
- 记录
- 3.1 万
- 字段
- 14
- AI 扩增字段
- 1
- 平均非空率
- 54.8%
- 字段完整度
14 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 14 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 30,792 行计算。
关于这个数据集
一行是一个县级行政区一年的城镇职工养老保险、城镇居民医保、失业保险、新农合、新农保的参保人数,社会福利收养性单位数,城乡低保人数。覆盖全国县级行政区,2000–2019 年,共 30792 行,参保和低保人数只有少数县、少数年份有数(各列 83%–99% 是空的),社会福利收养性单位数比较全。可用来了解各县社会保障的覆盖面,估算商业健康险、养老险的补充空间。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 统计年度year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 原表列名:SgnYear | ||
| 县域代码region_code规律 1:县域代码的字段规律字段规律:region_code_current由县域代码扩增得出。键:县级区划代码(2015 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% | 原表列名:CountyCode | ||
| 县域名称county键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:CountyName | ||
| 所属地级市city键:城市名称。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 99% | 原表列名:PrefLevCity | ||
| 所属省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Province | ||
| 城镇职工养老参保urb_pension_insurance_num | 整数 | 原生 | 6.7% | 人 原表列名:UrbPensionInsuranceNum | ||
| 城镇居民医保参保urb_med_insurance_num | 整数 | 原生 | 0.5% | 人 原表列名:UrbMedInsuranceNum | ||
| 失业保险参保人数unemploy_insurance_num | 整数 | 原生 | 11% | 人 原表列名:UnemployInsuranceNum | ||
| 新农合参保人数rur_med_insurance_num | 整数 | 原生 | 13% | 人 原表列名:RurMedInsuranceNum | ||
| 新农保参保人数rur_pension_insurance_num | 整数 | 原生 | 11% | 人 原表列名:RurPensionInsuranceNum | ||
| 社会福利收养单位数welf_adopt_org_num | 整数 | 原生 | 96% | 个 原表列名:WelfAdoptOrgNum | ||
| 城市低保人数urb_min_living_security_num | 整数 | 原生 | 18% | 人 原表列名:UrbMinLivingSecurityNum | ||
| 农村低保人数rur_min_living_security_num | 整数 | 原生 | 14% | 人 原表列名:RurMinLivingSecurityNum | ||
| 县域代码(现行)region_code_current规律 1:县域代码(现行)的字段规律字段规律:region_code_current由县域代码扩增得出。键:县级区划代码。样本里格式符合 100%,99.2% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:县域代码(现行) | 99%平均置信度 0.99校验少:不建议单独作为决策依据 | 县域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。
| # | 统计年度year | 县域代码region_code | 县域名称county | 所属地级市city | 所属省份province | 城镇职工养老参保urb_pension_insurance_num | 城镇居民医保参保urb_med_insurance_num | 失业保险参保人数unemploy_insurance_num | 新农合参保人数rur_med_insurance_num | 新农保参保人数rur_pension_insurance_num | 社会福利收养单位数welf_adopt_org_num | 城市低保人数urb_min_living_security_num | 农村低保人数rur_min_living_security_num | 县域代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2000 | 110224 | 大兴县 | 北京市 | 北京市 | — | — | — | — | — | 20 | — | — | 110115 |
| 2 | 2000 | 110226 | 平谷县 | 北京市 | 北京市 | — | — | — | — | — | 20 | — | — | 110117 |
| 3 | 2000 | 110227 | 怀柔县 | 北京市 | 北京市 | — | — | — | — | — | 16 | — | — | 110116 |
| 4 | 2000 | 110228 | 密云县 | 北京市 | 北京市 | — | — | — | — | — | 19 | — | — | 110118 |
| 5 | 2000 | 110229 | 延庆县 | 北京市 | 北京市 | — | — | — | — | — | 17 | — | — | 110119 |
| 6 | 2000 | 510121 | 金堂县 | 成都市 | 四川省 | — | — | — | — | — | 24 | — | — | 510121 |
| 7 | 2000 | 510122 | 双流县 | 成都市 | 四川省 | — | — | — | — | — | 30 | — | — | 510116 |
| 8 | 2000 | 510123 | 温江县 | 成都市 | 四川省 | — | — | — | — | — | 12 | — | — | 510115 |
| 9 | 2000 | 510124 | 郫县 | 成都市 | 四川省 | — | — | — | — | — | 21 | — | — | 510117 |
| 10 | 2000 | 510125 | 新都县 | 成都市 | 四川省 | — | — | — | — | — | 21 | — | — | 510114 |
| 11 | 2000 | 510129 | 大邑县 | 成都市 | 四川省 | — | — | — | — | — | 27 | — | — | 510129 |
| 12 | 2000 | 510131 | 蒲江县 | 成都市 | 四川省 | — | — | — | — | — | 14 | — | — | 510131 |
| 13 | 2000 | 510132 | 新津县 | 成都市 | 四川省 | — | — | — | — | — | 10 | — | — | 510118 |
| 14 | 2000 | 510181 | 都江堰市 | 成都市 | 四川省 | — | — | — | — | — | 27 | — | — | 510181 |
| 15 | 2000 | 510182 | 彭州市 | 成都市 | 四川省 | — | — | — | — | — | 28 | — | — | 510182 |
| 16 | 2000 | 510183 | 邛崃市 | 成都市 | 四川省 | — | — | — | — | — | 38 | — | — | 510183 |
| 17 | 2000 | 510184 | 崇州市 | 成都市 | 四川省 | — | — | — | — | — | 34 | — | — | 510184 |
| 18 | 2000 | 510321 | 荣县 | 自贡市 | 四川省 | — | — | — | — | — | 50 | — | — | 510321 |
| 19 | 2000 | 510322 | 富顺县 | 自贡市 | 四川省 | — | — | — | — | — | 63 | — | — | 510322 |
| 20 | 2000 | 510421 | 米易县 | 攀枝花市 | 四川省 | — | — | — | — | — | 8 | — | — | 510421 |
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 v22026/11/15 发布
生效中30,792 行 · 14 个字段 · 初始导入(比 v1 字段增加 1 个)
版本 v12026/11/15 发布
历史版本30,792 行 · 13 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 30,792 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 30,792 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname、adcode按区县对上本数据集 30,792 行(100%)
- 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 30,792 行(100%)
- 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 30,792 行(100%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、province、county_code按区县对上本数据集 30,792 行(100%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、province_name、year按区县对上本数据集 30,792 行(100%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 region_code、province_code、valid_from按区县对上本数据集 30,792 行(100%)
- 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 30,792 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 30,792 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 30,792 行(100%)
- 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 30,783 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 30,781 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 30,792 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 30,792 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 30,792 行(100%)
- 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 30,792 行(100%)
- 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 30,792 行(100%)
- 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 30,792 行(100%)
- 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 30,792 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 30,792 行(100%)
- 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 30,792 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 year、region_code按省份对上本数据集 30,792 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、province按省份对上本数据集 30,792 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 30,792 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 year、province按省份对上本数据集 30,792 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 30,792 行有区县- 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 30,792 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 30,792 行(100%)
- 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 30,792 行(100%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code按区县对上本数据集 30,783 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 30,759 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 30,646 行(99%)
- 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 30,284 行(98%)
- 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 29,379 行(95%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code按区县对上本数据集 27,742 行(90%)
- 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 24,463 行(79%)
- 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 20,870 行(67%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、province按区县对上本数据集 17,200 行(55%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 30,792 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 30,792 行(100%)
- 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 30,773 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 30,522 行(99%)
- 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 30,162 行(97%)
- 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 27,019 行(87%)
- 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 26,745 行(86%)
- 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 18,914 行(61%)
- 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 15,739 行(51%)
- 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 8,069 行(26%)
- 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 7,835 行(25%)
- 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 6,754 行(21%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 5,986 行(19%)
按 省份 能连
29 个数据集 · 本数据集 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 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 30,792 行(100%)
按 区县 能连
12 个数据集 · 本数据集 30,792 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 30,747 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 30,479 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 30,463 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 30,374 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 30,103 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 29,698 行(96%)
- 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 28,454 行(92%)
- 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 24,774 行(80%)
- 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 18,170 行(59%)
- 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 14,883 行(48%)
- 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 13,240 行(42%)
- 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 521 行(1.7%)
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由县域代码扩增得出。
来自字段扩增县级社会保险参保与低保县级社会保险参保与低保
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-social-insurance-welfare/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110224"}],"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。