 25,410 行(52%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 48,550 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 48,550 行(99%)
- 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 48,396 行(99%)
- 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 47,663 行(98%)
- 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 47,074 行(96%)
- 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 41,940 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 39,769 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_county_code按区县对上本数据集 29,613 行(60%)
- 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 25,659 行(52%)
- 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 13,539 行(27%)
- 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 12,815 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 10,886 行(22%)
- 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 8,340 行(17%)
按 省份 能连
29 个数据集 · 本数据集 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 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 48,552 行(100%)
按 区县 能连
12 个数据集 · 本数据集 48,550 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 48,378 行(99%)
- 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 48,058 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 48,018 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 47,828 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 47,671 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 46,580 行(95%)
- 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 45,989 行(94%)
- 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 37,654 行(77%)
- 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 30,256 行(62%)
- 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 22,212 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 21,642 行(44%)
- 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 2,641 行(5.4%)
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由行政区划代码扩增得出。
来自字段扩增县级人口与户数县级人口与户数
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-population-household/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。