上市公司百度指数
一行代表一家上市公司在某一年的投资者关注度数据。覆盖全国A股上市公司，包含百度指数的年中位数和年总和。
v2 生效中 · 2026/11/13 发布险种标签：企业财产险责任险时间跨度：2011–2022 年数据出处 百度指数
- 记录
- 3.5 万
- 字段
- 15
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
15 个字段，14 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 15 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 34,624 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投资者关注度数据。覆盖全国A股上市公司，包含百度指数的年中位数和年总和。可用于评估企业市场声誉、舆情风险及投资者情绪，辅助责任险或企业财产险的风险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 股票代码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% | — | ||
| 股票简称company_name含义：名称 | 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 城市city含义：地区键：城市名称。样本里格式符合 82%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县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 | 99% | — | ||
| 省份代码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% | — | ||
| 城市代码city_code含义：代码或编号键：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% | — | ||
| 区县代码county_code规律 1：区县代码的字段规律字段规律：county_code_current由区县代码扩增得出。含义：代码或编号键：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% | — | ||
| 上市状态listing_status含义：类别 | 文本 | 原生 | 100% | — | ||
| 百度指数中位数baidu_index_median | 小数 | 原生 | 100% | 无单位 原表列名：百度指数-年中位数 | ||
| 百度指数总和baidu_index_sum | 整数 | 原生 | 100% | 无单位 原表列名：百度指数-年总和 | ||
| 区县代码（现行）county_code_current规律 1：区县代码（现行）的字段规律字段规律：county_code_current由区县代码扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，99.8% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：区县代码（现行） | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 区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 |
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。
| # | 年份year | 股票代码stock_code | 股票简称company_name | 行业名称industry_name | 行业代码industry_code | 省份province | 城市city | 区县county | 省份代码province_code | 城市代码city_code | 区县代码county_code | 上市状态listing_status | 百度指数中位数baidu_index_median | 百度指数总和baidu_index_sum | 区县代码（现行）county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2022 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 14932 | 4581884 | 440303 |
| 2 | 2021 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 12790 | 4012596 | 440303 |
| 3 | 2020 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 20337 | 7483212 | 440303 |
| 4 | 2019 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 22327 | 7843993 | 440303 |
| 5 | 2018 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 25744 | 8029588 | 440303 |
| 6 | 2017 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 29832 | 9609922 | 440303 |
| 7 | 2016 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 43739.5 | 15144998 | 440303 |
| 8 | 2015 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 61937 | 23038894 | 440303 |
| 9 | 2014 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 34812 | 12157831 | 440303 |
| 10 | 2013 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 33653 | 11097100 | 440303 |
| 11 | 2012 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 21658.5 | 7142442 | 440303 |
| 12 | 2011 | 000001 | 深发展A | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 正常上市 | 16879 | 5460907 | 440303 |
| 13 | 2021 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 5395 | 1880826 | 440308 |
| 14 | 2020 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 4994.5 | 1738861 | 440308 |
| 15 | 2019 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 4834 | 1753583 | 440308 |
| 16 | 2018 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 6465 | 2314271 | 440308 |
| 17 | 2017 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 6954 | 2747900 | 440308 |
| 18 | 2016 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 9813.5 | 6515364 | 440308 |
| 19 | 2015 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 9561 | 4475786 | 440308 |
| 20 | 2014 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 正常上市 | 7103 | 2513370 | 440308 |
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 v22026/11/13 发布
生效中34,624 行 · 15 个字段 · 初始导入（比 v1 字段增加 1 个）
版本 v12026/11/13 发布
历史版本34,624 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、行业，能和不少于 175 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 + 区县 + 地区 + 省份 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 34,624 行有证监会行业大类按 证监会行业大类 + 地区 + 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 34,624 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 city_code、industry_code、stock_code、province、year按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 stock_code、year、province、region_code、industry_code按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 province、city_code、stock_code、year、industry_code按证监会行业大类对上本数据集 34,624 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 stock_code、year、industry_code、city_code、province_code按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、industry_code、province、year、city_code按证监会行业大类对上本数据集 34,624 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 region_code、industry_code、province、stock_code、year按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、industry_code、stock_code、year、city_code按证监会行业大类对上本数据集 34,624 行（100%）
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 region_code、stock_code、province、industry_code、year按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 industry_code、stock_code、province、year、city_code按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、establish_date、industry_code_c、province、city_code按证监会行业大类对上本数据集 34,611 行（99%）
- 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、industry_code、stock_code按证监会行业大类对上本数据集 33,823 行（97%）
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 year、industry_code、stock_code、city_code、province按证监会行业大类对上本数据集 33,823 行（97%）
按 区县 + 地区 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 34,617 行有区县- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、year、province、city_code、county_code按区县对上本数据集 34,606 行（99%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 city_code、year、stock_code、county_code、province按区县对上本数据集 34,606 行（99%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、province、year、county_code、city_code按区县对上本数据集 34,606 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 county_code、city_code、stock_code、province、year按区县对上本数据集 34,606 行（99%）
- 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、region_code、province、cutoff_date、city_code按区县对上本数据集 34,091 行（98%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 stock_code、company_city_code、region_code、buyer_province、contract_date按区县对上本数据集 31,667 行（91%）
按 证监会行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 34,624 行有证监会行业大类按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
17 个数据集 · 本数据集 34,624 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、province、year、industry_code按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司融资约束企业主体 · 5.2 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 34,624 行（100%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 year、industry_code_c、stock_code、province按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司社会责任报告信息企业主体 · 4 万 行 · 连接字段 industry_code、date、province、stock_code按证监会行业大类对上本数据集 34,624 行（100%）
- A股ESG与财务企业主体 · 3.8 万 行 · 连接字段 year、province、stock_code、industry_code按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司人工智能采纳程度企业主体 · 3.7 万 行 · 连接字段 industry_code、province、stock_code、year按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司Wind ESG评级企业主体 · 14 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 34,611 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 industry_code、province、stock_code、year按证监会行业大类对上本数据集 34,611 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 industry_code、accounting_period、province、stock_code按证监会行业大类对上本数据集 34,611 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、stock_code、year、province按证监会行业大类对上本数据集 34,611 行（99%）
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 listing_date、stock_code、province、industry_code_c按证监会行业大类对上本数据集 34,611 行（99%）
- 上市公司数字技术与所在省份数字基础设施企业主体 · 1.5 万 行 · 连接字段 province_code、industry_code、year、stock_code按证监会行业大类对上本数据集 34,605 行（99%）
按 区县 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 34,617 行有区县- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 province、year、stock_code、county_code按区县对上本数据集 34,212 行（98%）
- 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、county_code、province、year按区县对上本数据集 34,197 行（98%）
- 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 province、county_code、stock_code、year按区县对上本数据集 34,197 行（98%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 year、stock_code、province、county_code按区县对上本数据集 34,197 行（98%）
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 year、stock_code、county_code、province按区县对上本数据集 33,012 行（95%）
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 region_code、province、stock_code、year按区县对上本数据集 32,133 行（92%）
按 地区 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 34,601 行有地区- 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 34,601 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 city_code、year、province、stock_code按地区对上本数据集 34,601 行（99%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 province、city_code、year、stock_code按地区对上本数据集 34,601 行（99%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、province、year、city_code按地区对上本数据集 34,569 行（99%）
- 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 34,569 行（99%）
按 区县 + 地区 + 省份 + 年份 能连
1 个数据集 · 本数据集 34,617 行有区县按 区县 + 省份 + 年份 能连
90 个数据集 · 本数据集 34,617 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 province_code、year、region_code按区县对上本数据集 34,617 行（99%）
- 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 34,617 行（99%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、region_code、valid_from按区县对上本数据集 34,617 行（99%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、region_code、division_year按区县对上本数据集 34,584 行（99%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 34,584 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 county_code、taobao_village_year、province_code按区县对上本数据集 34,573 行（99%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、province_name、county_code_2按区县对上本数据集 34,573 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year按区县对上本数据集 34,569 行（99%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、county_code、year按区县对上本数据集 34,569 行（99%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 34,569 行（99%）
- 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 34,569 行（99%）
- 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 34,569 行（99%）
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 34,624 行有证监会行业大类- 上市公司年报数字化词频企业主体 · 969 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 34,624 行（100%）
- 上市公司基础财务企业主体 · 7.7 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 34,624 行（100%）
- 上市公司盈利能力企业主体 · 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 34,624 行（100%）
- 上市公司发展能力企业主体 · 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 34,624 行（100%）
- 上市公司财务基础企业主体 · 6.7 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 34,624 行（100%）
- 上市公司勒纳指数企业主体 · 6.6 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 34,624 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 year、stock_code、industry_code按证监会行业大类对上本数据集 34,624 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 34,624 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、industry_code、stock_code按证监会行业大类对上本数据集 34,624 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 34,624 行（100%）
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 stock_code、industry_code_1、year按证监会行业大类对上本数据集 34,624 行（100%）
- 上市公司党组织设立企业主体 · 5.7 万 行 · 连接字段 industry_code、year、stock_code按证监会行业大类对上本数据集 34,624 行（100%）
按 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 34,617 行有省份- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 establish_date、stock_code、province按省份对上本数据集 34,617 行（99%）
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、ts_code、province按省份对上本数据集 34,617 行（99%）
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 34,617 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 34,617 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 stock_code、year、region_code按省份对上本数据集 34,617 行（99%）
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 34,617 行（99%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 stock_code、listing_date、province按省份对上本数据集 34,617 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 34,617 行（99%）
- 制造业上市公司财务指标企业主体 · 3.7 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 34,617 行（99%）
- 制造业上市公司全要素生产率企业主体 · 1.6 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 34,617 行（99%）
- 上市公司所在地企业主体 · 4,447 行 · 连接字段 stock_code、province、list_date按省份对上本数据集 34,617 行（99%）
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 province、stock_code、setup_date按省份对上本数据集 34,617 行（99%）
按 地区 + 省份 + 年份 能连
6 个数据集 · 本数据集 34,601 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 region_code、year、province按地区对上本数据集 34,401 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 city_code、year、province按地区对上本数据集 33,709 行（97%）
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、year、region_code按地区对上本数据集 33,066 行（95%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 province、year、region_code按地区对上本数据集 33,066 行（95%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 province、region_code、create_date按地区对上本数据集 25,731 行（74%）
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 landfall_date、province_code、region_code按地区对上本数据集 9,511 行（27%）
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 34,617 行有区县按 区县 + 地区 + 年份 能连
1 个数据集 · 本数据集 34,617 行有区县按 省份 + 年份 能连
413 个数据集 · 本数据集 34,617 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 34,617 行（99%）
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 34,617 行（99%）
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 34,617 行（99%）
- 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 34,617 行（99%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 34,617 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 34,617 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 34,617 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 34,617 行（99%）
- 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 34,617 行（99%）
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、province按省份对上本数据集 34,617 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 year、province按省份对上本数据集 34,617 行（99%）
- 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按省份对上本数据集 34,617 行（99%）
按 股票代码 + 年份 能连
186 个数据集 · 本数据集 34,624 行有股票代码- 上市公司短视关键词明细企业主体 · 143.3 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 34,624 行（100%）
- 上市公司月个股回报率企业主体 · 73.7 万 行 · 连接字段 trade_month、stock_code按股票代码对上本数据集 34,624 行（100%）
- 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 34,624 行（100%）
- 上市公司资产负债表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 34,624 行（100%）
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 34,624 行（100%）
- 上市公司税费统计企业主体 · 51 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 34,624 行（100%）
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 34,624 行（100%）
- 上市公司董事网络指标企业主体 · 46 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 34,624 行（100%）
- 上市公司固定资产明细企业主体 · 24.7 万 行 · 连接字段 stock_code、report_date按股票代码对上本数据集 34,624 行（100%）
- A股独立联合绿色专利企业主体 · 15.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 34,624 行（100%）
- 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 34,624 行（100%）
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 34,624 行（100%）
按 区县 + 省份 能连
18 个数据集 · 本数据集 34,617 行有区县- 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 34,573 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 34,569 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 region_code、province_code按区县对上本数据集 34,473 行（99%）
- 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 34,440 行（99%）
- 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 34,248 行（98%）
- 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 34,197 行（98%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 33,517 行（96%）
- 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 32,778 行（94%）
- 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 29,424 行（84%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 26,938 行（77%）
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、province按区县对上本数据集 24,105 行（69%）
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、county_code按区县对上本数据集 24,031 行（69%）
按 区县 + 年份 能连
13 个数据集 · 本数据集 34,617 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 34,617 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 33,836 行（97%）
- 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 33,431 行（96%）
- 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 31,785 行（91%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 30,968 行（89%）
- 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 24,287 行（70%）
- 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 22,779 行（65%）
- 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 17,905 行（51%）
- 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 14,650 行（42%）
- 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 13,039 行（37%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、established_date按区县对上本数据集 11,395 行（32%）
- 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 9,304 行（26%）
按 地区 + 年份 能连
4 个数据集 · 本数据集 34,601 行有地区按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 34,624 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 34,624 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 34,601 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 34,617 行有省份按 省份 能连
26 个数据集 · 本数据集 34,617 行有省份- 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 34,617 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 34,617 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 34,617 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 34,617 行（99%）
- 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 34,617 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 34,617 行（99%）
- 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 34,617 行（99%）
- 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 34,617 行（99%）
- 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 34,617 行（99%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province按省份对上本数据集 34,617 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 34,617 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 34,459 行（99%）
按 区县 能连
12 个数据集 · 本数据集 34,617 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 34,540 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 34,385 行（99%）
- 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 34,361 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 34,211 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 33,969 行（98%）
- 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 30,237 行（87%）
- 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 28,375 行（81%）
- 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 28,182 行（81%）
- 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 20,812 行（60%）
- 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 16,835 行（48%）
- 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 11,566 行（33%）
- 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 9,336 行（26%）
按 股票代码 能连
2 个数据集 · 本数据集 34,624 行有股票代码只按年份能连：258 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
258 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
- 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
- 上市公司数字词频企业主体 · 191.6 万 行 · 连接字段 year
- 分省HS商品年度进出口区域底数 · 135.8 万 行 · 连接字段 year
- 死因监测分死因死亡率人口健康 · 127.5 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1
- 扩增得出
county_code_current由区县代码扩增得出。
来自字段扩增上市公司百度指数上市公司百度指数
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-baidu-index/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。