
县级河流水系密度
一行是一个县区的河流水系统计。
空间数据,按区县画在县界上v1 生效中 · 2026/11/14 发布险种标签:工程险企业财产险数据出处 开放街道地图(OpenStreetMap)水系;全国 1:400 万 1 到 5 级河流(出处待核实);县界来自 P0310 的 2021 年全国行政区划图层
- 记录
- 2,877
- 字段
- 34
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
34 个字段,32 个没有空值,2 个 AI 扩增
图片:智元数据
01地图
按区县画在县界上,点开看属性
每个区县一行,画在县界上,共 2,845 个区县。颜色按主要河流密度从浅到深分 5 档,每档的个数大致相同。点一个形状看它的属性。用右边的列表可以按名称找。
主要河流密度
形状来自这个数据集每个区县的主要河流密度(1 到 5 级河流的长度除以面积),画在县界上。- 0–0.02
- 0.02–0.04
- 0.04–0.05
- 0.05–0.08
- 0.08–0.74
02字段
字段来源,逐一标明
共 34 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 2,877 行计算。
关于这个数据集
一行是一个县区的河流水系统计。包含县的面积,河流、溪流、运河、沟渠的长度和密度,湖泊水库、河道水面、湿地、冰川的面积和水面比例,以及 1 到 5 级主要河流的长度和密度。覆盖全国的县区,按 2021 年的行政区划,由开放街道地图的水系和全国 1 到 5 级河流按县界切分统计,不随年份变化。用来比较各县的水网疏密和临水程度,估计洪涝和内涝的暴露,补上地级市河流密度在县一级的空白。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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(2022 年版)。样本里格式符合 100%,99% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 图层里的代码source_code规律 1:图层里的代码的字段规律字段规律:source_code_current由图层里的代码扩增得出。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% | 县界图层原来写的代码。有 20 个县的代码还是 2020 年的,region_code 已经按 2021 年的代码表改正 | ||
| 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 97.3%,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 99.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 县的类型county_type | 文本 | 原生 | 100% | 县、市辖区、县级市、自治县、旗等。“不统计”是港澳的区、台湾省整体和几个非正式的区(例如苏州工业园区、加格达奇区) | ||
| 行政区划年份division_year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 县界的版本,都是 2021 | ||
| 代码在 2021 年表里code_in_2021_table | 是非 | 原生 | 100% | region_code 在平台的历年县级以上行政区划代码(region-code-by-year)2021 年里能找到 | ||
| 面积area_km2 | 小数 | 原生 | 100% | 平方千米,按等积投影算 | ||
| 水道总长度waterway_km | 小数 | 原生 | 100% | 千米。河流、溪流、运河、沟渠之和 | ||
| 水道密度waterway_density | 小数 | 原生 | 100% | 千米每平方千米 | ||
| 河流长度river_km | 小数 | 原生 | 100% | 千米。开放街道地图里的 river | ||
| 溪流长度stream_km | 小数 | 原生 | 100% | 千米。stream | ||
| 运河长度canal_km | 小数 | 原生 | 100% | 千米。canal | ||
| 沟渠长度drain_km | 小数 | 原生 | 100% | 千米。drain | ||
| 河流密度river_density | 小数 | 原生 | 100% | 千米每平方千米。河流加溪流 | ||
| 水面面积water_area_km2 | 小数 | 原生 | 100% | 平方千米。湖泊水库、水库、河道水面之和。图层之间有重叠时会重复计算 | ||
| 水面比例water_area_share | 小数 | 原生 | 100% | 0 到 1 | ||
| 湖泊等水面面积lake_reservoir_km2 | 小数 | 原生 | 100% | 平方千米。water | ||
| 水库面积reservoir_km2 | 小数 | 原生 | 100% | 平方千米。reservoir | ||
| 河道水面面积riverbank_km2 | 小数 | 原生 | 100% | 平方千米。riverbank | ||
| 湿地面积wetland_km2 | 小数 | 原生 | 100% | 平方千米 | ||
| 冰川面积glacier_km2 | 小数 | 原生 | 100% | 平方千米 | ||
| 主要河流长度major_river_km | 小数 | 原生 | 100% | 千米。1 到 5 级河流之和(1:400 万全国水系) | ||
| 主要河流密度major_river_density | 小数 | 原生 | 100% | 千米每平方千米 | ||
| 1 级河流长度grade1_km | 小数 | 原生 | 100% | 千米 | ||
| 2 级河流长度grade2_km | 小数 | 原生 | 100% | 千米 | ||
| 3 级河流长度grade3_km | 小数 | 原生 | 100% | 千米 | ||
| 4 级河流长度grade4_km | 小数 | 原生 | 100% | 千米 | ||
| 5 级河流长度grade5_km | 小数 | 原生 | 100% | 千米 | ||
| 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%,99% 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 | ||
| 图层里的代码(现行)source_code_current规律 1:图层里的代码(现行)的字段规律字段规律:source_code_current由图层里的代码扩增得出。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:图层里的代码(现行) | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 图层里的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 |
03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。
| # | 行政区划代码region_code | 图层里的代码source_code | 省province | 省代码province_code | 地级市city | 市代码city_code | 县区county | 县的类型county_type | 行政区划年份division_year | 代码在 2021 年表里code_in_2021_table | 面积area_km2 | 水道总长度waterway_km | 水道密度waterway_density | 河流长度river_km | 溪流长度stream_km | 运河长度canal_km | 沟渠长度drain_km | 河流密度river_density | 水面面积water_area_km2 | 水面比例water_area_share | 湖泊等水面面积lake_reservoir_km2 | 水库面积reservoir_km2 | 河道水面面积riverbank_km2 | 湿地面积wetland_km2 | 冰川面积glacier_km2 | 主要河流长度major_river_km | 主要河流密度major_river_density | 1 级河流长度grade1_km | 2 级河流长度grade2_km | 3 级河流长度grade3_km | 4 级河流长度grade4_km | 5 级河流长度grade5_km | 行政区划代码(现行)region_code_current | 图层里的代码(现行)source_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 340803 | 340803 | 安徽省 | 340000 | 安庆市 | 340800 | 大观区 | 市辖区 | 2021 | 是 | 274.37 | 48.841 | 0.17801 | 34.497 | 0.654 | 13.69 | 0 | 0.12811 | 38.099 | 0.13886 | 12.811 | 0 | 25.288 | 25.041 | 0 | 90.483 | 0.32978 | 52.475 | 0 | 0 | 0 | 38.008 | 340803 | 340803 |
| 2 | 340822 | 340822 | 安徽省 | 340000 | 安庆市 | 340800 | 怀宁县 | 县 | 2021 | 是 | 1257.91 | 178.752 | 0.1421 | 166.895 | 0.449 | 11.408 | 0 | 0.13303 | 33.644 | 0.02675 | 17.345 | 8.827 | 7.472 | 9.855 | 0 | 56.18 | 0.04466 | 0 | 0 | 0 | 0 | 56.18 | 340822 | 340822 |
| 3 | 340882 | 340882 | 安徽省 | 340000 | 安庆市 | 340800 | 潜山市 | 县级市 | 2021 | 是 | 1687.45 | 325.867 | 0.19311 | 284.58 | 32.717 | 6.286 | 2.284 | 0.18803 | 17.832 | 0.01057 | 1.909 | 5.475 | 10.448 | 0 | 0 | 135.785 | 0.08047 | 0 | 0 | 0 | 0 | 135.785 | 340882 | 340882 |
| 4 | 340826 | 340826 | 安徽省 | 340000 | 安庆市 | 340800 | 宿松县 | 县 | 2021 | 是 | 2376.45 | 335.772 | 0.14129 | 275.018 | 30.17 | 30.584 | 0 | 0.12842 | 547.732 | 0.23048 | 492.765 | 3.607 | 51.36 | 0 | 0 | 598.694 | 0.25193 | 90.37 | 0 | 0 | 0 | 508.324 | 340826 | 340826 |
| 5 | 340825 | 340825 | 安徽省 | 340000 | 安庆市 | 340800 | 太湖县 | 县 | 2021 | 是 | 2039.79 | 542.832 | 0.26612 | 331.675 | 157.486 | 53.671 | 0 | 0.23981 | 103.328 | 0.05066 | 46.481 | 47.884 | 8.963 | 0 | 0 | 277.856 | 0.13622 | 0 | 0 | 0 | 0 | 277.856 | 340825 | 340825 |
| 6 | 340881 | 340881 | 安徽省 | 340000 | 安庆市 | 340800 | 桐城市 | 县级市 | 2021 | 是 | 1537.5 | 400.321 | 0.26037 | 290.481 | 96.809 | 2.481 | 10.55 | 0.2519 | 86.716 | 0.0564 | 79.845 | 4.992 | 1.879 | 1.189 | 0 | 117.025 | 0.07611 | 1.691 | 0 | 0 | 0 | 115.334 | 340881 | 340881 |
| 7 | 340827 | 340827 | 安徽省 | 340000 | 安庆市 | 340800 | 望江县 | 县 | 2021 | 是 | 1321.19 | 244.392 | 0.18498 | 166.996 | 5.929 | 70.195 | 1.272 | 0.13089 | 194.604 | 0.14729 | 152.547 | 0.523 | 41.534 | 10.103 | 0 | 129.683 | 0.09816 | 70.348 | 0 | 0 | 0 | 59.335 | 340827 | 340827 |
| 8 | 340811 | 340811 | 安徽省 | 340000 | 安庆市 | 340800 | 宜秀区 | 市辖区 | 2021 | 是 | 418.27 | 39.373 | 0.09413 | 36.985 | 0.885 | 1.503 | 0 | 0.09054 | 59.78 | 0.14292 | 59.576 | 0 | 0.204 | 0 | 0 | 17.225 | 0.04118 | 0 | 0 | 0 | 0 | 17.225 | 340811 | 340811 |
| 9 | 340802 | 340802 | 安徽省 | 340000 | 安庆市 | 340800 | 迎江区 | 市辖区 | 2021 | 是 | 206.92 | 73.57 | 0.35555 | 67.814 | 0 | 5.756 | 0 | 0.32773 | 59.742 | 0.28872 | 15.344 | 0 | 44.398 | 0 | 0 | 88.42 | 0.42731 | 85.843 | 0 | 0 | 0 | 2.577 | 340802 | 340802 |
| 10 | 340828 | 340828 | 安徽省 | 340000 | 安庆市 | 340800 | 岳西县 | 县 | 2021 | 是 | 2368.92 | 533.216 | 0.22509 | 403.835 | 129.381 | 0 | 0 | 0.22509 | 4.683 | 0.00198 | 0.94 | 2.28 | 1.463 | 0 | 0 | 173.358 | 0.07318 | 0 | 0 | 0 | 0 | 173.358 | 340828 | 340828 |
| 11 | 340303 | 340303 | 安徽省 | 340000 | 蚌埠市 | 340300 | 蚌山区 | 市辖区 | 2021 | 是 | 89.86 | 1.003 | 0.01116 | 1.003 | 0 | 0 | 0 | 0.01116 | 1.351 | 0.01504 | 1.14 | 0 | 0.211 | 0 | 0 | 0.398 | 0.00443 | 0 | 0.398 | 0 | 0 | 0 | 340303 | 340303 |
| 12 | 340323 | 340323 | 安徽省 | 340000 | 蚌埠市 | 340300 | 固镇县 | 县 | 2021 | 是 | 1367.92 | 278.561 | 0.20364 | 149.187 | 3.369 | 123.909 | 2.096 | 0.11152 | 20.357 | 0.01488 | 18.53 | 0 | 1.827 | 0 | 0 | 142.513 | 0.10418 | 0 | 0 | 0 | 0 | 142.513 | 340323 | 340323 |
| 13 | 340321 | 340321 | 安徽省 | 340000 | 蚌埠市 | 340300 | 怀远县 | 县 | 2021 | 是 | 2209.58 | 552.155 | 0.24989 | 221.43 | 3.564 | 232.717 | 94.444 | 0.10183 | 106.356 | 0.04813 | 46.255 | 40.172 | 19.929 | 0 | 0 | 327.506 | 0.14822 | 0 | 27.126 | 0 | 53.907 | 246.473 | 340321 | 340321 |
| 14 | 340311 | 340311 | 安徽省 | 340000 | 蚌埠市 | 340300 | 淮上区 | 市辖区 | 2021 | 是 | 408.47 | 81.159 | 0.19869 | 14.213 | 2.675 | 64.271 | 0 | 0.04134 | 6.139 | 0.01503 | 0.124 | 0 | 6.015 | 0.592 | 0 | 64.782 | 0.1586 | 0 | 30.535 | 0 | 0 | 34.247 | 340311 | 340311 |
| 15 | 340302 | 340302 | 安徽省 | 340000 | 蚌埠市 | 340300 | 龙子湖区 | 市辖区 | 2021 | 是 | 148.85 | 26.956 | 0.18109 | 23.881 | 3.075 | 0 | 0 | 0.18109 | 11.86 | 0.07968 | 7.061 | 0 | 4.799 | 0 | 0 | 17.224 | 0.11571 | 0 | 17.224 | 0 | 0 | 0 | 340302 | 340302 |
| 16 | 340322 | 340322 | 安徽省 | 340000 | 蚌埠市 | 340300 | 五河县 | 县 | 2021 | 是 | 1422.18 | 215.004 | 0.15118 | 187.285 | 0 | 8.609 | 19.11 | 0.13169 | 139.136 | 0.09783 | 111.954 | 3.877 | 23.305 | 0 | 0 | 279.334 | 0.19641 | 0 | 99.499 | 0 | 0 | 179.835 | 340322 | 340322 |
| 17 | 340304 | 340304 | 安徽省 | 340000 | 蚌埠市 | 340300 | 禹会区 | 市辖区 | 2021 | 是 | 321.55 | 68.816 | 0.21402 | 58.406 | 3.948 | 3.185 | 3.277 | 0.19392 | 28.476 | 0.08856 | 19.922 | 0 | 8.554 | 0.035 | 0 | 25.394 | 0.07897 | 0 | 22.675 | 0 | 0 | 2.719 | 340304 | 340304 |
| 18 | 341623 | 341623 | 安徽省 | 340000 | 亳州市 | 341600 | 利辛县 | 县 | 2021 | 是 | 2009.56 | 523.967 | 0.26074 | 240.126 | 14.585 | 226.453 | 42.803 | 0.12675 | 12.377 | 0.00616 | 6.933 | 0 | 5.444 | 0 | 0 | 105.447 | 0.05247 | 0 | 0 | 0 | 0 | 105.447 | 341623 | 341623 |
| 19 | 341622 | 341622 | 安徽省 | 340000 | 亳州市 | 341600 | 蒙城县 | 县 | 2021 | 是 | 2142.26 | 412.695 | 0.19264 | 195.973 | 1.687 | 205.485 | 9.55 | 0.09227 | 18.294 | 0.00854 | 7.072 | 0 | 11.222 | 0 | 0 | 158.987 | 0.07421 | 0 | 0 | 0 | 52.8 | 106.187 | 341622 | 341622 |
| 20 | 341602 | 341602 | 安徽省 | 340000 | 亳州市 | 341600 | 谯城区 | 市辖区 | 2021 | 是 | 2266.25 | 532.299 | 0.23488 | 373.432 | 23.86 | 86.899 | 48.108 | 0.17531 | 8.193 | 0.00362 | 3.371 | 0 | 4.822 | 0 | 0 | 179.412 | 0.07917 | 0 | 0 | 0 | 58.411 | 121.001 | 341602 | 341602 |
04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2,877 行 · 34 个字段 · 初始导入
05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 2,877 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year、city_code按城市对上本数据集 2,877 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、county_code、year、province按城市对上本数据集 2,877 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、division_year、city_code、province按城市对上本数据集 2,877 行(100%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、region_code、city_code、year按城市对上本数据集 2,867 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、province、city_code、county_code按城市对上本数据集 2,847 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code、province、county_code按城市对上本数据集 2,847 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 2,846 行(98%)
- 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、city_code_2按城市对上本数据集 2,820 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 county_code、city_code、province、date按城市对上本数据集 2,818 行(97%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 founded_year、province、county_code、city_code按城市对上本数据集 2,817 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、province、county_code、city_code按城市对上本数据集 2,816 行(97%)
- 全国A级景区明细建筑设施 · 1.6 万 行 · 连接字段 publish_date、encoded_address_city_code、county_code、province按城市对上本数据集 2,808 行(97%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 2,877 行有城市- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province、year按城市对上本数据集 2,877 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 2,877 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 2,877 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 2,877 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、city_code按城市对上本数据集 2,876 行(99%)
- 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 2,875 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、province、city_code按城市对上本数据集 2,867 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、region_code、year按城市对上本数据集 2,850 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code、province按城市对上本数据集 2,848 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 2,847 行(98%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、year、origin_province按城市对上本数据集 2,847 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 2,839 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 2,877 行有区县- 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 2,875 行(99%)
- 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 2,873 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 2,873 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 2,863 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、province、region_code按区县对上本数据集 2,847 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 2,845 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、taobao_village_year、county_code按区县对上本数据集 2,844 行(98%)
- 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 2,842 行(98%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、region_code、year按区县对上本数据集 2,838 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 2,835 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 2,816 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 2,812 行(97%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 2,877 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、city_code、province_code按城市对上本数据集 2,876 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 city_code、region_code、province_code按城市对上本数据集 2,876 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 2,817 行(97%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province、city_code按城市对上本数据集 2,812 行(97%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code、village_code按城市对上本数据集 2,733 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 2,729 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 2,726 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 2,674 行(92%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 2,560 行(88%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、county_code、province按城市对上本数据集 2,316 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 1,256 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 720 行(25%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 2,877 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、city_code、year按城市对上本数据集 2,705 行(94%)
- 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、applicant_address_city_code按城市对上本数据集 2,663 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 2,617 行(90%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_city_code、application_date、address_county_code按城市对上本数据集 2,139 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 1,674 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、county_code、established_date按城市对上本数据集 306 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 2,877 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 date、region_code按省份对上本数据集 2,877 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 2,877 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 2,877 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 2,877 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 2,877 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 2,877 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 2,877 行(100%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 year、region_code按省份对上本数据集 2,877 行(100%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 province、born_date按省份对上本数据集 2,869 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 2,869 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 2,868 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 2,868 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 2,877 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 region_code、date按城市对上本数据集 2,865 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 2,819 行(97%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 2,819 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 2,819 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 2,819 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 2,819 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 city_code、month按城市对上本数据集 2,817 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 2,808 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 2,754 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 2,743 行(95%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 2,583 行(89%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 city1_code、year按城市对上本数据集 2,535 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 2,877 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 2,849 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 2,823 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 2,792 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 2,732 行(94%)
- 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 2,718 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 2,700 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 2,597 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 2,470 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 2,466 行(85%)
- 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 2,399 行(83%)
- 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 2,395 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 2,351 行(81%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 2,877 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 2,848 行(98%)
- 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 2,809 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 2,768 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 2,534 行(88%)
- 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 2,227 行(77%)
- 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 1,471 行(51%)
- 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 754 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 665 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 473 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 county_code、date按区县对上本数据集 457 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 2,877 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 2,877 行有城市按 省份 能连
14 个数据集 · 本数据集 2,877 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 2,877 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 2,850 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 2,850 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 2,850 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 2,850 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 2,850 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 2,850 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 2,834 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 2,776 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 2,776 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 2,717 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 2,613 行(90%)
按 区县 能连
9 个数据集 · 本数据集 2,877 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 2,815 行(97%)
- 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 2,814 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 2,812 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 2,687 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 2,618 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 2,137 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 1,672 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 1,306 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 1,178 行(40%)
按 城市 能连
7 个数据集 · 本数据集 2,877 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 2,833 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 2,427 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 2,403 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 2,403 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 2,341 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 2,331 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 456 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
06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
region_code_current由行政区划代码扩增得出。
来自字段扩增县级河流水系密度县级河流水系密度 - 扩增得出
source_code_current由图层里的代码扩增得出。
来自字段扩增县级河流水系密度县级河流水系密度
07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-river-network/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。