工业企业距省界距离
一行是一家工业企业一年到某个省的省界的距离，带企业名称、所在省市县、经纬度。
v2 生效中 · 2026/11/15 发布险种标签：企业财产险责任险时间跨度：2008–2013 年数据出处 出处待核实
- 记录
- 87.7 万
- 字段
- 15
- AI 扩增字段
- 2
- 平均非空率
- 93.1%
- 字段完整度
15 个字段，13 个没有空值，2 个 AI 扩增
图片：Christian A. Schröder (ChristianSchd)，CC BY-SA 4.0（在新窗口打开图片的原始页面）
01字段
字段来源，逐一标明
共 15 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 876,552 行计算。
关于这个数据集
一行是一家工业企业一年到某个省的省界的距离，带企业名称、所在省市县、经纬度。原始数据按 12 个省份分文件，同一家企业靠近几个省的省界时，每个省各有一行。2008–2013 年。可作为企业空间分布特征变量。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 组织机构代码uscc含义：代码或编号 | 文本 | 原生 | 96% | 企业唯一标识 | ||
| 企业名称company_name规律 1：企业名称的字段规律字段规律：company_uscc由企业名称扩增得出。含义：名称键：企业名称。样本里格式符合 99%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 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% | — | ||
| 县代码county_code规律 1：县代码的字段规律字段规律：county_code_current由县代码扩增得出。含义：代码或编号键：县级区划代码（2019 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% | 行政区划代码 | ||
| 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% | — | ||
| 省代码province_code含义：代码或编号键：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% | 行政区划代码 | ||
| 省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% | — | ||
| 市代码city_code含义：代码或编号键：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% | 行政区划代码 | ||
| 市city含义：地区 | 文本 | 原生 | 100% | — | ||
| 省界所属省份border_province键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | 距离是到这个省的省界的距离。原始数据按这个省份分文件 | ||
| 距省界距离distance_to_border含义：长度（千米） | 小数 | 原生 | 100% | 单位推测为公里，需核实 原表列名：距离 到“省界所属省份”那个省的省界的距离。 | ||
| 经度lng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% | — | ||
| 纬度lat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% | — | ||
| 县代码（现行）county_code_current规律 1：县代码（现行）的字段规律字段规律：county_code_current由县代码扩增得出。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 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：县代码（现行） | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 县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 | ||
| 企业统一社会信用代码company_uscc规律 1：企业统一社会信用代码的字段规律字段规律：company_uscc由企业名称扩增得出。含义：代码或编号键：统一社会信用代码。样本里格式符合 100%，0.3% 的行对上参照 listed-security-master | 文本 | 规则扩增第 2 级扩增查看溯源：企业统一社会信用代码 | 0.2%平均置信度 1.00校验少：不建议单独作为决策依据 | 企业名称对上沪深京上市证券表的工商登记名称时，取出的统一社会信用代码。只覆盖上市公司，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。
| # | 组织机构代码uscc | 企业名称company_name | 年份year | 县代码county_code | 县county | 省代码province_code | 省province | 市代码city_code | 市city | 省界所属省份border_province | 距省界距离distance_to_border | 经度lng | 纬度lat | 县代码（现行）county_code_current | 企业统一社会信用代码company_uscc |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 60728381X | 万利海业机械工程(上海)有限公司 | 2010 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 18.64017136379486 | 121.349904872667 | 31.3129579179359 | 310113 | — |
| 2 | 60728381X | 万利海业机械工程(上海)有限公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 18.64017136379486 | 121.349904872667 | 31.3129579179359 | 310113 | — |
| 3 | 60728381X | 万利海业机械工程(上海)有限公司 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 18.64017136379486 | 121.349904872667 | 31.3129579179359 | 310113 | — |
| 4 | — | 上海一丰粉末冶金有限公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 10.2880485892032 | 121.347639687313 | 31.4121935283313 | 310113 | — |
| 5 | — | 上海一丰粉末冶金有限公司 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 10.2880485892032 | 121.347639687313 | 31.4121935283313 | 310113 | — |
| 6 | 630850931 | 上海一互电器有限公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 17.23800679055375 | 121.421923171626 | 31.373328174224 | 310113 | — |
| 7 | 630476839 | 上海一众印务中心 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 22.09727512722689 | 121.420360673654 | 31.3221580191106 | 310113 | — |
| 8 | 630476839 | 上海一众印务中心 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 22.09727512722689 | 121.420360673654 | 31.3221580191106 | 310113 | — |
| 9 | 607300405 | 上海一冷开利空调设备有限公司 | 2013 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 10 | 607300405 | 上海一冷开利空调设备有限公司 | 2012 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 11 | 607300405 | 上海一冷开利空调设备有限公司 | 2011 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 12 | 607300405 | 上海一冷开利空调设备有限公司 | 2010 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 13 | 607300405 | 上海一冷开利空调设备有限公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 14 | 607300405 | 上海一冷开利空调设备有限公司 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 16.23884119016944 | 121.427361730299 | 31.3879952543724 | 310113 | — |
| 15 | 132704077 | 上海一纺机械有限公司 | 2013 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 5.594693515098262 | 121.360989669381 | 31.4656785329002 | 310113 | — |
| 16 | 741155624 | 上海太平洋纺织机械成套设备有限公司 | 2013 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 5.594693515098262 | 121.360989669381 | 31.4656785329002 | 310113 | — |
| 17 | 745620159 | 上海一诺金属防护材料有限公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 8.163191458395708 | 121.34811797316 | 31.4323396343427 | 310113 | — |
| 18 | 745620159 | 上海一诺金属防护材料有限公司 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 8.163191458395708 | 121.34811797316 | 31.4323396343427 | 310113 | — |
| 19 | 133402521 | 上海一钢机电公司 | 2009 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 22.71651766214434 | 121.482505985522 | 31.3513611445954 | 310113 | — |
| 20 | 133402521 | 上海一钢机电有限公司 | 2008 | 310113 | 宝山区 | 310000 | 上海市 | 310000 | 上海市 | 江苏省 | 22.71651766214434 | 121.482505985522 | 31.3513611445954 | 310113 | — |
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876,552 行 · 15 个字段 · 初始导入（比 v1 行数增加 355,497，字段增加 1 个）
版本 v12026/11/13 发布
历史版本521,055 行 · 14 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、企业，能和不少于 174 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 + 统一社会信用代码 + 年份 能连
5 个数据集 · 本数据集 876,552 行有城市- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 org_uscc、county_code、city_code、province、approve_date按城市对上本数据集 876,552 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 province、county_code、date、city_code、branch_uscc按城市对上本数据集 875,264 行（99%）
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 est_date、city_code、uscc、province、county_code按城市对上本数据集 782,965 行（89%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 disclosure_date、company_uscc、county_code、province、city_code按城市对上本数据集 678,420 行（77%）
- 银行监管处罚明细司法监管 · 5.3 万 行 · 连接字段 province、county_code、disclosure_date、city_code、party_uscc按城市对上本数据集 678,064 行（77%）
按 城市 + 区县 + 省份 + 年份 能连
37 个数据集 · 本数据集 876,552 行有城市- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province、county_code、city_code按城市对上本数据集 876,552 行（100%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、province、year、city_code按城市对上本数据集 876,552 行（100%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、county_code、city_code按城市对上本数据集 876,552 行（100%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、region_code、province、city_code按城市对上本数据集 876,552 行（100%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、county_code、province、region_code按城市对上本数据集 876,552 行（100%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 876,552 行（100%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、city_code、region_code按城市对上本数据集 876,552 行（100%）
- 全国县市区碳排放区域底数 · 5.7 万 行 · 连接字段 county_code、year、province、city_code按城市对上本数据集 875,264 行（99%）
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 province、county_code、city_code、year按城市对上本数据集 875,264 行（99%）
- 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 875,264 行（99%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、county_code_2、year、city_code_2按城市对上本数据集 875,264 行（99%）
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 year、province、county_code、city_code按城市对上本数据集 875,264 行（99%）
按 区县 + 省份 + 统一社会信用代码 + 年份 能连
4 个数据集 · 本数据集 876,552 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code、org_uscc按区县对上本数据集 876,552 行（100%）
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 province、year、company_uscc、province_city_county_code按区县对上本数据集 874,078 行（99%）
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province、year、company_uscc、province_city_county_code按区县对上本数据集 874,078 行（99%）
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 year、company_uscc、province_city_county_code、customs_province按区县对上本数据集 871,326 行（99%）
按 城市 + 省份 + 统一社会信用代码 + 年份 能连
3 个数据集 · 本数据集 876,552 行有城市按 城市 + 区县 + 统一社会信用代码 + 年份 能连
1 个数据集 · 本数据集 876,552 行有城市按 城市 + 省份 + 年份 能连
141 个数据集 · 本数据集 876,552 行有城市- 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、origin_province、month按城市对上本数据集 876,552 行（100%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 876,552 行（100%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 876,552 行（100%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code、year按城市对上本数据集 876,552 行（100%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 876,552 行（100%）
- 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 876,552 行（100%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code、year按城市对上本数据集 876,552 行（100%）
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year、city_code按城市对上本数据集 876,552 行（100%）
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 876,552 行（100%）
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 year、province_code、region_code按城市对上本数据集 876,552 行（100%）
- 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 876,552 行（100%）
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 census_year、city_code、province_code按城市对上本数据集 876,552 行（100%）
按 区县 + 省份 + 年份 能连
61 个数据集 · 本数据集 876,552 行有区县- 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 876,552 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 876,552 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 876,552 行（100%）
- 县域开通微博企业数（按成立年份）区域底数 · 4.6 万 行 · 连接字段 region_code、province、year按区县对上本数据集 876,552 行（100%）
- 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 876,552 行（100%）
- 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 876,552 行（100%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 876,552 行（100%）
- 区县人口分布（格网汇总）区域底数 · 1.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 876,552 行（100%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、first_year、region_code按区县对上本数据集 876,552 行（100%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 876,552 行（100%）
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 875,328 行（99%）
- 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 875,264 行（99%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 876,552 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、province_code、county_code按城市对上本数据集 876,552 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、city_code、region_code按城市对上本数据集 876,552 行（100%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 875,264 行（99%）
- 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 874,536 行（99%）
- 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 872,930 行（99%）
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code、province按城市对上本数据集 739,907 行（84%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code、province_code按城市对上本数据集 678,420 行（77%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code、city_code按城市对上本数据集 678,420 行（77%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 677,692 行（77%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code、city_code按城市对上本数据集 671,907 行（76%）
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 525,192 行（59%）
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、region_code、city_code按城市对上本数据集 473,105 行（53%）
按 城市 + 区县 + 年份 能连
5 个数据集 · 本数据集 876,552 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 875,264 行（99%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date、applicant_address_county_code按城市对上本数据集 874,908 行（99%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj、year按城市对上本数据集 872,064 行（99%）
- 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_city_code、address_county_code按城市对上本数据集 850,391 行（97%）
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 744,752 行（84%）
按 省份 + 统一社会信用代码 + 年份 能连
5 个数据集 · 本数据集 876,552 行有省份- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 company_uscc、identify_year、province按省份对上本数据集 876,552 行（100%）
- 新三板公司基本信息企业主体 · 1.3 万 行 · 连接字段 uscc、province、establish_date按省份对上本数据集 876,552 行（100%）
- 沪深京上市证券企业主体 · 6,057 行 · 连接字段 list_date、uscc、province按省份对上本数据集 876,552 行（100%）
- 全国银行基本概况企业主体 · 3,393 行 · 连接字段 company_uscc、province、estb_date按省份对上本数据集 876,552 行（100%）
- 绿色债券发行明细与上市公司匹配企业主体 · 2,561 行 · 连接字段 province、issuer_uscc、value_date按省份对上本数据集 876,552 行（100%）
按 城市 + 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 876,552 行有城市按 省份 + 年份 能连
318 个数据集 · 本数据集 876,552 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 876,552 行（100%）
- 小微企业调查问卷数据企业主体 · 240.8 万 行 · 连接字段 survey_year、province按省份对上本数据集 876,552 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 876,552 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 876,552 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 876,552 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 876,552 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 876,552 行（100%）
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 876,552 行（100%）
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 year、region_code按省份对上本数据集 876,552 行（100%）
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province按省份对上本数据集 876,552 行（100%）
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 876,552 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 876,552 行（100%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 876,552 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 876,552 行（100%）
- 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 876,552 行（100%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 875,769 行（99%）
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code、month按城市对上本数据集 875,264 行（99%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 875,264 行（99%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 875,264 行（99%）
- 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 875,264 行（99%）
- 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 875,264 行（99%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 875,264 行（99%）
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 873,965 行（99%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 871,708 行（99%）
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 region_code、year按城市对上本数据集 870,980 行（99%）
按 统一社会信用代码 + 年份 能连
17 个数据集 · 本数据集 1,490 行有统一社会信用代码- 上市公司纳税信用评级企业主体 · 4.5 万 行 · 连接字段 uscc、year按统一社会信用代码对上本数据集 1,447 行（不到 1%）
- 上市公司信息披露质量KV指数企业主体 · 4.8 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 1,315 行（不到 1%）
- 上市公司绿色专利申请企业主体 · 13 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 1,265 行（不到 1%）
- 专精特新企业附属公司企业主体 · 35.9 万 行 · 连接字段 end_date、company_uscc按统一社会信用代码对上本数据集 729 行（不到 1%）
- 新三板挂牌企业基本信息企业主体 · 1.3 万 行 · 连接字段 listing_date、company_uscc按统一社会信用代码对上本数据集 83 行（不到 1%）
- 京东药品月度价格医疗药械 · 8.5 万 行 · 连接字段 month_date、manufacturer_uscc按统一社会信用代码对上本数据集 64 行（不到 1%）
- 医保医用耗材代码医疗药械 · 9.8 万 行 · 连接字段 company_uscc、published_date按统一社会信用代码对上本数据集 48 行（不到 1%）
- 创新药和创新医疗器械获批医疗药械 · 662 行 · 连接字段 release_date、manufacturer_uscc按统一社会信用代码对上本数据集 12 行（不到 1%）
- 保险公司官网产品文件保险市场 · 10.3 万 行 · 连接字段 sale_date、company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 境外投资企业名录企业主体 · 9.6 万 行 · 连接字段 overseas_enterprise_uscc、year按统一社会信用代码对上本数据集 0 行（0%）
- 保险公司资产负债表和利润表保险市场 · 6.8 万 行 · 连接字段 year、company_uscc按统一社会信用代码对上本数据集 0 行（0%）
- 人身险产品目录保险市场 · 5.9 万 行 · 连接字段 company_uscc、sale_date按统一社会信用代码对上本数据集 0 行（0%）
按 城市 + 省份 能连
15 个数据集 · 本数据集 876,552 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 876,552 行（100%）
- 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 876,552 行（100%）
- 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 875,264 行（99%）
- 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 875,264 行（99%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2、province按城市对上本数据集 870,980 行（99%）
- 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 870,980 行（99%）
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 870,358 行（99%）
- 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 867,006 行（98%）
- 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 859,494 行（98%）
- 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 857,801 行（97%）
- 地级市家谱数量和人口区域底数 · 228 行 · 连接字段 city_code、province按城市对上本数据集 834,442 行（95%）
- 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 829,332 行（94%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 876,552 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 876,552 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 876,552 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 875,745 行（99%）
- 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 842,891 行（96%）
- 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 798,093 行（91%）
- 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 579,335 行（66%）
- 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 519,985 行（59%）
- 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 296,141 行（33%）
- 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 248,462 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 166,029 行（18%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 876,552 行有区县- 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 876,552 行（100%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 851,672 行（97%）
- 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 836,109 行（95%）
- 京津沪冀乡镇街道人口区域底数 · 3,467 行 · 连接字段 city_code、province按区县对上本数据集 414 行（不到 1%）
按 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 876,552 行有区县按 省份 + 统一社会信用代码 能连
2 个数据集 · 本数据集 876,552 行有省份按 城市 + 区县 能连
1 个数据集 · 本数据集 876,552 行有城市按 省份 能连
12 个数据集 · 本数据集 876,552 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 876,552 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 876,552 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 876,552 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 876,552 行（100%）
- 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 876,552 行（100%）
- 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 876,552 行（100%）
- 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 876,552 行（100%）
- 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 876,552 行（100%）
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 875,363 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 819,125 行（93%）
- 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 730,511 行（83%）
- 全国地铁线路几何交通运输 · 396 行 · 连接字段 province按省份对上本数据集 379,267 行（43%）
按 统一社会信用代码 能连
8 个数据集 · 本数据集 1,490 行有统一社会信用代码- 境外投资企业备案名录企业主体 · 5.2 万 行 · 连接字段 domestic_investor_uscc按统一社会信用代码对上本数据集 744 行（不到 1%）
- 企业荣誉资质标签企业主体 · 17.6 万 行 · 连接字段 uscc按统一社会信用代码对上本数据集 436 行（不到 1%）
- 专精特新小巨人企业名单企业主体 · 1.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 357 行（不到 1%）
- 医保西药和中成药代码医疗药械 · 28.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 135 行（不到 1%）
- 京东健康在售药品医疗药械 · 2.8 万 行 · 连接字段 manufacturer_uscc按统一社会信用代码对上本数据集 64 行（不到 1%）
- 供应链创新应用试点企业企业主体 · 266 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 58 行（不到 1%）
- 国谈药配备查询药品医疗药械 · 505 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 26 行（不到 1%）
- 人身险产品条款文件保险市场 · 11.5 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行（0%）
按 城市 能连
7 个数据集 · 本数据集 876,552 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 876,552 行（100%）
- 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 870,980 行（99%）
- 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 870,358 行（99%）
- 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 870,358 行（99%）
- 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 870,358 行（99%）
- 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 847,325 行（96%）
- 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 212,294 行（24%）
按 区县 能连
7 个数据集 · 本数据集 876,552 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 875,247 行（99%）
- 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 865,554 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 814,483 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 798,733 行（91%）
- 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 513,882 行（58%）
- 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 455,865 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 435,581 行（49%）
只按年份能连：418 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
418 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
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
company_uscc由企业名称扩增得出。
来自字段扩增工业企业距省界距离工业企业距省界距离 - 扩增得出
county_code_current由县代码扩增得出。
来自字段扩增工业企业距省界距离工业企业距省界距离
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/enterprise-distance-to-province-border/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"uscc","op":"eq","value":"60728381X"}],"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。