省级新冠疫情日度
一行是一个省级地区在一天的新冠疫情数字。覆盖 34 个省级地区，2020 年 1 月 20 日到 2022 年 12 月 22 日。
v1 生效中 · 2026/11/13 发布险种标签：健康险时间跨度：2020 年 1 月–2022 年 12 月数据出处 出处待核实
- 记录
- 3.6 万
- 字段
- 21
- AI 扩增字段
- 2
- 平均非空率
- 77.6%
- 字段完整度
21 个字段，7 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 21 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 36,312 行计算。
关于这个数据集
一行是一个省级地区在一天的新冠疫情数字。覆盖 34 个省级地区，2020 年 1 月 20 日到 2022 年 12 月 22 日。有当日新增和累计的确诊、死亡、治愈、疑似人数，以及和前一天相比的变化。可用来看疫情在各省的变化。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 日期date规律 1：日期的字段规律字段规律：date_year由日期扩增得出。含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | 原表列名：d | ||
| 国标代码region_code含义：代码或编号 | 文本 | 原生 | 100% | 原表列名：gb | ||
| 名称region_name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% | 原表列名：name | ||
| 当日治愈cured_new含义：人数（人） | 整数 | 原生 | 0.4% | 人 原表列名：healToday | ||
| 当日确诊confirm_new含义：人数（人） | 整数 | 原生 | 87% | 人 原表列名：confirmToday | ||
| 当日死亡death_new含义：人数（人） | 整数 | 原生 | 0.4% | 人 原表列名：deadToday | ||
| 当日疑似suspect_new含义：人数（人） | 整数 | 原生 | 0.4% | 人 原表列名：suspectToday | ||
| 累计治愈cured_total含义：人数（人） | 整数 | 原生 | 87% | 人 原表列名：healTotal | ||
| 累计确诊confirm_total含义：人数（人） | 整数 | 原生 | 87% | 人 原表列名：confirmTotal | ||
| 累计死亡death_total含义：人数（人） | 整数 | 原生 | 87% | 人 原表列名：deadTotal | ||
| 累计疑似suspect_total含义：人数（人） | 整数 | 原生 | 66% | 人 原表列名：suspectTotal | ||
| 更新时间update_time含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 87% | 原表列名：updateTime | ||
| 现有确诊confirm_current含义：人数（人） | 整数 | 原生 | 87% | 人 原表列名：nowConfirm | ||
| 确诊环比confirm_compare含义：人数（人） | 整数 | 原生 | 86% | 人 原表列名：confirmCompare | ||
| 现有确诊环比confirm_current_compare含义：人数（人） | 整数 | 原生 | 86% | 人 原表列名：nowConfirmCompare | ||
| 治愈环比cured_compare含义：人数（人） | 整数 | 原生 | 86% | 人 原表列名：healCompare | ||
| 死亡环比death_compare含义：人数（人） | 整数 | 原生 | 86% | 人 原表列名：deadCompare | ||
| 纬度lat规律 1：纬度的字段规律字段规律：county_code由经度、纬度扩增得出。含义：经纬度（度）键：纬度。样本里格式符合 100%，还没有参照 | 小数 | 原生 | 100% | 原表列名：lat | ||
| 经度lng规律 1：经度的字段规律字段规律：county_code由经度、纬度扩增得出。含义：经纬度（度）键：经度。样本里格式符合 100%，还没有参照 | 小数 | 原生 | 100% | 原表列名：lng | ||
| 所在区县代码county_code规律 1：所在区县代码的字段规律字段规律：county_code由经度、纬度扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源：所在区县代码 | 100%平均置信度 0.93校验少：不建议单独作为决策依据 | 经度、纬度落在哪个区县，现行的县级区划代码。用县级边界查出，不用模型。离边界不到 1 公里的点置信度较低 | ||
| 年份date_year规律 1：年份的字段规律字段规律：date_year由日期扩增得出。含义：年份键：年份。样本里格式符合 100%，还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源：年份 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 从日期算出的年份 |
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。
| # | 日期date | 国标代码region_code | 名称region_name | 当日治愈cured_new | 当日确诊confirm_new | 当日死亡death_new | 当日疑似suspect_new | 累计治愈cured_total | 累计确诊confirm_total | 累计死亡death_total | 累计疑似suspect_total | 更新时间update_time | 现有确诊confirm_current | 确诊环比confirm_compare | 现有确诊环比confirm_current_compare | 治愈环比cured_compare | 死亡环比death_compare | 纬度lat | 经度lng | 所在区县代码county_code | 年份date_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2020-01-20 | 156110000 | 北京市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 39.903117 | 116.401003 | 110101 | 2020 |
| 2 | 2020-01-20 | 156120000 | 天津市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 39.082634 | 117.194295 | 120103 | 2020 |
| 3 | 2020-01-20 | 156130000 | 河北省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 38.568954 | 115.43978 | 130608 | 2020 |
| 4 | 2020-01-20 | 156140000 | 山西省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 37.399174 | 112.142715 | 141121 | 2020 |
| 5 | 2020-01-20 | 156150000 | 内蒙古自治区 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 42.013154 | 111.230208 | 150929 | 2020 |
| 6 | 2020-01-20 | 156210000 | 辽宁省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 41.222247 | 123.390106 | 211003 | 2020 |
| 7 | 2020-01-20 | 156220000 | 吉林省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 43.380602 | 126.165165 | 220284 | 2020 |
| 8 | 2020-01-20 | 156230000 | 黑龙江省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 47.108518 | 126.762714 | 231283 | 2020 |
| 9 | 2020-01-20 | 156310000 | 上海市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 31.232624 | 121.470161 | 310101 | 2020 |
| 10 | 2020-01-20 | 156320000 | 江苏省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 33.60216 | 118.968969 | 320804 | 2020 |
| 11 | 2020-01-20 | 156330000 | 浙江省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 29.284433 | 119.620259 | 330781 | 2020 |
| 12 | 2020-01-20 | 156340000 | 安徽省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 32.448449 | 117.275731 | 341125 | 2020 |
| 13 | 2020-01-20 | 156350000 | 福建省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 25.803743 | 117.546963 | 350425 | 2020 |
| 14 | 2020-01-20 | 156360000 | 江西省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 27.865172 | 115.587226 | 360982 | 2020 |
| 15 | 2020-01-20 | 156370000 | 山东省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 35.947973 | 118.09366 | 371328 | 2020 |
| 16 | 2020-01-20 | 156410000 | 河南省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 33.764935 | 113.302086 | 410403 | 2020 |
| 17 | 2020-01-20 | 156420000 | 湖北省 | — | 72 | — | — | 25 | 270 | 6 | — | 2020-01-20 | 239 | 270 | 270 | 25 | 6 | 30.932695 | 112.327646 | 420804 | 2020 |
| 18 | 2020-01-20 | 156430000 | 湖南省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 27.560188 | 111.709149 | 431382 | 2020 |
| 19 | 2020-01-20 | 156440000 | 广东省 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 24.104169 | 113.487842 | 441881 | 2020 |
| 20 | 2020-01-20 | 156450000 | 广西壮族自治区 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 23.929809 | 108.587878 | 451321 | 2020 |
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36,312 行 · 21 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 36,312 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 36,312 行（100%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、pname、page_publish_time按区县对上本数据集 36,312 行（100%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code、province_code按区县对上本数据集 36,312 行（100%）
- 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 36,312 行（100%）
- 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 36,312 行（100%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code、first_year按区县对上本数据集 35,244 行（97%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 region_code、date、province按区县对上本数据集 34,176 行（94%）
- 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 34,176 行（94%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、county_code、province按区县对上本数据集 34,176 行（94%）
- 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 34,176 行（94%）
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 34,176 行（94%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 34,176 行（94%）
按 省份 + 年份 能连
467 个数据集 · 本数据集 36,312 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province按省份对上本数据集 36,312 行（100%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 36,312 行（100%）
- 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 36,312 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 36,312 行（100%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date按省份对上本数据集 36,312 行（100%）
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 36,312 行（100%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province按省份对上本数据集 36,312 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 36,312 行（100%）
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、year按省份对上本数据集 36,312 行（100%）
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 36,312 行（100%）
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、census_year按省份对上本数据集 36,312 行（100%）
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 36,312 行（100%）
按 区县 + 省份 能连
18 个数据集 · 本数据集 36,312 行有区县- 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 36,312 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 region_code、province_code按区县对上本数据集 36,312 行（100%）
- 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 35,244 行（97%）
- 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 34,176 行（94%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 30,972 行（85%）
- 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 22,428 行（61%）
- 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 22,428 行（61%）
- 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 19,224 行（52%）
- 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 13,884 行（38%）
按 区县 + 年份 能连
16 个数据集 · 本数据集 36,312 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 36,312 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 36,312 行（100%）
- 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 32,040 行（88%）
- 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 30,972 行（85%）
- 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 28,836 行（79%）
- 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 26,700 行（73%）
- 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按区县对上本数据集 23,496 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 18,156 行（50%）
- 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 12,816 行（35%）
- 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 10,680 行（29%）
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 8,544 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 7,476 行（20%）
按 省份 能连
29 个数据集 · 本数据集 36,312 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 36,312 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 35,244 行（97%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
按 区县 能连
12 个数据集 · 本数据集 36,312 行有区县- 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 36,312 行（100%）
- 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 34,176 行（94%）
- 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 34,176 行（94%）
- 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 33,108 行（91%）
- 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 33,108 行（91%）
- 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 32,040 行（88%）
- 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 30,972 行（85%）
- 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 24,564 行（67%）
- 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 19,224 行（52%）
- 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 17,088 行（47%）
- 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 12,816 行（35%）
- 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 4,272 行（11%）
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2
- 扩增得出
county_code由经度、纬度扩增得出。
来自字段扩增省级新冠疫情日度省级新冠疫情日度 - 扩增得出
date_year由日期扩增得出。
来自字段扩增省级新冠疫情日度省级新冠疫情日度
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/covid-19-daily-province-geo/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"156110000"}],"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。