
上市公司数字金融与生产率
一行代表一家上市公司在某一年的经营与金融环境数据。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险责任险时间跨度:2011–2020 年数据出处 出处待核实
- 记录
- 3.1 万
- 字段
- 28
- AI 扩增字段
- 0
- 平均非空率
- 94.5%
- 字段完整度
28 个字段,11 个没有空值
01字段
字段来源,逐一标明
共 28 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 31,054 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经营与金融环境数据。覆盖全国范围内的上市公司,包含数字普惠金融指数、全要素生产率及财务指标。可用于分析区域金融发展对企业效率的影响,辅助评估企业信用风险或经营稳定性。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 行政区划代码region_code含义:代码或编号键:多级区划代码(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% | — | ||
| 数字普惠金融指数digital_inclusive_finance_index | 小数 | 原生 | 94% | — | ||
| 覆盖广度coverage_breadth | 小数 | 原生 | 94% | — | ||
| 使用深度usage_depth | 小数 | 原生 | 94% | — | ||
| 数字化程度digitalization_degree | 小数 | 原生 | 94% | — | ||
| TFP_OLStfp_ols | 小数 | 原生 | 84% | 含义不清 | ||
| TFP_FEtfp_fe | 小数 | 原生 | 84% | 含义不清 | ||
| TFP_LPtfp_lp | 小数 | 原生 | 84% | 含义不清 | ||
| TFP_OPtfp_op | 小数 | 原生 | 84% | 含义不清 | ||
| TFP_GMMtfp_gmm | 小数 | 原生 | 84% | 含义不清 | ||
| 是否国有企业is_soe含义:是否 | 是非 | 原生 | 96% | — | ||
| 财务杠杆率financial_leverage_ratio含义:比率(倍) | 小数 | 原生 | 78% | — | ||
| 管理层持股比例management_shareholding_ratio含义:比率(%) | 小数 | 原生 | 96% | — | ||
| 净利率net_profit_to_revenue_ratio含义:比率(%) | 小数 | 原生 | 100% | 原表列名:企业净利润占营业收入之比 | ||
| 托宾Q值tobin_q | 小数 | 原生 | 85% | — | ||
| 流动比率current_ratio含义:比率(倍) | 小数 | 原生 | 98% | — | ||
| 企业年龄1firm_age_1含义:年龄(岁) | 整数 | 原生 | 100% | 含义不清 | ||
| 企业年龄2firm_age_2含义:年龄(岁) | 整数 | 原生 | 100% | 含义不清 | ||
| 年末总资产total_assets_amount含义:金额(元) | 小数 | 原生 | 100% | 元 原表列名:年末总资产_元 | ||
| 高管薪酬总额top3_exec_comp_amount含义:金额(元) | 小数 | 原生 | 98% | 元 原表列名:高级管理人员前三名薪酬总额_元 | ||
| 董事人数board_size含义:人数(人) | 整数 | 原生 | 98% | 人 原表列名:董事人数_人 | ||
| 两职合一ceo_chairman_duality含义:是否 | 是非 | 原生 | 97% | — |
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。
| # | 股票代码stock_code | 年份year | 行业名称industry_name | 行业代码industry_code | 所属省份province | 所属城市city | 行政区划代码region_code | 数字普惠金融指数digital_inclusive_finance_index | 覆盖广度coverage_breadth | 使用深度usage_depth | 数字化程度digitalization_degree | TFP_OLStfp_ols | TFP_FEtfp_fe | TFP_LPtfp_lp | TFP_OPtfp_op | TFP_GMMtfp_gmm | 是否国有企业is_soe | 财务杠杆率financial_leverage_ratio | 管理层持股比例management_shareholding_ratio | 净利率net_profit_to_revenue_ratio | 托宾Q值tobin_q | 流动比率current_ratio | 企业年龄1firm_age_1 | 企业年龄2firm_age_2 | 年末总资产total_assets_amount | 高管薪酬总额top3_exec_comp_amount | 董事人数board_size | 两职合一ceo_chairman_duality |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000002 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 14.2998 | 14.8921 | 12.0803 | 10.3453 | 5.52324 | 是 | 0.770997 | 0.2209 | 0.16159322739765145 | 1.04268 | 1.838643 | 20 | 21 | 296208440030.05 | 29230000 | 11 | 否 |
| 2 | 000004 | 2011 | 医药制造业 | C27 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 8.22109 | 8.5954 | 6.70956 | 5.99237 | 2.57909 | 否 | 0.294935 | 0.0027 | 0.12339072466964555 | 3.752369 | 0.508372 | 20 | 21 | 196307219.48 | 848200 | 8 | 否 |
| 3 | 000005 | 2011 | 综合 | S90 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 8.20048 | 8.57678 | 6.74556 | 5.79973 | 2.58548 | 否 | 0.476484 | 0 | 0.179659717847139 | — | 0.795013 | 21 | 22 | 1260586163.19 | 951000 | 15 | 否 |
| 4 | 000006 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 11.6472 | 11.9723 | 10.4339 | 9.46514 | 6.83472 | 是 | 0.652855 | 1.8009 | 0.16765965831306606 | 1.137113 | 1.170224 | 19 | 20 | 8321974063.4 | 2485700 | 9 | 否 |
| 5 | 000007 | 2011 | 住宿业 | H61 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 否 | — | 10.8241 | 0.05026347272952755 | — | 0.958854 | 19 | 20 | 362415187.93 | 1080000 | 9 | 否 |
| 6 | 000008 | 2011 | 批发业 | F51 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 否 | — | 0 | -0.038585073250154464 | — | 13.617373 | 19 | 20 | 77236597.09 | 528000 | 6 | 否 |
| 7 | 000009 | 2011 | 综合 | S90 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 11.5889 | 12.1275 | 9.46658 | 8.25145 | 3.51681 | 否 | 0.650402 | 0.0168 | 0.09358216064565043 | 1.652351 | 2.485198 | 20 | 21 | 11785629478.31 | 4998000 | 9 | 是 |
| 8 | 000011 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 10.7312 | 11.1756 | 9.10172 | 7.67503 | 4.17753 | 是 | 0.676791 | 0 | 0.182782492371516 | 1.195346 | 0.737171 | 19 | 20 | 3499608314.21 | 1978000 | 9 | 否 |
| 9 | 000012 | 2011 | 非金属矿物制品业 | C30 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 12.1209 | 12.7407 | 9.589 | 8.50143 | 2.75236 | 是 | 0.521906 | 0.6574 | 0.16171680193041396 | 1.502386 | 0.965834 | 19 | 20 | 15281391077 | 3560500 | 10 | 是 |
| 10 | 000014 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 9.7468 | 10.0991 | 8.28356 | 7.74913 | 4.40038 | 是 | 0.663812 | 0 | 0.161648187435729 | 1.21372 | 2.342082 | 19 | 20 | 1797309398.33 | 1926600 | 9 | 否 |
| 11 | 000016 | 2011 | 计算机、通信和其他电子设备制造业 | C39 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 12.8364 | 13.4229 | 10.5999 | 9.0176 | 4.11233 | 是 | 0.749408 | 0 | 0.0014909319736247444 | 0.936678 | 1.130447 | 19 | 20 | 16906453313.31 | 2425600 | 7 | 否 |
| 12 | 000017 | 2011 | 铁路、船舶、航空航天和其它运输设备制造业 | C37 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 否 | — | 0.0028 | 0.12372433255066824 | — | 0.037216 | 19 | 20 | 135746630.93 | 2094000 | 11 | 否 |
| 13 | 000018 | 2011 | 纺织业 | C17 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 否 | — | 0 | -1.7687975535009244 | — | 14.158762 | 19 | 20 | 172238794 | 670000 | 9 | 是 |
| 14 | 000019 | 2011 | 酒、饮料和精制茶制造业 | C15 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 9.32247 | 9.75393 | 7.55231 | 6.82244 | 2.79451 | 是 | 0.162047 | 0 | 0.030302711485838203 | 1.560302 | 5.788406 | 19 | 20 | 1061964234.64 | 1499600 | 12 | 否 |
| 15 | 000020 | 2011 | 计算机、通信和其他电子设备制造业 | C39 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 10.2818 | 10.733 | 8.45132 | 7.61542 | 3.47292 | 否 | 0.58566 | 0 | 0.011846059094048495 | 1.545652 | 3.944751 | 19 | 20 | 668385621.82 | 234000 | 7 | 是 |
| 16 | 000021 | 2011 | 计算机、通信和其他电子设备制造业 | C39 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 12.9892 | 13.5692 | 10.786 | 9.19092 | 4.36906 | 是 | 0.582013 | 0.1398 | 0.011816321785008094 | 1.236506 | 1.096312 | 17 | 18 | 10336754641.74 | 13878800 | 10 | 否 |
| 17 | 000022 | 2011 | 装卸搬运和运输代理业 | G58 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 是 | 0.372183 | 0.1636 | 0.3909380263320451 | 1.221818 | 0.702612 | 18 | 19 | 6540228435 | 4245000 | 9 | 否 |
| 18 | 000023 | 2011 | 房屋建筑业 | E47 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 10.2026 | 10.6438 | 8.46772 | 7.46017 | 3.59387 | 否 | 0.684301 | 0.0012 | 0.0113731475773832 | 1.3105 | 0.818791 | 18 | 19 | 1093571442.65 | 1713100 | 12 | 否 |
| 19 | 000024 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | — | 是 | 0.695267 | 0.0359 | 0.2192359293825941 | 1.023142 | 2.493656 | 18 | 19 | 79666494368 | 6286700 | 11 | 否 |
| 20 | 000025 | 2011 | 批发业 | F51 | 广东省 | 深圳市 | 440300 | 84.39 | 92.03 | 85.48 | 57.19 | 9.56221 | 9.9939 | 7.77697 | 7.09584 | 3.01827 | 是 | 0.647128 | 0 | 0.0031000543136431424 | 2.573297 | 0.069954 | 18 | 19 | 570693268.15 | 1173300 | 9 | 否 |
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31,054 行 · 28 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 31,053 行有证监会行业大类- 上市公司供应链效率企业主体 · 7.1 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 31,053 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year、stock_code、city_code、industry_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 city_code、stock_code、industry_code、year、province按证监会行业大类对上本数据集 31,053 行(99%)
- 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、industry_code、province、region_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 stock_code、industry_code、year、province、city_code按证监会行业大类对上本数据集 31,053 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、stock_code、province、region_code、industry_code按证监会行业大类对上本数据集 31,053 行(99%)
- 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、province_code、city_code、industry_code、year按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 industry_code、city_code、year、stock_code、province按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 province、industry_code、year、region_code、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 city_code、industry_code、year、province、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 city_code、industry_code、stock_code、year、province按证监会行业大类对上本数据集 31,053 行(99%)
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 region_code、stock_code、industry_code、province、year按证监会行业大类对上本数据集 31,053 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 31,053 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 province、stock_code、industry_code、year按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司融资约束企业主体 · 5.2 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 31,053 行(99%)
- 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 31,053 行(99%)
- 上市公司金融科技与创新企业主体 · 4.2 万 行 · 连接字段 stock_code、industry_code、province、year按证监会行业大类对上本数据集 31,053 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 date、province、industry_code、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 province、year、industry_code_1、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- A股ESG与财务企业主体 · 3.8 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 31,053 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 stock_code、year、province、industry_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司数字经济城市企业主体 · 1.2 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 31,048 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 31,040 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 31,040 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 stock_code、province、accounting_period、industry_code按证监会行业大类对上本数据集 31,040 行(99%)
按 地区 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 31,053 行有地区- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、city_code、province、year按地区对上本数据集 30,993 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、province、stock_code按地区对上本数据集 30,993 行(99%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、province、city_code、stock_code按地区对上本数据集 30,993 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 year、stock_code、province、city_code按地区对上本数据集 30,993 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 province、stock_code、year、city_code按地区对上本数据集 30,993 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 stock_code、city_code、province、year按地区对上本数据集 30,993 行(99%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code、city_code按地区对上本数据集 30,993 行(99%)
- 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、stock_code、year按地区对上本数据集 30,969 行(99%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 province、city_code、year、stock_code按地区对上本数据集 30,969 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 province、city_code、stock_code、cutoff_date按地区对上本数据集 30,928 行(99%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、contract_date、stock_code、company_city_code按地区对上本数据集 29,327 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 31,053 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 industry_code、stock_code、year按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司FC融资约束指数企业主体 · 40.7 万 行 · 连接字段 stock_code、report_date、industry_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司KZ指数多口径企业主体 · 40.7 万 行 · 连接字段 industry_code、report_date、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司基础财务企业主体 · 7.7 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 31,053 行(99%)
- 上市公司盈利能力企业主体 · 7.4 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 31,053 行(99%)
- 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 31,053 行(99%)
- 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 31,053 行(99%)
- 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 31,053 行(99%)
- 上市公司资产专用性指标企业主体 · 5.8 万 行 · 连接字段 year、industry_code、stock_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 stock_code、listed_date、industry_code按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司WW融资约束指数企业主体 · 5.7 万 行 · 连接字段 stock_code、industry_code、report_date按证监会行业大类对上本数据集 31,053 行(99%)
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 year、stock_code、industry_code_2按证监会行业大类对上本数据集 31,053 行(99%)
按 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 31,053 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 province、stock_code、establish_date按省份对上本数据集 31,053 行(99%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 ts_code、list_date、province按省份对上本数据集 31,053 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 province、year、stock_code按省份对上本数据集 31,053 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、stock_code、year按省份对上本数据集 31,053 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 province、year、stock_code按省份对上本数据集 31,053 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、stock_code、province按省份对上本数据集 31,053 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 31,053 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 31,053 行(99%)
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 31,053 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 31,053 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 year、stock_code、province按省份对上本数据集 31,053 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 31,053 行(99%)
按 地区 + 省份 + 年份 能连
7 个数据集 · 本数据集 31,053 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、province、year按地区对上本数据集 30,774 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 year、province、city_code按地区对上本数据集 30,164 行(97%)
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 year、region_code、province按地区对上本数据集 29,752 行(95%)
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 region_code、province、year按地区对上本数据集 29,752 行(95%)
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 region_code、province、create_date按地区对上本数据集 23,311 行(75%)
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 province、create_date、region_code按地区对上本数据集 13,929 行(44%)
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 region_code、landfall_date、province_code按地区对上本数据集 8,599 行(27%)
按 省份 + 年份 能连
503 个数据集 · 本数据集 31,053 行有省份- 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按省份对上本数据集 31,053 行(99%)
- 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 31,053 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 31,053 行(99%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 31,053 行(99%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 31,053 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 taobao_village_year、province_code按省份对上本数据集 31,053 行(99%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 31,053 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 31,053 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 31,053 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 31,053 行(99%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province按省份对上本数据集 31,053 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 31,053 行(99%)
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 31,053 行有股票代码- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 stock_code、month按股票代码对上本数据集 31,053 行(99%)
- 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 31,053 行(99%)
- 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 31,053 行(99%)
- 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 31,053 行(99%)
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 31,053 行(99%)
- 上市公司年度违规次数企业主体 · 5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 31,053 行(99%)
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 31,043 行(99%)
- 上市公司竞争对手DID面板企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 31,043 行(99%)
- 上市公司数字化转型指数(吴非)企业主体 · 4.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 31,043 行(99%)
- 上市公司环境披露指数企业主体 · 4.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 31,043 行(99%)
- 上市公司全要素生产率(五种算法)企业主体 · 5.5 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 31,009 行(99%)
- 上市公司年报管理层讨论词频企业主体 · 5.4 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 30,959 行(99%)
按 地区 + 年份 能连
5 个数据集 · 本数据集 31,053 行有地区- 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 30,913 行(99%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、region_code按地区对上本数据集 30,905 行(99%)
- 各地区新能源汽车产量区域底数 · 240 行 · 连接字段 region_code、year按地区对上本数据集 14,964 行(48%)
- 各省专利受理授权统计区域底数 · 1.7 万 行 · 连接字段 region_code、year按地区对上本数据集 14,775 行(47%)
- 各省医疗服务项目代码医疗药械 · 32.5 万 行 · 连接字段 regn、begin_date按地区对上本数据集 11,442 行(36%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 31,053 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 31,053 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 31,053 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 31,053 行有省份按 省份 能连
44 个数据集 · 本数据集 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 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 31,053 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province按省份对上本数据集 31,053 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 31,053 行(99%)
按 股票代码 能连
2 个数据集 · 本数据集 31,053 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-digital-finance-tfp/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000002"}],"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。