
县域开通微博企业数(按成立年份)
一行是一个县级行政区里开通微博的企业,按成立年份统计的家数,并附上这个县的注册企业总量(2023 年 11 月统计)。
v1 生效中 · 2026/11/14 发布时间跨度:1937–2023 年数据出处 研究整理数据,出处待核实。按《中国工业经济》杨刚强(2023)的做法,用企业注册信息统计
- 记录
- 4.6 万
- 字段
- 8
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
8 个字段,8 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 8 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 45,501 行计算。
关于这个数据集
一行是一个县级行政区里开通微博的企业,按成立年份统计的家数,并附上这个县的注册企业总量(2023 年 11 月统计)。年份是企业的成立年份,不是开通微博的年份,所以有 1937 年这样的早年份。研究里用作县域数字经济的工具变量。
| 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(2020 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% | — | ||
| 企业成立年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 地区名称county键:区县名称。样本里格式符合 97.8%,还没有参照 | 文本 | 原生 | 100% | 原表列名:地区 | ||
| 所属城市city键:城市名称。样本里格式符合 95.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 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% | — | ||
| 开通微博企业数registered_enterprises_count | 整数 | 原生 | 100% | 这一年成立、现在开通了微博的企业家数 | ||
| 注册企业总量total_registered_enterprises | 整数 | 原生 | 100% | 这个县的注册企业总量,2023 年 11 月统计 | ||
| 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%,99.9% 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) | 100%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 |
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。
| # | 行政区划代码region_code | 企业成立年份year | 地区名称county | 所属城市city | 所属省份province | 开通微博企业数registered_enterprises_count | 注册企业总量total_registered_enterprises | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 1937 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 2 | 110101 | 1949 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 3 | 110101 | 1952 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 4 | 110101 | 1954 | 东城区 | 北京市 | 北京市 | 2 | 4641 | 110101 |
| 5 | 110101 | 1956 | 东城区 | 北京市 | 北京市 | 4 | 4641 | 110101 |
| 6 | 110101 | 1957 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 7 | 110101 | 1964 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 8 | 110101 | 1970 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 9 | 110101 | 1976 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
| 10 | 110101 | 1979 | 东城区 | 北京市 | 北京市 | 2 | 4641 | 110101 |
| 11 | 110101 | 1980 | 东城区 | 北京市 | 北京市 | 2 | 4641 | 110101 |
| 12 | 110101 | 1981 | 东城区 | 北京市 | 北京市 | 8 | 4641 | 110101 |
| 13 | 110101 | 1982 | 东城区 | 北京市 | 北京市 | 6 | 4641 | 110101 |
| 14 | 110101 | 1983 | 东城区 | 北京市 | 北京市 | 4 | 4641 | 110101 |
| 15 | 110101 | 1984 | 东城区 | 北京市 | 北京市 | 13 | 4641 | 110101 |
| 16 | 110101 | 1985 | 东城区 | 北京市 | 北京市 | 5 | 4641 | 110101 |
| 17 | 110101 | 1986 | 东城区 | 北京市 | 北京市 | 14 | 4641 | 110101 |
| 18 | 110101 | 1987 | 东城区 | 北京市 | 北京市 | 9 | 4641 | 110101 |
| 19 | 110101 | 1988 | 东城区 | 北京市 | 北京市 | 4 | 4641 | 110101 |
| 20 | 110101 | 1989 | 东城区 | 北京市 | 北京市 | 1 | 4641 | 110101 |
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 v12026/11/14 发布
生效中45,501 行 · 8 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 45,501 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 45,483 行(99%)
- 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 45,483 行(99%)
- 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 45,470 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 45,462 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 45,462 行(99%)
- 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 45,445 行(99%)
- 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 45,445 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、county_code、province按区县对上本数据集 45,440 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、year、region_code按区县对上本数据集 45,423 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、region_code、layer_year按区县对上本数据集 45,423 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、region_code、province按区县对上本数据集 45,422 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year按区县对上本数据集 45,422 行(99%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 45,501 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 45,501 行(100%)
- 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 45,501 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 45,501 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 45,501 行(100%)
- 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 45,501 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 45,501 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 45,501 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 45,501 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 45,501 行(100%)
- 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 45,501 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 45,501 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 province、year按省份对上本数据集 45,501 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 45,501 行有区县- 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 45,446 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、province_code按区县对上本数据集 45,445 行(99%)
- 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 45,422 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 province_code、region_code按区县对上本数据集 45,397 行(99%)
- 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 45,383 行(99%)
- 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 45,111 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按区县对上本数据集 43,661 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 43,603 行(95%)
- 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 39,704 行(87%)
- 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 35,344 行(77%)
- 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 28,366 行(62%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、province按区县对上本数据集 19,404 行(42%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 45,501 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 45,483 行(99%)
- 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 44,781 行(98%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 43,555 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 43,359 行(95%)
- 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 38,273 行(84%)
- 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 37,791 行(83%)
- 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 35,873 行(78%)
- 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 23,280 行(51%)
- 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 21,067 行(46%)
- 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 16,037 行(35%)
- 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 12,040 行(26%)
- 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 11,247 行(24%)
按 省份 能连
29 个数据集 · 本数据集 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 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 45,501 行(100%)
按 区县 能连
12 个数据集 · 本数据集 45,501 行有区县- 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 45,307 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 45,058 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 45,045 行(98%)
- 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 44,945 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 44,771 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 41,074 行(90%)
- 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 40,655 行(89%)
- 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 36,545 行(80%)
- 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 23,395 行(51%)
- 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 22,055 行(48%)
- 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 15,066 行(33%)
- 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 6,955 行(15%)
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由行政区划代码扩增得出。
来自字段扩增县域开通微博企业数(按成立年份)县域开通微博企业数(按成立年份)
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-weibo-enterprise-by-founding-year/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101"}],"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。