
县域社会经济面板
一行代表一个县(区)在某一年的社会经济统计指标。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险责任险农业保险时间跨度:2000–2024 年数据出处 中国县域数据库7.0
- 记录
- 6.8 万
- 字段
- 40
- AI 扩增字段
- 0
- 平均非空率
- 61.7%
- 字段完整度
40 个字段,8 个没有空值
01字段
字段来源,逐一标明
共 40 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 68,000 行计算。
关于这个数据集
一行代表一个县(区)在某一年的社会经济统计指标。覆盖全国县级行政区,包含人口、就业、生产总值、收入及基础设施等数据。可用于评估区域经济发展水平、人口结构及基础设施状况,辅助风险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地区等级region_level含义:类别 | 文本 | 原生 | 100% | 如县级 | ||
| 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% | — | ||
| 省份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% | — | ||
| 城市city含义:地区键:城市名称。样本里格式符合 97.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县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% | — | ||
| 区县代码region_code含义:代码或编号键:县级区划代码(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位行政区划代码 | ||
| 所属地域region_type含义:类别 | 文本 | 原生 | 100% | 如东部、中部等 | ||
| 胡焕庸线侧hu_line_side含义:类别 | 文本 | 原生 | 100% | 东南侧或西北侧 | ||
| 土地面积land_area含义:面积(平方千米) | 小数 | 原生 | 82% | 平方公里 | ||
| 乡镇个数township_count含义:个数(个) | 整数 | 原生 | 69% | 个 | ||
| 乡个数township_count_detail含义:个数(个) | 整数 | 原生 | 40% | 个 | ||
| 镇个数town_count含义:个数(个) | 整数 | 原生 | 48% | 个 | ||
| 街道办个数street_office_count含义:个数(个) | 整数 | 原生 | 20% | 个 | ||
| 村委会个数village_committee_count含义:个数(个) | 整数 | 原生 | 51% | 个 | ||
| 总户数total_households含义:个数(户) | 整数 | 原生 | 61% | 户 | ||
| 乡村户数rural_households含义:个数(户) | 整数 | 原生 | 47% | 户 | ||
| 总人口total_population含义:人数(万人) | 小数 | 原生 | 77% | 万人 | ||
| 乡村人口rural_population含义:人数(万人) | 小数 | 原生 | 53% | 万人 | ||
| 户籍人口registered_population含义:人数(万人) | 小数 | 原生 | 89% | 万人 | ||
| 单位从业人员unit_employees含义:人数(人) | 整数 | 原生 | 44% | 人 | ||
| 在岗职工数urban_staff_count含义:人数(人) | 整数 | 原生 | 38% | 人 | ||
| 乡村从业人员rural_employees含义:人数(人) | 整数 | 原生 | 54% | 人 | ||
| 农林牧渔从业agri_forestry_employees含义:人数(人) | 整数 | 原生 | 45% | 人 | ||
| 二产从业人员secondary_industry_employees含义:人数(人) | 整数 | 原生 | 33% | 人 | ||
| 三产从业人员tertiary_industry_employees含义:人数(人) | 整数 | 原生 | 33% | 人 | ||
| 农机总动力agri_machinery_power含义:功率(万千瓦) | 小数 | 原生 | 62% | 万千瓦特 | ||
| 固话用户fixed_phone_users含义:个数(户) | 整数 | 原生 | 75% | 户 | ||
| 移动电话用户mobile_phone_users含义:个数(户) | 整数 | 原生 | 17% | 户 | ||
| 宽带用户broadband_users含义:个数(户) | 整数 | 原生 | 9.2% | 户 | ||
| 地区生产总值gdp_amount含义:金额(万元) | 小数 | 原生 | 85% | 万元 | ||
| 一产增加值primary_industry_value含义:金额(万元) | 小数 | 原生 | 85% | 万元 | ||
| 二产增加值secondary_industry_value含义:金额(万元) | 小数 | 原生 | 86% | 万元 | ||
| 工业增加值industry_value含义:金额(万元) | 小数 | 原生 | 38% | 万元 | ||
| 三产增加值tertiary_industry_value含义:金额(万元) | 小数 | 原生 | 84% | 万元 | ||
| 农业增加值agriculture_value含义:金额(万元) | 小数 | 原生 | 20% | 万元 | ||
| 牧业增加值livestock_value含义:金额(万元) | 小数 | 原生 | 20% | 万元 | ||
| 人均GDPgdp_per_capita含义:金额(元) | 小数 | 原生 | 59% | 元/人 | ||
| 职工平均工资avg_wage含义:金额(元) | 小数 | 原生 | 44% | 元 | ||
| 城镇可支配收入urban_income含义:金额(元) | 小数 | 原生 | 37% | 元 | ||
| 农村可支配收入rural_income含义:金额(元) | 小数 | 原生 | 63% | 元 |
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。
| # | 地区等级region_level | 年份year | 省份province | 城市city | 区县county | 区县代码region_code | 所属地域region_type | 胡焕庸线侧hu_line_side | 土地面积land_area | 乡镇个数township_count | 乡个数township_count_detail | 镇个数town_count | 街道办个数street_office_count | 村委会个数village_committee_count | 总户数total_households | 乡村户数rural_households | 总人口total_population | 乡村人口rural_population | 户籍人口registered_population | 单位从业人员unit_employees | 在岗职工数urban_staff_count | 乡村从业人员rural_employees | 农林牧渔从业agri_forestry_employees | 二产从业人员secondary_industry_employees | 三产从业人员tertiary_industry_employees | 农机总动力agri_machinery_power | 固话用户fixed_phone_users | 移动电话用户mobile_phone_users | 宽带用户broadband_users | 地区生产总值gdp_amount | 一产增加值primary_industry_value | 二产增加值secondary_industry_value | 工业增加值industry_value | 三产增加值tertiary_industry_value | 农业增加值agriculture_value | 牧业增加值livestock_value | 人均GDPgdp_per_capita | 职工平均工资avg_wage | 城镇可支配收入urban_income | 农村可支配收入rural_income |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 县级 | 2000 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 24.7 | — | — | — | 10 | — | 234700 | — | — | — | 62.6 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 10470 | — |
| 2 | 县级 | 2001 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 24.7 | — | — | — | 10 | — | 234000 | — | — | — | 63 | — | — | — | — | — | — | — | — | — | — | 1708500 | — | 253800 | 187600 | 1454800 | — | — | — | — | — | — |
| 3 | 县级 | 2002 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 24.7 | — | — | — | 10 | — | 234000 | — | — | — | 63.8 | — | — | — | — | — | — | — | — | — | — | 2941000 | 1000 | 198000 | 109000 | 2742000 | — | — | — | — | 13117 | — |
| 4 | 县级 | 2003 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 24.7 | — | — | — | 10 | — | 235000 | — | — | — | 64.3 | — | — | — | — | — | — | — | — | — | — | 3294000 | — | 210000 | 105000 | 3084000 | — | — | — | — | 14880 | — |
| 5 | 县级 | 2004 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 224000 | — | — | — | 62.2 | — | — | — | — | — | — | — | — | — | — | 3637000 | — | 203000 | 105000 | 3434000 | — | — | — | — | 16701 | — |
| 6 | 县级 | 2005 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 219000 | — | 86 | — | 86 | — | — | — | — | — | — | — | — | — | — | 6561000 | 1422000 | 268000 | 118000 | 4871000 | — | — | — | — | 18280 | — |
| 7 | 县级 | 2006 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 219000 | — | 55 | — | 61.4 | — | 319040 | — | — | — | — | — | — | — | — | 5915600 | — | 361100 | 174000 | 5554500 | — | — | — | 52171 | 20664 | — |
| 8 | 县级 | 2007 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 219000 | — | 55 | — | 61.8 | — | 337822 | — | — | — | — | — | — | — | — | 6732000 | — | 403700 | 144100 | 6328300 | — | — | — | 60480 | 23522 | — |
| 9 | 县级 | 2008 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 218800 | — | 55 | — | 61.9 | — | 370151 | — | — | — | — | — | — | — | — | 7516200 | — | 397100 | 110300 | 7119100 | — | — | — | 72078 | 26151 | — |
| 10 | 县级 | 2009 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 25.3 | — | — | — | 10 | — | 218100 | — | 86 | — | 62.1 | — | 467553 | — | — | — | — | — | — | — | — | 9454000 | — | 289700 | 116900 | 9164300 | — | — | — | 71513 | 28458 | — |
| 11 | 县级 | 2010 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 343000 | — | 92 | — | 91.9 | — | 475366 | — | — | — | — | — | — | — | — | 12431700 | 195700 | 558100 | 252700 | 11677900 | — | — | — | 80701 | 30684 | — |
| 12 | 县级 | 2011 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 343800 | — | 91 | — | 91 | — | 527119 | — | — | — | — | — | — | — | — | 13707400 | 310200 | 579300 | 284100 | 12817900 | — | — | — | 88337 | 34626 | — |
| 13 | 县级 | 2012 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 344600 | — | 91 | — | 90.8 | — | 542391 | — | — | — | — | — | — | — | — | 14940500 | 439200 | 616400 | 312000 | 13884900 | — | — | — | 97531 | 38559 | — |
| 14 | 县级 | 2013 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 346000 | — | 91 | — | 90.9 | — | 562725 | — | — | — | — | — | — | — | — | 16552400 | 841700 | 656300 | 340000 | 15054400 | — | — | — | 105918 | 41676 | — |
| 15 | 县级 | 2014 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 345961 | — | 91 | — | 91.1 | — | 578574 | — | — | — | — | — | — | — | — | 17660000 | 329900 | 702200 | 364515 | 16627900 | — | — | — | 114833 | 45052 | — |
| 16 | 县级 | 2015 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | 41.9 | — | — | — | 17 | — | 346000 | — | 90 | — | 90.5 | — | 587441 | — | — | — | — | — | — | — | — | 19137500 | 559300 | 779200 | 390200 | 17799000 | — | — | — | 129745 | 61764 | — |
| 17 | 县级 | 2016 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | — | — | — | — | 17 | — | 347000 | — | 88 | — | 87.8 | — | 587729 | — | — | — | — | — | — | — | — | 20618000 | 100 | 799000 | 403539 | 19818900 | — | — | — | 140050 | 66084 | — |
| 18 | 县级 | 2017 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | — | — | — | — | 17 | — | 346208 | — | 85 | — | 85.1 | — | 589025 | — | — | — | — | — | — | — | — | 22471800 | — | 825900 | 397234 | 21645900 | — | — | — | 156406 | 70289 | — |
| 19 | 县级 | 2018 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | — | — | — | — | 17 | — | 347025 | — | 82 | — | 97.4 | — | 601991 | — | — | — | — | — | — | — | — | 24256700 | — | 895800 | 408244 | 23360900 | — | — | — | 169504 | 75547 | — |
| 20 | 县级 | 2019 | 北京市 | 北京市 | 东城区 | 110101 | 东部 | 东南侧 | — | — | — | — | 17 | — | 349907 | — | 79 | — | 98.8 | — | 564549 | — | — | — | — | — | — | — | — | 29103900 | — | 875000 | 391725 | 28229000 | — | — | — | 194572 | 81592 | — |
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 v12026/11/13 发布
生效中68,000 行 · 40 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 68,000 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、province_code、region_code按区县对上本数据集 68,000 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 province_code、taobao_village_year、county_code按区县对上本数据集 68,000 行(100%)
- 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 68,000 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 68,000 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 68,000 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、province、county_code按区县对上本数据集 68,000 行(100%)
- 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 68,000 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、province、county_code按区县对上本数据集 68,000 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 68,000 行(100%)
- 区县最低工资标准区域底数 · 5.6 万 行 · 连接字段 year、province、county_code按区县对上本数据集 68,000 行(100%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 68,000 行(100%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、province_name、county_code_2按区县对上本数据集 68,000 行(100%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 68,000 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 68,000 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 68,000 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 68,000 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province、region_code按区县对上本数据集 68,000 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 68,000 行(100%)
- 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 67,675 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 66,250 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 64,200 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按区县对上本数据集 53,800 行(79%)
- 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 49,625 行(72%)
- 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 45,350 行(66%)
- 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 33,175 行(48%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 68,000 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 68,000 行(100%)
- 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 67,500 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 66,250 行(97%)
- 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 61,950 行(91%)
- 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 59,800 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 53,925 行(79%)
- 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 44,150 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 35,075 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 19,200 行(28%)
- 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 18,025 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 16,250 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 region_code、year按区县对上本数据集 11,275 行(16%)
按 省份 能连
29 个数据集 · 本数据集 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 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 68,000 行(100%)
按 区县 能连
12 个数据集 · 本数据集 68,000 行有区县- 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 67,900 行(99%)
- 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 67,850 行(99%)
- 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 67,500 行(99%)
- 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 67,250 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 67,000 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 64,375 行(94%)
- 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 63,450 行(93%)
- 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 51,900 行(76%)
- 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 40,325 行(59%)
- 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 31,250 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 28,825 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 4,400 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。
还没有发现这个数据集的字段规律。
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-socioeconomic-panel/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_level","op":"eq","value":"县级"}],"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。