
县级高程与坡度
一行是一个县区的地形统计。
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 中国数字高程模型(约 250 米,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
- 22
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
22 个字段,20 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。颜色按平均海拔从浅到深分 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。
平均海拔
形状来自这个数据集每个区县的平均海拔:约 250 米的数字高程模型按 2021 年的县界统计,画在县界上。不是连续的高程图。- 0–55.8
- 55.8–210
- 210–517
- 517–1,267
- 1,267–5,148
02字段
字段来源,逐一标明
共 22 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
一行是一个县区的地形统计。包含平均、最低、最高海拔和海拔的 90% 分位数、高差、海拔的标准差,平均坡度,坡度大于 15 度和 25 度的面积比例。覆盖全国的县区,按 2021 年的行政区划,由约 250 米的数字高程模型按县界统计,不随年份变化。用来判断一个县是平原、丘陵还是山地,估计滑坡、泥石流和山洪的风险,以及工程施工的难度。
| 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 96%,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%,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 | ||
| 平均海拔elev_mean_m | 小数 | 原生 | 100% | 米 | ||
| 最低海拔elev_min_m | 小数 | 原生 | 100% | 米 | ||
| 最高海拔elev_max_m | 小数 | 原生 | 100% | 米 | ||
| 海拔 90% 分位数elev_p90_m | 小数 | 原生 | 100% | 米。县里 90% 的地面低于这个高度 | ||
| 高差elev_range_m | 小数 | 原生 | 100% | 米,最高减最低 | ||
| 海拔标准差elev_std_m | 小数 | 原生 | 100% | 米。越大越起伏 | ||
| 平均坡度slope_mean_deg | 小数 | 原生 | 100% | 度。由高程按像元算,像元约 220 米,比实地的坡度偏小 | ||
| 坡度 15 度以上比例slope_over15_share | 小数 | 原生 | 100% | 0 到 1,按像元个数算 | ||
| 坡度 25 度以上比例slope_over25_share | 小数 | 原生 | 100% | 0 到 1。25 度以上一般不宜耕种,滑坡风险高 | ||
| 像元个数cell_count | 整数 | 原生 | 100% | 县里参与统计的高程像元个数。很小的值(例如澳门的区)统计不稳 | ||
| 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 | 平均海拔elev_mean_m | 最低海拔elev_min_m | 最高海拔elev_max_m | 海拔 90% 分位数elev_p90_m | 高差elev_range_m | 海拔标准差elev_std_m | 平均坡度slope_mean_deg | 坡度 15 度以上比例slope_over15_share | 坡度 25 度以上比例slope_over25_share | 像元个数cell_count | 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 | 24.3 | -19 | 389 | 46 | 408 | 36.5 | 1.8 | 0.0175 | 0.0017 | 6329 | 340803 | 340803 |
| 2 | 340822 | 340822 | 安徽省 | 340000 | 安庆市 | 340800 | 怀宁县 | 县 | 2021 | 是 | 46.9 | 1 | 401 | 96 | 400 | 46.4 | 2.6 | 0.0195 | 0.001 | 29121 | 340822 | 340822 |
| 3 | 340882 | 340882 | 安徽省 | 340000 | 安庆市 | 340800 | 潜山市 | 县级市 | 2021 | 是 | 269.2 | 10 | 1453 | 634 | 1443 | 257.1 | 8.73 | 0.2291 | 0.0576 | 39151 | 340882 | 340882 |
| 4 | 340826 | 340826 | 安徽省 | 340000 | 安庆市 | 340800 | 宿松县 | 县 | 2021 | 是 | 63.3 | -19 | 936 | 169.8 | 955 | 123.2 | 2.67 | 0.0485 | 0.0068 | 54753 | 340826 | 340826 |
| 5 | 340825 | 340825 | 安徽省 | 340000 | 安庆市 | 340800 | 太湖县 | 县 | 2021 | 是 | 233.2 | -3 | 1030 | 538 | 1033 | 199 | 8.49 | 0.2062 | 0.0314 | 47177 | 340825 | 340825 |
| 6 | 340881 | 340881 | 安徽省 | 340000 | 安庆市 | 340800 | 桐城市 | 县级市 | 2021 | 是 | 108.2 | -9 | 956 | 349 | 965 | 149.9 | 4.29 | 0.0939 | 0.016 | 35733 | 340881 | 340881 |
| 7 | 340827 | 340827 | 安徽省 | 340000 | 安庆市 | 340800 | 望江县 | 县 | 2021 | 是 | 22.3 | -10 | 436 | 37 | 446 | 22.4 | 1.03 | 0.0032 | 0.0001 | 30492 | 340827 | 340827 |
| 8 | 340811 | 340811 | 安徽省 | 340000 | 安庆市 | 340800 | 宜秀区 | 市辖区 | 2021 | 是 | 63.3 | -12 | 666 | 182 | 678 | 99.3 | 4.49 | 0.0875 | 0.0129 | 9690 | 340811 | 340811 |
| 9 | 340802 | 340802 | 安徽省 | 340000 | 安庆市 | 340800 | 迎江区 | 市辖区 | 2021 | 是 | 11.3 | -143 | 58 | 18 | 201 | 10 | 0.9 | 0.0013 | 0 | 4783 | 340802 | 340802 |
| 10 | 340828 | 340828 | 安徽省 | 340000 | 安庆市 | 340800 | 岳西县 | 县 | 2021 | 是 | 652.3 | 71 | 1749 | 1043 | 1678 | 287.6 | 13.71 | 0.394 | 0.0994 | 55010 | 340828 | 340828 |
| 11 | 340303 | 340303 | 安徽省 | 340000 | 蚌埠市 | 340300 | 蚌山区 | 市辖区 | 2021 | 是 | 29.9 | 3 | 143 | 42 | 140 | 12.3 | 0.85 | 0 | 0 | 2138 | 340303 | 340303 |
| 12 | 340323 | 340323 | 安徽省 | 340000 | 蚌埠市 | 340300 | 固镇县 | 县 | 2021 | 是 | 20.8 | 2 | 29 | 23 | 27 | 2.4 | 0.33 | 0 | 0 | 32598 | 340323 | 340323 |
| 13 | 340321 | 340321 | 安徽省 | 340000 | 蚌埠市 | 340300 | 怀远县 | 县 | 2021 | 是 | 22.1 | 0 | 211 | 25 | 211 | 4.8 | 0.43 | 0.0004 | 0 | 52522 | 340321 | 340321 |
| 14 | 340311 | 340311 | 安徽省 | 340000 | 蚌埠市 | 340300 | 淮上区 | 市辖区 | 2021 | 是 | 17.7 | 6 | 25 | 20 | 19 | 1.8 | 0.31 | 0 | 0 | 9696 | 340311 | 340311 |
| 15 | 340302 | 340302 | 安徽省 | 340000 | 蚌埠市 | 340300 | 龙子湖区 | 市辖区 | 2021 | 是 | 29.4 | -5 | 188 | 50 | 193 | 17.6 | 0.99 | 0.0006 | 0 | 3534 | 340302 | 340302 |
| 16 | 340322 | 340322 | 安徽省 | 340000 | 蚌埠市 | 340300 | 五河县 | 县 | 2021 | 是 | 18.8 | -1 | 90 | 23 | 91 | 7.6 | 0.47 | 0 | 0 | 33853 | 340322 | 340322 |
| 17 | 340304 | 340304 | 安徽省 | 340000 | 蚌埠市 | 340300 | 禹会区 | 市辖区 | 2021 | 是 | 30 | -1 | 320 | 47 | 321 | 24.9 | 1.3 | 0.0075 | 0.0003 | 7628 | 340304 | 340304 |
| 18 | 341623 | 341623 | 安徽省 | 340000 | 亳州市 | 341600 | 利辛县 | 县 | 2021 | 是 | 28.7 | 7 | 48 | 31 | 41 | 2.2 | 0.36 | 0 | 0 | 47816 | 341623 | 341623 |
| 19 | 341622 | 341622 | 安徽省 | 340000 | 亳州市 | 341600 | 蒙城县 | 县 | 2021 | 是 | 26.6 | 12 | 66 | 30 | 54 | 2.6 | 0.44 | 0 | 0 | 50991 | 341622 | 341622 |
| 20 | 341602 | 341602 | 安徽省 | 340000 | 亳州市 | 341600 | 谯城区 | 市辖区 | 2021 | 是 | 37.4 | 27 | 49 | 42 | 22 | 3.1 | 0.43 | 0 | 0 | 54293 | 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 · 22 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 year、province、region_code、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、year、province、county_code按城市对上本数据集 2,877 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、region_code、province、division_year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、year、city_code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 province、county_code、city_code、year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 province、county_code、approve_date、city_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 layer_year、city_code、province、region_code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 county_code_2、province_name、city_code_2、year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 city_code、date、province、county_code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、county_code、province、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 city_code、county_code、year、province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 county_code、publish_date、encoded_address_city_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 province、year、region_code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 region_code、province、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 region_code、year、province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 city_code、census_year、province_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 city_code、date、province_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、city_code、province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 region_code、province、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 province、date、region_code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 year、origin_city_code、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 province_code、region_code、year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 year、province、region_code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 region_code、year、province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 pname、page_publish_time、adcode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、region_code、province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 province、issue_date、region_code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 taobao_village_year、province_code、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 region_code、province、first_year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 region_code、province、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 region_code、province、year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 year、region_code、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 province、region_code、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 province_code、city_code、county_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 region_code、province_code、city_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 county_code、province、city_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 province、county_code、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 province_code、city_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 county_code、city_code、province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 city_code、province_code、region_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 city_code、province、county_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 county_code、province、city_code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 city_code、region_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 city_code、year、county_code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 pub_date、applicant_address_county_code、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 application_date、address_county_code、address_city_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 city_code、county_code、year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 established_date、county_code、address_city_code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 date、province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 province、year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 city、year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 region_code、year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 born_date、province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 year、province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 province、year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 year、province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 year、city_code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 region_code、year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 city_code、year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 month、city_code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 year、region_code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 region_code、date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 region_code、province_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 province_code、city_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 city_code、province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 province、region_code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 city_code、province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 region_code、province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 city_code、province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 old_code、valid_from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 region_code、start_date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 old_code、change_year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。
来自字段扩增县级高程与坡度县级高程与坡度 - 扩增得出
source_code_current由图层里的代码扩增得出。
来自字段扩增县级高程与坡度县级高程与坡度
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-terrain-stats/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。