上市公司年报AI词频
一行代表一家上市公司在某一年的年报中人工智能相关关键词的出现频次及汇总指标。
v3 生效中 · 2026/11/14 发布险种标签：企业财产险责任险时间跨度：2000–2023 年数据出处 上市公司年报
- 记录
- 6.2 万
- 字段
- 13
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
13 个字段，11 个没有空值
01字段
字段来源，逐一标明
共 13 个字段，其中 AI 扩增字段 0 个。非空率按当前版本的 61,786 行计算。
关于这个数据集
一行代表一家上市公司在某一年的年报中人工智能相关关键词的出现频次及汇总指标。覆盖中国A股上市公司，包含全文和MDA两个维度的词频统计。可用于评估企业数字化转型程度、科技投入强度，辅助企业财产险或责任险的风险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 证券代码stock_code含义：代码或编号键：股票代码。样本里格式符合 100%，100% 的行对上参照 listed-security-master、hk-security-master、stock-company-profile、neeq-company-info | 文本 | 原生 | 100% | — | ||
| 证券简称company_name含义：名称 | 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% | — | ||
| 全文AI词频ai_freq_full_text含义：个数（次） | 整数 | 原生 | 100% | 次 | ||
| MDA AI词频ai_freq_mda含义：个数（次） | 整数 | 原生 | 97% | 次 | ||
| 行业代码industry_code含义：代码或编号键：大类证监会行业代码。样本里格式符合 100%，100% 的行对上参照 industry-classification | 文本 | 原生 | 100% | — | ||
| 行业名称industry_name含义：类别键：行业名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 所属省份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% | — | ||
| 所属城市city含义：地区 | 文本 | 原生 | 100% | — | ||
| 全文AI词频对数ai_freq_full_report_ln | 小数 | 原生 | 100% | 原表列名：年报全文人工智能关键词词频加1取自然对数 | ||
| MDA AI词频对数ai_freq_mda_ln | 小数 | 原生 | 97% | 原表列名：年报MDA人工智能关键词词频加1取自然对数 | ||
| 省份代码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% | 原表列名：所属省份代码 | ||
| 城市代码city_code键：多级区划代码（2015 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% | 原表列名：所属城市代码 |
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。
| # | 证券代码stock_code | 证券简称company_name | 年份year | 全文AI词频ai_freq_full_text | MDA AI词频ai_freq_mda | 行业代码industry_code | 行业名称industry_name | 所属省份province | 所属城市city | 全文AI词频对数ai_freq_full_report_ln | MDA AI词频对数ai_freq_mda_ln | 省份代码province_code | 城市代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 深发展A | 2001 | 0 | — | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | — | 440000 | 440300 |
| 2 | 000001 | 深发展A | 2002 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 3 | 000001 | 深发展A | 2003 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 4 | 000001 | 深发展A | 2004 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 5 | 000001 | 深发展A | 2005 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 6 | 000001 | 深发展A | 2006 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 7 | 000001 | 深发展A | 2007 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 8 | 000001 | 深发展A | 2008 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 9 | 000001 | 深发展A | 2009 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 10 | 000001 | 深发展A | 2010 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 11 | 000001 | 深发展A | 2011 | 0 | 0 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0 | 0 | 440000 | 440300 |
| 12 | 000001 | 平安银行 | 2012 | 1 | 1 | J66 | 货币金融服务 | 广东省 | 深圳市 | 0.6931471805599453 | 0.6931471805599453 | 440000 | 440300 |
| 13 | 000001 | 平安银行 | 2013 | 2 | 2 | J66 | 货币金融服务 | 广东省 | 深圳市 | 1.0986122886681098 | 1.0986122886681098 | 440000 | 440300 |
| 14 | 000001 | 平安银行 | 2014 | 2 | 2 | J66 | 货币金融服务 | 广东省 | 深圳市 | 1.0986122886681098 | 1.0986122886681098 | 440000 | 440300 |
| 15 | 000001 | 平安银行 | 2015 | 13 | 12 | J66 | 货币金融服务 | 广东省 | 深圳市 | 2.6390573296152584 | 2.5649493574615367 | 440000 | 440300 |
| 16 | 000001 | 平安银行 | 2016 | 4 | 4 | J66 | 货币金融服务 | 广东省 | 深圳市 | 1.6094379124341005 | 1.6094379124341005 | 440000 | 440300 |
| 17 | 000001 | 平安银行 | 2017 | 17 | 15 | J66 | 货币金融服务 | 广东省 | 深圳市 | 2.8903717578961645 | 2.772588722239781 | 440000 | 440300 |
| 18 | 000001 | 平安银行 | 2018 | 55 | 44 | J66 | 货币金融服务 | 广东省 | 深圳市 | 4.02535169073515 | 3.80666248977032 | 440000 | 440300 |
| 19 | 000001 | 平安银行 | 2019 | 49 | 42 | J66 | 货币金融服务 | 广东省 | 深圳市 | 3.912023005428146 | 3.7612001156935624 | 440000 | 440300 |
| 20 | 000001 | 平安银行 | 2020 | 46 | 30 | J66 | 货币金融服务 | 广东省 | 深圳市 | 3.8501476017100584 | 3.4339872044851463 | 440000 | 440300 |
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 v32026/11/14 发布
生效中61,786 行 · 13 个字段 · 初始导入（比 v2 字段增加 4 个）
版本 v22026/11/13 发布
历史版本61,786 行 · 9 个字段 · 初始导入（比 v1 行数减少 692）
版本 v12026/11/12 发布
历史版本62,478 行 · 9 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、行业，能和不少于 115 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 证监会行业大类 + 地区 + 省份 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 61,786 行有证监会行业大类- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 industry_code、province、city_code、year、stock_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 industry_code、stock_code、city_code、province、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 industry_code、province、year、region_code、stock_code按证监会行业大类对上本数据集 61,786 行（100%）
- 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 city_code、industry_code、year、stock_code、province_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 city_code、stock_code、year、province、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 industry_code、province、year、region_code、stock_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 stock_code、year、city_code、province、industry_code按证监会行业大类对上本数据集 61,782 行（99%）
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 province、region_code、industry_code、year、stock_code按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 year、stock_code、industry_code、province、city_code按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、city_code、industry_code、province、stock_code按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 industry_code_c、establish_date、province、stkcd、city_code按证监会行业大类对上本数据集 61,704 行（99%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 stock_code、city_code、province、year、industry_code按证监会行业大类对上本数据集 61,325 行（99%）
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 61,786 行有证监会行业大类- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 stock_code、industry_code、year、province按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 province、year、stock_code、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、industry_code_c、province、year按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司社会责任报告信息企业主体 · 4 万 行 · 连接字段 province、date、industry_code、stock_code按证监会行业大类对上本数据集 61,782 行（99%）
- A股ESG与财务企业主体 · 3.8 万 行 · 连接字段 stock_code、province、industry_code、year按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司人工智能采纳程度企业主体 · 3.7 万 行 · 连接字段 province、year、industry_code、stock_code按证监会行业大类对上本数据集 61,782 行（99%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 province、industry_code、stock_code、year按证监会行业大类对上本数据集 61,770 行（99%）
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 industry_code、province、year、stock_code按证监会行业大类对上本数据集 61,704 行（99%）
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 province、stock_code、year、industry_code按证监会行业大类对上本数据集 61,704 行（99%）
- 上市公司创新与地区数字金融企业主体 · 2.1 万 行 · 连接字段 accounting_period、industry_code、province、stock_code按证监会行业大类对上本数据集 61,704 行（99%）
- 上市公司富时罗素ESG评分企业主体 · 2 万 行 · 连接字段 industry_code、year、province、stock_code按证监会行业大类对上本数据集 61,704 行（99%）
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 stock_code、listing_date、industry_code_c、province按证监会行业大类对上本数据集 61,704 行（99%）
按 地区 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 61,686 行有地区- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 stock_code、province、city_code、cutoff_date按地区对上本数据集 61,586 行（99%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 city_code、year、province、stock_code按地区对上本数据集 61,206 行（99%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 61,206 行（99%）
- 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、year、stock_code、province按地区对上本数据集 61,198 行（99%）
- 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、stock_code、year、province按地区对上本数据集 61,198 行（99%）
- 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 year、city_code、province、stock_code按地区对上本数据集 61,196 行（99%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 61,193 行（99%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 stock_code、year、city_code、province按地区对上本数据集 61,189 行（99%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、province、city_code、stock_code按地区对上本数据集 61,117 行（98%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 61,108 行（98%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、company_city_code、buyer_province、stock_code按地区对上本数据集 58,181 行（94%）
按 证监会行业大类 + 股票代码 + 年份 能连
44 个数据集 · 本数据集 61,786 行有证监会行业大类- 上市公司基础财务企业主体 · 7.7 万 行 · 连接字段 year、stock_code、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司盈利能力企业主体 · 7.4 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司发展能力企业主体 · 7.4 万 行 · 连接字段 stock_code、year、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司财务基础企业主体 · 6.7 万 行 · 连接字段 stock_code、industry_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司资产专用性指标企业主体 · 5.8 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 industry_code、listed_date、stock_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司WW融资约束指数企业主体 · 5.7 万 行 · 连接字段 report_date、stock_code、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 year、industry_code_2、stock_code按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 industry_code_1、stock_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司党组织设立企业主体 · 5.7 万 行 · 连接字段 stock_code、industry_code、year按证监会行业大类对上本数据集 61,786 行（100%）
- 上市公司成本粘性指标企业主体 · 5.4 万 行 · 连接字段 year、stock_code、industry_code按证监会行业大类对上本数据集 61,786 行（100%）
按 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 61,765 行有省份- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、province、ts_code按省份对上本数据集 61,765 行（99%）
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 61,765 行（99%）
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 61,765 行（99%）
- 上市公司供应链城市试点匹配企业主体 · 5.8 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 61,765 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 61,765 行（99%）
- 上市公司ESG得分和同群均值企业主体 · 4.4 万 行 · 连接字段 year、region_code、stock_code按省份对上本数据集 61,765 行（99%）
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 61,765 行（99%）
- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 province、establish_date、stock_code按省份对上本数据集 61,759 行（99%）
- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 61,759 行（99%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 province、listing_date、stock_code按省份对上本数据集 61,759 行（99%）
- 上市公司供应链地理距离企业主体 · 4.2 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 61,759 行（99%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 61,759 行（99%）
按 地区 + 省份 + 年份 能连
7 个数据集 · 本数据集 61,686 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province、region_code按地区对上本数据集 61,258 行（99%）
- 地区高新技术企业认定统计区域底数 · 4,737 行 · 连接字段 province、city_code、year按地区对上本数据集 59,444 行（96%）
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 region_code、province、year按地区对上本数据集 58,296 行（94%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 region_code、year、province按地区对上本数据集 58,296 行（94%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 create_date、region_code、province按地区对上本数据集 43,870 行（71%）
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 region_code、province、create_date按地区对上本数据集 27,006 行（43%）
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 province_code、landfall_date、region_code按地区对上本数据集 16,944 行（27%）
按 省份 + 年份 能连
503 个数据集 · 本数据集 61,765 行有省份- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 61,765 行（99%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 61,765 行（99%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 61,765 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year按省份对上本数据集 61,765 行（99%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 61,765 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 customs_province、year按省份对上本数据集 61,765 行（99%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date按省份对上本数据集 61,765 行（99%）
- 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 61,765 行（99%）
- 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 61,765 行（99%）
- 县级逐月闪电自然灾害 · 34.2 万 行 · 连接字段 year、province按省份对上本数据集 61,765 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 61,765 行（99%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province按省份对上本数据集 61,765 行（99%）
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 61,786 行有股票代码- 上市证券历史简称企业主体 · 1.5 万 行 · 连接字段 start_date、ts_code按股票代码对上本数据集 61,786 行（100%）
- 上市公司月个股回报率企业主体 · 73.7 万 行 · 连接字段 stock_code、trade_month按股票代码对上本数据集 61,760 行（99%）
- A股独立联合绿色专利企业主体 · 15.3 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,760 行（99%）
- 上市公司绿色专利获得（CNRDS）企业主体 · 15.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 61,760 行（99%）
- 上市公司年个股回报率企业主体 · 6.5 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,760 行（99%）
- 上市公司分析师跟踪和研报数企业主体 · 6.1 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 61,760 行（99%）
- 上市公司数字技术应用广度企业主体 · 6.1 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,758 行（99%）
- 上市公司数字技术应用深度企业主体 · 6.1 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 61,758 行（99%）
- 上市公司偿债能力企业主体 · 7.4 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,583 行（99%）
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,578 行（99%）
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 61,578 行（99%）
- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 month、stock_code按股票代码对上本数据集 61,571 行（99%）
按 地区 + 年份 能连
5 个数据集 · 本数据集 61,686 行有地区- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code、year按地区对上本数据集 61,540 行（99%）
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 region_code、year按地区对上本数据集 61,175 行（99%）
- 各省专利受理授权统计区域底数 · 1.7 万 行 · 连接字段 year、region_code按地区对上本数据集 29,741 行（48%）
- 各地区新能源汽车产量区域底数 · 240 行 · 连接字段 year、region_code按地区对上本数据集 29,399 行（47%）
- 各省医疗服务项目代码医疗药械 · 32.5 万 行 · 连接字段 begin_date、regn按地区对上本数据集 22,654 行（36%）
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 61,786 行有证监会行业大类按 证监会行业大类 + 省份 能连
1 个数据集 · 本数据集 61,786 行有证监会行业大类按 地区 + 省份 能连
1 个数据集 · 本数据集 61,686 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 61,765 行有省份按 省份 能连
44 个数据集 · 本数据集 61,765 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 61,765 行（99%）
- 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 61,765 行（99%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 61,765 行（99%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 61,765 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按省份对上本数据集 61,765 行（99%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 61,765 行（99%）
- 省会城市间距离区域底数 · 1,089 行 · 连接字段 origin_province按省份对上本数据集 61,765 行（99%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 61,759 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 61,759 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 61,759 行（99%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 61,759 行（99%）
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 61,759 行（99%）
按 股票代码 能连
2 个数据集 · 本数据集 61,786 行有股票代码只按年份能连：271 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
271 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 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
- 上市公司数字词频企业主体 · 191.6 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。
还没有发现这个数据集的字段规律。
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/listed-company-ai-word-frequency/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000001"}],"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。