- 记录
- 165.1 万
- 字段
- 9
- AI 扩增字段
- 1
- 平均非空率
- 91.2%
- 字段完整度
9 个字段，6 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 9 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 1,651,101 行计算。
关于这个数据集
一行是一个县城一年一张分表的一项市政建设指标，分表包括市政公用设施水平、人口和建设用地、供水、燃气、集中供热、道路桥梁、排水和污水处理、园林绿化、市容环境卫生和市政设施建设投资，指标名括号里写了单位。覆盖约 1500 到 1700 个县城和各省合计，2015 到 2022 年，共 1651101 行，县城维护建设资金只有 2015、2016 年，2018 年市政公用设施水平和园林绿化原表不全。可以用来看各县县城的供排水、燃气、道路等设施水平，给县域的内涝、管网、工程险和公共设施的财产险做参考。
| 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% | — | ||
| 层级level | 文本 | 原生 | 100% | 全国、省、县 | ||
| 省份province规律 1：省份的字段规律字段规律：county_code由省份、县扩增得出。键：省份名称。样本里格式符合 98.3%，还没有参照 | 文本 | 原生 | 100% | 含新疆生产建设兵团，全国一行为空 | ||
| 县county规律 1：县的字段规律字段规律：county_code由省份、县扩增得出。键：区县名称。样本里格式符合 95.4%，还没有参照 | 文本 | 原生 | 97% | 县城所在的县，原表写法（去掉空格），省和全国行为空 | ||
| 分表table | 文本 | 原生 | 100% | 年鉴里的分表，如“县城供水(公共供水)”“县城排水和污水处理” | ||
| 指标indicator | 文本 | 原生 | 100% | 多层表头用“/”连起来，括号里是单位 | ||
| 表的计量单位unit_note | 文本 | 原生 | 28% | 表头上方写的计量单位，指标名没写单位时用它 | ||
| 数值value | 小数 | 原生 | 100% | — | ||
| 县区划代码county_code规律 1：县区划代码的字段规律字段规律：county_code由省份、县扩增得出。键：县级区划代码。样本里格式符合 100%，95.5% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：县区划代码 | 95%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、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 |
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 | 层级level | 省份province | 县county | 分表table | 指标indicator | 表的计量单位unit_note | 数值value | 县区划代码county_code |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 人口密度(人/平方公里) | — | 2171 | — |
| 2 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 人均日生活用水量(升) | — | 137.18 | — |
| 3 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 供水普及率(%) | — | 97.86 | — |
| 4 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 供水普及率(%)/公共供水普及率 | — | 96.34 | — |
| 5 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 燃气普及率(%) | — | 91.38 | — |
| 6 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区供水管道密度(公里/平方公里) | — | 12.3 | — |
| 7 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 人均道路面积(平方米) | — | 20.31 | — |
| 8 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区路网密度(公里/平方公里) | — | 7.18 | — |
| 9 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区道路面积率(%) | — | 13.8 | — |
| 10 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区排水管道密度(公里/平方公里) | — | 10.66 | — |
| 11 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 污水处理率(%) | — | 96.94 | — |
| 12 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 污水处理率(%)/污水处理厂集中处理率 | — | 96.15 | — |
| 13 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 人均公园绿地面积(平方米) | — | 14.5 | — |
| 14 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区绿化覆盖率(%) | — | 39.35 | — |
| 15 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 建成区绿地率(%) | — | 35.65 | — |
| 16 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 生活垃圾处理率(%) | — | 99.82 | — |
| 17 | 2022 | 全国 | — | — | 县城市政公用设施水平 | 生活垃圾处理率(%)/生活垃圾无害化处理率 | — | 99.24 | — |
| 18 | 2022 | 省 | 河北省 | — | 县城市政公用设施水平 | 人口密度(人/平方公里) | — | 2777 | — |
| 19 | 2022 | 省 | 河北省 | — | 县城市政公用设施水平 | 人均日生活用水量(升) | — | 105.89 | — |
| 20 | 2022 | 省 | 河北省 | — | 县城市政公用设施水平 | 供水普及率(%) | — | 100 | — |
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1,651,101 行 · 9 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 1,574,512 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 1,574,512 行（95%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time、pname按区县对上本数据集 1,574,512 行（95%）
- 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、county_code、province_code按区县对上本数据集 1,574,512 行（95%）
- 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 1,574,512 行（95%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、county_code、date按区县对上本数据集 1,574,512 行（95%）
- 县级财政收支区域底数 · 15.9 万 行 · 连接字段 year、region_code、province按区县对上本数据集 1,574,512 行（95%）
- 县域教育基本情况区域底数 · 8.1 万 行 · 连接字段 region_code、province、year按区县对上本数据集 1,574,512 行（95%）
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、year、province按区县对上本数据集 1,574,512 行（95%）
- 县级人口与户数区域底数 · 4.9 万 行 · 连接字段 region_code、year、province按区县对上本数据集 1,574,512 行（95%）
- 县级中小学教育统计区域底数 · 4.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 1,574,512 行（95%）
- 县域地区生产总值及指数区域底数 · 4.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 1,574,512 行（95%）
- 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 1,574,512 行（95%）
按 省份 + 年份 能连
467 个数据集 · 本数据集 1,647,017 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 year、province按省份对上本数据集 1,647,017 行（99%）
按 区县 + 省份 能连
18 个数据集 · 本数据集 1,574,512 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 1,574,512 行（95%）
- 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 1,574,512 行（95%）
- 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 1,574,512 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、province按区县对上本数据集 1,574,512 行（95%）
- 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 1,573,836 行（95%）
- 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 1,569,866 行（95%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 1,565,457 行（94%）
- 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 1,480,819 行（89%）
- 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 1,473,717 行（89%）
- 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 1,156,206 行（70%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code按区县对上本数据集 982,892 行（59%）
- 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 945,749 行（57%）
按 区县 + 年份 能连
16 个数据集 · 本数据集 1,574,512 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 1,574,512 行（95%）
- 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 1,574,512 行（95%）
- 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 1,570,093 行（95%）
- 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 1,564,272 行（94%）
- 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 1,333,908 行（80%）
- 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 1,311,673 行（79%）
- 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 783,278 行（47%）
- 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 755,103 行（45%）
- 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 374,194 行（22%）
- 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 287,151 行（17%）
- 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 183,530 行（11%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、established_date按区县对上本数据集 118,564 行（7.2%）
按 省份 能连
29 个数据集 · 本数据集 1,647,017 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 1,647,017 行（99%）
- 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 1,647,017 行（99%）
- 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 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 1,647,017 行（99%）
按 区县 能连
12 个数据集 · 本数据集 1,574,512 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 1,573,412 行（95%）
- 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 1,564,623 行（94%）
- 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 1,563,453 行（94%）
- 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 1,554,243 行（94%）
- 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 1,547,043 行（93%）
- 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 1,536,845 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 1,513,691 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 1,191,257 行（72%）
- 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 1,094,592 行（66%）
- 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 821,840 行（49%）
- 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 616,269 行（37%）
- 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 1,069 行（不到 1%）
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
county_code由省份、县扩增得出。
来自字段扩增县城建设统计（按县）县城建设统计（按县）
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-seat-construction/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"level","op":"eq","value":"全国"}],"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。