全国社区养老设施
一行代表一个社区养老服务驿站或设施。覆盖全国各省市，包含设施名称、地址、坐标、创建时间及服务标签等信息。
v1 生效中 · 2026/11/13 发布险种标签：责任险时间跨度：1885–2031 年数据出处 出处待核实
- 记录
- 19.7 万
- 字段
- 13
- AI 扩增字段
- 3
- 平均非空率
- 98.5%
- 字段完整度
13 个字段，7 个没有空值，3 个 AI 扩增
01字段
字段来源，逐一标明
共 13 个字段，其中 AI 扩增字段 3 个。非空率按当前版本的 196,747 行计算。
关于这个数据集
一行代表一个社区养老服务驿站或设施。覆盖全国各省市，包含设施名称、地址、坐标、创建时间及服务标签等信息。可用于分析社区居家养老服务网络密度，辅助评估社区责任险风险。
| 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含义：代码或编号键：多级区划代码。样本里格式符合 100%，99.8% 的行对上参照 admin-division | 文本 | 原生 | 100% | — | ||
| 省份province规律 2：省份的字段规律字段规律：city_code由省份、地级市扩增得出。。service_scope_code由省份、地级市、服务范围扩增得出。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% | — | ||
| 地级市city规律 2：地级市的字段规律字段规律：city_code由省份、地级市扩增得出。。service_scope_code由省份、地级市、服务范围扩增得出。含义：地区键：城市名称。样本里格式符合 92%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 机构名称facility_name含义：名称 | 文本 | 原生 | 100% | — | ||
| 详细地址address敏感含义：地址键：地址。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 97% | — | ||
| 设施标签tags含义：类别 | 文本 | 原生 | 96% | 如互助型社区养老服务机构 原表列名：标签 | ||
| 创建时间create_date规律 1：创建时间的字段规律字段规律：create_year由创建时间扩增得出。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 | 98% | — | ||
| 服务时间service_time含义：文字说明 | 文本 | 原生 | 100% | 文本描述 | ||
| 服务范围service_scope规律 1：服务范围的字段规律字段规律：service_scope_code由省份、地级市、服务范围扩增得出。含义：地区键：区县名称。样本里格式符合 98.5%，还没有参照 | 文本 | 原生 | 100% | 文本描述 | ||
| 简略地址address_simple含义：地址键：地址。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | 如北京市东城区 原表列名：地址 | ||
| 服务范围区划代码service_scope_code规律 1：服务范围区划代码的字段规律字段规律：service_scope_code由省份、地级市、服务范围扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，96.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：服务范围区划代码 | 97%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、地级市、服务范围查行政区划参照得出的现行县级区划代码。程序查表，不用模型。对不上或置信度低的为空 | ||
| 地级市区划代码city_code规律 1：地级市区划代码的字段规律字段规律：city_code由省份、地级市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，95.3% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：地级市区划代码 | 95%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、地级市查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 | ||
| 创建年份create_year规律 1：创建年份的字段规律字段规律：create_year由创建时间扩增得出。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：创建年份 | 98%平均置信度 1.00校验少：不建议单独作为决策依据 | 从创建时间算出的年份 |
02样本
先看样本，再做决定
这里显示当前版本的前 20 行。敏感字段已经打码，登录后显示。
1 个敏感字段已打码：详细地址
登录后查看完整样本| # | 行政区划代码region_code | 省份province | 地级市city | 机构名称facility_name | 详细地址address | 设施标签tags | 创建时间create_date | 服务时间service_time | 服务范围service_scope | 简略地址address_simple | 服务范围区划代码service_scope_code | 地级市区划代码city_code | 创建年份create_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101000000 | 北京市 | 东城区 | 东城分司厅社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2016-12-02 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 2 | 110101000000 | 北京市 | 东城区 | 东城金鱼池西社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2017-04-26 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
| 3 | 110101000000 | 北京市 | 东城区 | 永内东街东里社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2019-03-15 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2019 |
| 4 | 110101000000 | 北京市 | 东城区 | 东城区魏家社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2016-12-01 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 5 | 110101000000 | 北京市 | 东城区 | 东城区桃园社区养老服务驿站 | 已打码 | 全托服务社区养老服务机构和设施 | 2018-10-17 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2018 |
| 6 | 110101000000 | 北京市 | 东城区 | 东城南岗子社区养老服务驿站 | 已打码 | 全托服务社区养老服务机构和设施 | 2020-05-29 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2020 |
| 7 | 110101000000 | 北京市 | 东城区 | 东城管村社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2019-09-05 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2019 |
| 8 | 110101000000 | 北京市 | 东城区 | 和平里社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2019-08-06 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2019 |
| 9 | 110101000000 | 北京市 | 东城区 | 东城赵家楼社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2018-10-08 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2018 |
| 10 | 110101000000 | 北京市 | 东城区 | 东城新中街社区养老服务驿站 | 已打码 | 全托服务社区养老服务机构和设施 | 2018-06-15 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2018 |
| 11 | 110101000000 | 北京市 | 东城区 | 东城宝华里社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2017-07-26 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
| 12 | 110101000000 | 北京市 | 东城区 | 东城交通社区养老服务驿站 | 已打码 | 日间照料社区养老服务机构和设施 | 2017-11-29 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
| 13 | 110101000000 | 北京市 | 东城区 | 东城华城社区养老服务驿站 | 已打码 | 全托服务社区养老服务机构和设施 | 2016-09-23 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 14 | 110101000000 | 北京市 | 东城区 | 北京美嘉康泰健康管理有限公司 | 已打码 | 互助型社区养老服务机构和设施 | 2020-10-01 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2020 |
| 15 | 110101000000 | 北京市 | 东城区 | 东城清水苑社区养老服务驿站 | 已打码 | 日间照料社区养老服务机构和设施 | 2016-08-07 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 16 | 110101000000 | 北京市 | 东城区 | 北京诚和敬驿站养老服务有限公司 | 已打码 | 互助型社区养老服务机构和设施 | 2016-09-23 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 17 | 110101000000 | 北京市 | 东城区 | 东城定安里社区养老服务驿站 | 已打码 | 日间照料社区养老服务机构和设施 | 2016-07-01 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2016 |
| 18 | 110101000000 | 北京市 | 东城区 | 东城黄化门社区养老服务驿站 | 已打码 | 互助型社区养老服务机构和设施 | 2017-07-25 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
| 19 | 110101000000 | 北京市 | 东城区 | 东城东四七条社区养老服务驿站 | 已打码 | 日间照料社区养老服务机构和设施 | 2017-12-28 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
| 20 | 110101000000 | 北京市 | 东城区 | 东城鼓楼苑社区养老服务驿站 | 已打码 | 全托服务社区养老服务机构和设施 | 2017-10-12 | 24小时照护服务入住及合同签定时间：9:00am-6:00pm | 东城区 | 北京市东城区 | 110101 | — | 2017 |
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196,747 行 · 13 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 171 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 + 地区 + 省份 + 年份 能连
1 个数据集 · 本数据集 187,454 行有城市按 城市 + 区县 + 省份 + 年份 能连
41 个数据集 · 本数据集 187,454 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、year、province、city_code按城市对上本数据集 187,454 行（95%）
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 est_date、county_code、province、city_code按城市对上本数据集 187,454 行（95%）
- 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、province、county_code、date按城市对上本数据集 187,454 行（95%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、county_code、year按城市对上本数据集 187,454 行（95%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province、county_code、approve_date按城市对上本数据集 187,454 行（95%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、region_code、year、province按城市对上本数据集 187,454 行（95%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、region_code、year、province按城市对上本数据集 187,454 行（95%）
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 province、year、county_code、region_code按城市对上本数据集 187,454 行（95%）
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 founded_year、city_code、province、county_code按城市对上本数据集 187,454 行（95%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、province_name、year、county_code_2按城市对上本数据集 187,454 行（95%）
- 省市县党政主官任职区域底数 · 2.2 万 行 · 连接字段 county_code、start_year、province、city_code按城市对上本数据集 187,454 行（95%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、city_code、province按城市对上本数据集 187,454 行（95%）
按 城市 + 地区 + 省份 + 年份 能连
10 个数据集 · 本数据集 187,454 行有城市- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 province、city_code、create_date、region_code按城市对上本数据集 187,454 行（95%）
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、region_code、city_code、year按城市对上本数据集 185,500 行（94%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、region_code、city_code、province按城市对上本数据集 185,500 行（94%）
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 city_code、province、city_code_2、year按城市对上本数据集 172,096 行（87%）
- 上市公司数字化转型与企业创新面板企业主体 · 4.7 万 行 · 连接字段 city_code、province、year、city_code_2按城市对上本数据集 172,096 行（87%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code、year、province、city_code_2按城市对上本数据集 172,096 行（87%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 province、city_code_2、year、city_code按城市对上本数据集 172,092 行（87%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、province、city_code、city_code_2按城市对上本数据集 172,092 行（87%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 city_code_2、province、year、city_code按城市对上本数据集 171,196 行（87%）
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 year、city_code、province、region_code按城市对上本数据集 163,308 行（83%）
按 区县 + 地区 + 省份 + 年份 能连
8 个数据集 · 本数据集 190,467 行有区县- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、city_code、province、county_code按区县对上本数据集 87,762 行（44%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、city_code、year、county_code按区县对上本数据集 84,485 行（42%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 province、county_code、year、city_code按区县对上本数据集 84,176 行（42%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 county_code、year、province、city_code按区县对上本数据集 84,176 行（42%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、county_code、province、city_code按区县对上本数据集 82,830 行（42%）
- 上市公司商道融绿ESG评级面板企业主体 · 4.6 万 行 · 连接字段 city_code、year、province、county_code按区县对上本数据集 82,504 行（41%）
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 cutoff_date、province、region_code、city_code按区县对上本数据集 81,637 行（41%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、city_code、province、county_code按区县对上本数据集 74,754 行（37%）
按 城市 + 区县 + 地区 + 年份 能连
1 个数据集 · 本数据集 187,454 行有城市按 城市 + 省份 + 年份 能连
134 个数据集 · 本数据集 187,454 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、month、origin_province按城市对上本数据集 187,454 行（95%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、city_code、reg_date按城市对上本数据集 187,454 行（95%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province、region_code按城市对上本数据集 187,454 行（95%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 187,454 行（95%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 187,454 行（95%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code、year按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 187,454 行（95%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 187,454 行（95%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 地级市月度夜间灯光区域底数 · 3.2 万 行 · 连接字段 city_code、year、province按城市对上本数据集 187,454 行（95%）
按 区县 + 省份 + 年份 能连
57 个数据集 · 本数据集 190,467 行有区县- 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、county_code、province_code按区县对上本数据集 190,465 行（96%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、province、region_code按区县对上本数据集 190,465 行（96%）
- 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 190,427 行（96%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 190,427 行（96%）
- 区县人口分布（格网汇总）区域底数 · 1.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 190,427 行（96%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code、issue_date按区县对上本数据集 190,411 行（96%）
- 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 190,315 行（96%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、province、region_code按区县对上本数据集 190,302 行（96%）
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 year、region_code、province按区县对上本数据集 190,097 行（96%）
- 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 189,950 行（96%）
- 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 year、province、region_code按区县对上本数据集 189,688 行（96%）
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 188,324 行（95%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 187,454 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、county_code、city_code按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、county_code、province按城市对上本数据集 186,297 行（94%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code、city_code按城市对上本数据集 186,257 行（94%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、county_code、province按城市对上本数据集 186,017 行（94%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 185,873 行（94%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、province、county_code按城市对上本数据集 185,653 行（94%）
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、city_code、county_code按城市对上本数据集 183,384 行（93%）
- 区县代码匹配表区域底数 · 162 行 · 连接字段 province_name、region_code、city_code按城市对上本数据集 88,166 行（44%）
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 city_code、province、region_code按城市对上本数据集 44,783 行（22%）
按 地区 + 省份 + 年份 能连
14 个数据集 · 本数据集 196,747 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year、region_code按地区对上本数据集 173,949 行（88%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year、city_code按地区对上本数据集 170,031 行（86%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、province、region_code按地区对上本数据集 170,031 行（86%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 city_code、year、province按地区对上本数据集 170,031 行（86%）
- 上市公司档案企业主体 · 5,704 行 · 连接字段 city_code、province、establish_date按地区对上本数据集 169,651 行（86%）
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 province_code、city_code、year按地区对上本数据集 167,707 行（85%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 city_code、year、province按地区对上本数据集 167,707 行（85%）
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 province、year、city_code按地区对上本数据集 167,514 行（85%）
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 province、region_code、year按地区对上本数据集 163,885 行（83%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 province、city_code、year按地区对上本数据集 163,143 行（82%）
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 year、province、region_code按地区对上本数据集 158,394 行（80%）
- 上市公司数字金融与生产率企业主体 · 3.1 万 行 · 连接字段 year、province、region_code按地区对上本数据集 158,394 行（80%）
按 城市 + 区县 + 年份 能连
5 个数据集 · 本数据集 187,454 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 186,505 行（94%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、applicant_address_county_code、pub_date按城市对上本数据集 184,983 行（94%）
- 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 153,270 行（77%）
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、year、city_code按城市对上本数据集 121,045 行（61%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code、established_date按城市对上本数据集 63 行（不到 1%）
按 省份 + 年份 能连
309 个数据集 · 本数据集 196,709 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 196,709 行（99%）
- 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 196,709 行（99%）
- 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 196,709 行（99%）
- 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 196,709 行（99%）
- 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 196,709 行（99%）
- 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 196,709 行（99%）
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 region_code、year按省份对上本数据集 196,709 行（99%）
- 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 196,709 行（99%）
- 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 196,709 行（99%）
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 196,709 行（99%）
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 196,709 行（99%）
- 省级三农统计指标区域底数 · 26.8 万 行 · 连接字段 year、province按省份对上本数据集 196,709 行（99%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 187,454 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 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 187,454 行（95%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 187,454 行（95%）
- 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 187,454 行（95%）
- 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 187,454 行（95%）
- 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 187,454 行（95%）
- 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 187,358 行（95%）
- 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 187,286 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 187,089 行（95%）
- 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 184,960 行（94%）
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 year、city_code按城市对上本数据集 178,796 行（90%）
按 城市 + 省份 能连
15 个数据集 · 本数据集 187,454 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 187,454 行（95%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 187,448 行（95%）
- 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 187,446 行（95%）
- 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 187,416 行（95%）
- 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 186,733 行（94%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 181,453 行（92%）
- 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 181,112 行（92%）
- 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 178,877 行（90%）
- 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 178,761 行（90%）
- 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 178,468 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 176,613 行（89%）
- 高铁动车列车运行时刻交通运输 · 5.2 万 行 · 连接字段 arr_city_code、dep_province按城市对上本数据集 169,189 行（85%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 190,467 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 190,467 行（96%）
- 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 189,950 行（96%）
- 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 187,769 行（95%）
- 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 173,717 行（88%）
- 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 168,147 行（85%）
- 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 95,923 行（48%）
- 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 56,151 行（28%）
- 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 50,872 行（25%）
- 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 44,790 行（22%）
- 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 30,386 行（15%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 190,467 行有区县按 地区 + 年份 能连
4 个数据集 · 本数据集 196,747 行有地区按 城市 + 区县 能连
3 个数据集 · 本数据集 187,454 行有城市按 地区 + 省份 能连
1 个数据集 · 本数据集 196,747 行有地区按 省份 能连
13 个数据集 · 本数据集 196,709 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 196,709 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 196,709 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 196,709 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 196,709 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 196,709 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 196,709 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 196,709 行（99%）
- 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 196,684 行（99%）
- 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 196,684 行（99%）
- 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 195,733 行（99%）
- 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 195,418 行（99%）
- 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 194,212 行（98%）
按 区县 能连
9 个数据集 · 本数据集 190,467 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 189,481 行（96%）
- 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 187,897 行（95%）
- 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 187,886 行（95%）
- 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 184,257 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 176,621 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 163,434 行（83%）
- 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 95,790 行（48%）
- 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 95,107 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 87,399 行（44%）
按 城市 能连
7 个数据集 · 本数据集 187,454 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 187,425 行（95%）
- 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 178,757 行（90%）
- 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 178,489 行（90%）
- 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 178,489 行（90%）
- 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 174,514 行（88%）
- 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 167,965 行（85%）
- 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 40,360 行（20%）
只按年份能连：431 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
431 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3
- 扩增得出
city_code由省份、地级市扩增得出。
来自字段扩增全国社区养老设施全国社区养老设施 - 扩增得出
create_year由创建时间扩增得出。
来自字段扩增全国社区养老设施全国社区养老设施 - 扩增得出
service_scope_code由省份、地级市、服务范围扩增得出。
来自字段扩增
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/facility-community-elderly-service/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101000000"}],"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。