上市公司数字化与绿色创新
一行代表一家上市公司在某一年的经营与研发状况。
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：2007–2022 年数据出处 出处待核实
- 记录
- 5 万
- 字段
- 21
- AI 扩增字段
- 2
- 平均非空率
- 96.3%
- 字段完整度
21 个字段，3 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 21 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 49,932 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研发状况。数据覆盖全国范围内的上市公司，包含数字化转型程度、绿色专利申请量及占比、财务指标等。可用于评估企业ESG表现、绿色转型风险及数字化对创新效率的影响。
| 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 | 98% | — | ||
| 行业名称industry_name规律 1：行业名称的字段规律字段规律：industry_code_2由行业名称扩增得出。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 | 98% | — | ||
| 行业代码industry_code含义：代码或编号 | 文本 | 原生 | 98% | — | ||
| 省份province规律 1：省份的字段规律字段规律：city_code_2由省份、城市扩增得出。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 | 98% | — | ||
| 城市city规律 1：城市的字段规律字段规律：city_code_2由省份、城市扩增得出。含义：地区键：城市名称。样本里格式符合 80.8%，还没有参照 | 文本 | 原生 | 98% | — | ||
| 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 | 98% | — | ||
| 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 | 98% | — | ||
| 上市状态listing_status含义：类别 | 文本 | 原生 | 98% | — | ||
| 数字化转型程度digital_transformation_degree | 小数 | 原生 | 96% | 含义不清，可能是指数或计数 原表列名：数字化转型程度_B | ||
| 绿色专利总量green_patent_total含义：个数（件） | 整数 | 原生 | 95% | 件 原表列名：绿色专利总共申请总量 | ||
| 绿色专利占比green_patent_ratio含义：比率（小数） | 小数 | 原生 | 100% | — | ||
| 总资产total_assets_amount含义：金额（元） | 小数 | 原生 | 97% | 元 原表列名：总资产_元 | ||
| 资产负债率debt_to_asset_ratio含义：比率（倍） | 小数 | 原生 | 97% | — | ||
| 总资产净利润率roa含义：比率（%） | 小数 | 原生 | 97% | — | ||
| 第一大股东持股top1_shareholder_ratio含义：比率（%） | 小数 | 原生 | 97% | 原表列名：第一大股东持股比率 | ||
| 企业年龄company_age含义：年龄（岁） | 整数 | 原生 | 98% | 年 | ||
| 成本收入比cost_to_revenue_ratio含义：比率（%） | 小数 | 原生 | 98% | 原表列名：营业成本与营业收入之比 | ||
| 城市区划代码city_code_2规律 1：城市区划代码的字段规律字段规律：city_code_2由省份、城市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，99.6% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：城市区划代码 | 98%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、城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 | ||
| 行业代码industry_code_2规律 1：行业代码的字段规律字段规律：industry_code_2由行业名称扩增得出。含义：代码或编号键：大类国民经济行业代码。样本里格式符合 100%，67.1% 的行对上参照 industry-classification | 文本 | 规则扩增第 2 级扩增查看溯源：行业代码 | 66%平均置信度 0.99校验少：不建议单独作为决策依据 | 由行业名称查行业分类参照（GB/T 4754-2017，没有时用 2011 版）得出的国民经济行业代码。名称对不上的为空 |
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 | 省份代码province_code | 城市代码city_code | 上市状态listing_status | 数字化转型程度digital_transformation_degree | 绿色专利总量green_patent_total | 绿色专利占比green_patent_ratio | 总资产total_assets_amount | 资产负债率debt_to_asset_ratio | 总资产净利润率roa | 第一大股东持股top1_shareholder_ratio | 企业年龄company_age | 成本收入比cost_to_revenue_ratio | 城市区划代码city_code_2 | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2007 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 7 | 0 | 0 | 352539361000 | 0.963107 | 0.007517 | 16.7 | 17 | — | 440300 | — |
| 2 | 2008 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 5 | 0 | 0 | 474440173000 | 0.965431 | 0.001294 | 16.76 | 18 | — | 440300 | — |
| 3 | 2009 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 7 | 0 | 0 | 587811034000 | 0.965177 | 0.008558 | 16.76 | 19 | — | 440300 | — |
| 4 | 2010 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 7 | 0 | 0 | 727207076000 | 0.954349 | 0.008641 | 14.96 | 20 | — | 440300 | — |
| 5 | 2011 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 14 | 0 | 0 | 1258176944000 | 0.940087 | 0.008258 | 42.16 | 21 | — | 440300 | — |
| 6 | 2012 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 13 | 0 | 0 | 1606536760000 | 0.947216 | 0.00841 | 42.16 | 22 | — | 440300 | 66 |
| 7 | 2013 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 31 | 1 | 0.5 | 1891741000000 | 0.940752 | 0.008051 | 50.2 | 23 | — | 440300 | 66 |
| 8 | 2014 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 65 | 0 | 0 | 2186459000000 | 0.940109 | 0.009057 | 50.2 | 24 | — | 440300 | 66 |
| 9 | 2015 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 69 | 0 | 0 | 2507149000000 | 0.935584 | 0.008721 | 49.56 | 25 | — | 440300 | 66 |
| 10 | 2016 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 62 | 4 | 1 | 2953434000000 | 0.931547 | 0.007652 | 49.56 | 26 | — | 440300 | 66 |
| 11 | 2017 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 67 | 2 | 0.3333333333333333 | 3248474000000 | 0.931644 | 0.007138 | 49.56 | 27 | — | 440300 | 66 |
| 12 | 2018 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 178 | 1 | 1 | 3418592000000 | 0.929783 | 0.00726 | 49.56 | 28 | — | 440300 | 66 |
| 13 | 2019 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 181 | 51 | 0.3469387755102041 | 3939070000000 | 0.920544 | 0.007158 | 49.56 | 29 | — | 440300 | 66 |
| 14 | 2020 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 184 | 45 | 0.16483516483516483 | 4468514000000 | 0.918512 | 0.006474 | 49.56 | 30 | — | 440300 | 66 |
| 15 | 2021 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 191 | 96 | 0.2659279778393352 | 4921380000000 | 0.919647 | 0.007383 | 49.56 | 31 | — | 440300 | 66 |
| 16 | 2022 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 250 | 362 | 0.31072961373390556 | 5321514000000 | 0.918316 | 0.008553 | 49.56 | 32 | — | 440300 | 66 |
| 17 | 2007 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 15 | 0 | 0 | 100094467908.29 | 0.661125 | 0.053125 | 14.63 | 17 | 0.5800536051496331 | 440300 | — |
| 18 | 2008 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 13 | 0 | 0 | 119236579721.09 | 0.674441 | 0.038913 | 14.73 | 18 | 0.6100070537017407 | 440300 | — |
| 19 | 2009 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 16 | 0 | 0 | 137608554829.39 | 0.670017 | 0.046727 | 14.73 | 19 | 0.7060966106345259 | 440300 | — |
| 20 | 2010 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 15 | 0 | 0 | 215637551741.83 | 0.746861 | 0.040993 | 14.73 | 20 | 0.5930035754669633 | 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 v12026/11/13 发布
生效中49,932 行 · 21 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 172 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 国民经济行业大类 + 城市 + 地区 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 32,926 行有国民经济行业大类- 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_2、year、stock_code、industry_code_2、city_code、province按国民经济行业大类对上本数据集 32,926 行（65%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、city_code、province、industry_code_2、city_code_2、stock_code按国民经济行业大类对上本数据集 32,926 行（65%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 industry_code_2、year、stock_code、city_code、city_code_2、province按国民经济行业大类对上本数据集 32,926 行（65%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 province、city_code_2、stock_code、year、industry_code_2、city_code按国民经济行业大类对上本数据集 32,926 行（65%）
- 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、buyer_city_code、stock_code、company_industry_code_2、company_city_code按国民经济行业大类对上本数据集 32,039 行（64%）
按 国民经济行业大类 + 地区 + 省份 + 股票代码 + 年份 能连
3 个数据集 · 本数据集 32,926 行有国民经济行业大类- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、industry_code_2、province、city_code、stock_code按国民经济行业大类对上本数据集 32,926 行（65%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、city_code、year、province、industry_code_2按国民经济行业大类对上本数据集 32,926 行（65%）
- 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 year、province、industry_code_2、stock_code、city_code按国民经济行业大类对上本数据集 32,926 行（65%）
按 国民经济行业大类 + 城市 + 省份 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 32,926 行有国民经济行业大类按 城市 + 地区 + 省份 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 48,870 行有城市按 地区 + 省份 + 股票代码 + 年份 能连
16 个数据集 · 本数据集 49,040 行有地区- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 stock_code、province、city_code、year按地区对上本数据集 49,040 行（98%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 city_code、province、year、stock_code按地区对上本数据集 49,039 行（98%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 stock_code、year、province、city_code按地区对上本数据集 49,004 行（98%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 city_code、stock_code、province、year按地区对上本数据集 48,976 行（98%）
- 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、year、province按地区对上本数据集 48,976 行（98%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 region_code、stock_code、province、year按地区对上本数据集 48,976 行（98%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 city_code、province、stock_code、year按地区对上本数据集 48,976 行（98%）
- 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、province_code、city_code按地区对上本数据集 48,976 行（98%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 year、province、city_code、stock_code按地区对上本数据集 48,976 行（98%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 province、stock_code、year、city_code按地区对上本数据集 48,975 行（98%）
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 stock_code、year、city_code、province按地区对上本数据集 48,946 行（98%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 establish_date、province、stkcd、city_code按地区对上本数据集 48,927 行（97%）
按 城市 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 48,870 行有城市- 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、province、city_code、year按城市对上本数据集 48,870 行（97%）
- 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、city_code、province、stock_code按城市对上本数据集 48,870 行（97%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、province、city_code、stock_code按城市对上本数据集 48,870 行（97%）
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 setup_date、city_code、stock_code、province按城市对上本数据集 48,803 行（97%）
- 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、register_address_city_code、stock_code、province按城市对上本数据集 48,792 行（97%）
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 year、city_code、stock_code、province按城市对上本数据集 48,728 行（97%）
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 region_code、stock_code、year、province按城市对上本数据集 48,695 行（97%）
- 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、year、province、region_code按城市对上本数据集 48,488 行（97%）
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 stock_code、year、city_code、province按城市对上本数据集 48,275 行（96%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 stock_code、city_code、year、province按城市对上本数据集 47,702 行（95%）
- 上市公司数实融合水平企业主体 · 1.7 万 行 · 连接字段 year、city_code、stock_code、province按城市对上本数据集 47,647 行（95%）
按 国民经济行业大类 + 城市 + 省份 + 年份 能连
4 个数据集 · 本数据集 32,926 行有国民经济行业大类- 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、province、industry_code按国民经济行业大类对上本数据集 32,850 行（65%）
- 央企基本信息企业主体 · 1,867 行 · 连接字段 industry_code、city_code、stat_date、province_code按国民经济行业大类对上本数据集 20,292 行（40%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 industry_code、city_code、year、province按国民经济行业大类对上本数据集 17,764 行（35%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 city_code、industry_division_code、disclosure_date、province按国民经济行业大类对上本数据集 493 行（不到 1%）
按 城市 + 地区 + 省份 + 年份 能连
4 个数据集 · 本数据集 48,870 行有城市- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、city_code、region_code、year按城市对上本数据集 47,656 行（95%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 city_code、province、region_code、year按城市对上本数据集 47,656 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、city_code按城市对上本数据集 39,067 行（78%）
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 region_code、city_code、create_date、province按城市对上本数据集 22,795 行（45%）
按 国民经济行业大类 + 省份 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 32,926 行有国民经济行业大类按 城市 + 省份 + 年份 能连
158 个数据集 · 本数据集 48,870 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_province、month、origin_city_code按城市对上本数据集 48,870 行（97%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、province、year按城市对上本数据集 48,870 行（97%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、province按城市对上本数据集 48,870 行（97%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、region_code、date按城市对上本数据集 48,870 行（97%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 48,870 行（97%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、year、origin_province按城市对上本数据集 48,870 行（97%）
- 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 48,870 行（97%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 48,870 行（97%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、province、city_code按城市对上本数据集 48,870 行（97%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、year按城市对上本数据集 48,870 行（97%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year、region_code按城市对上本数据集 48,870 行（97%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code按城市对上本数据集 48,870 行（97%）
按 省份 + 股票代码 + 年份 能连
23 个数据集 · 本数据集 49,078 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 49,078 行（98%）
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 49,078 行（98%）
- 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按省份对上本数据集 49,078 行（98%）
- 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、stock_code、region_code按省份对上本数据集 49,078 行（98%）
- 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 49,078 行（98%）
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 49,078 行（98%）
- 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按省份对上本数据集 49,078 行（98%）
- 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、province、stock_code按省份对上本数据集 49,075 行（98%）
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 49,075 行（98%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 49,075 行（98%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 stock_code、province、listing_date按省份对上本数据集 49,075 行（98%）
- 上市公司供应链地理距离企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 49,075 行（98%）
按 国民经济行业大类 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 32,926 行有国民经济行业大类- 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 stock_code、year、industry_code_2按国民经济行业大类对上本数据集 32,013 行（64%）
- 上市公司中央政策匹配企业主体 · 5.6 万 行 · 连接字段 industry_code_b、stock_code、year按国民经济行业大类对上本数据集 13,663 行（27%）
- 上市公司商道融绿ESG评级企业主体 · 5,746 行 · 连接字段 stock_code、industry_wind_code、year按国民经济行业大类对上本数据集 1,017 行（2%）
- 上市公司股权激励方案企业主体 · 3,025 行 · 连接字段 latest_announcement_date、wind_industry_code、stock_code按国民经济行业大类对上本数据集 1,017 行（2%）
按 国民经济行业大类 + 省份 + 年份 能连
3 个数据集 · 本数据集 32,926 行有国民经济行业大类按 地区 + 省份 + 年份 能连
3 个数据集 · 本数据集 49,040 行有地区按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 48,870 行有城市按 国民经济行业大类 + 城市 + 年份 能连
1 个数据集 · 本数据集 32,926 行有国民经济行业大类按 城市 + 地区 + 年份 能连
1 个数据集 · 本数据集 48,870 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 48,870 行有城市按 省份 + 年份 能连
338 个数据集 · 本数据集 49,078 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 49,078 行（98%）
- 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 49,078 行（98%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 49,078 行（98%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 49,078 行（98%）
- 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 49,078 行（98%）
- 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 49,078 行（98%）
- 县级逐月闪电自然灾害 · 34.2 万 行 · 连接字段 province、year按省份对上本数据集 49,078 行（98%）
- 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 49,078 行（98%）
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province、date按省份对上本数据集 49,078 行（98%）
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 49,078 行（98%）
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 year、province按省份对上本数据集 49,078 行（98%）
- 省级新冠疫情日度人口健康 · 3.6 万 行 · 连接字段 region_name、date按省份对上本数据集 49,078 行（98%）
按 股票代码 + 年份 能连
226 个数据集 · 本数据集 49,932 行有股票代码- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 49,929 行（99%）
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 49,913 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 49,891 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 stock_code、year按股票代码对上本数据集 49,701 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 year、stock_code按股票代码对上本数据集 49,701 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 49,677 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 49,671 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 49,671 行（99%）
- 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 49,663 行（99%）
- 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 49,629 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 49,629 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 49,629 行（99%）
按 城市 + 年份 能连
62 个数据集 · 本数据集 48,870 行有城市- 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 48,870 行（97%）
- 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 48,870 行（97%）
- 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 48,870 行（97%）
- 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 48,870 行（97%）
- 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 48,870 行（97%）
- 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 48,870 行（97%）
- 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 48,848 行（97%）
- 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 48,829 行（97%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 48,690 行（97%）
- 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 48,575 行（97%）
- 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 48,533 行（97%）
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 48,533 行（97%）
按 城市 + 省份 能连
28 个数据集 · 本数据集 48,870 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按城市对上本数据集 48,870 行（97%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 48,870 行（97%）
- 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按城市对上本数据集 48,870 行（97%）
- 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 48,870 行（97%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 48,854 行（97%）
- 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 48,844 行（97%）
- 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 48,824 行（97%）
- 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 48,696 行（97%）
- 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 48,602 行（97%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code按城市对上本数据集 48,570 行（97%）
- 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 48,512 行（97%）
- 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 48,478 行（97%）
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 32,926 行有国民经济行业大类- 各行业绿色全要素生产率区域底数 · 1,620 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 32,741 行（65%）
- 上市公司碳强度企业主体 · 2,289 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 30,985 行（62%）
- 上市公司碳排放量企业主体 · 2,985 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 29,985 行（60%）
- 中国对一带一路国家分行业出口区域底数 · 1.8 万 行 · 连接字段 month、industry_code按国民经济行业大类对上本数据集 21,013 行（42%）
- 中国自一带一路国家分行业进口区域底数 · 1.4 万 行 · 连接字段 month、industry_code按国民经济行业大类对上本数据集 20,812 行（41%）
- 工业分行业统计指标区域底数 · 7,707 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 20,767 行（41%）
- 分行业二氧化碳排放量区域底数 · 1,386 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 20,748 行（41%）
- 全国行业燃料碳排放明细区域底数 · 1,287 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 20,748 行（41%）
- 中央产业政策文本司法监管 · 152 行 · 连接字段 mentioned_industry_code、approval_date按国民经济行业大类对上本数据集 2,403 行（4.8%）
按 地区 + 年份 能连
4 个数据集 · 本数据集 49,040 行有地区按 国民经济行业大类 + 省份 能连
2 个数据集 · 本数据集 32,926 行有国民经济行业大类按 地区 + 省份 能连
1 个数据集 · 本数据集 49,040 行有地区按 省份 能连
15 个数据集 · 本数据集 49,078 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 49,078 行（98%）
- 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 49,078 行（98%）
- 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 49,078 行（98%）
- 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 49,075 行（98%）
- 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 49,075 行（98%）
- 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 49,075 行（98%）
- 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 49,075 行（98%）
- 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 48,858 行（97%）
- 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 48,858 行（97%）
- 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 47,927 行（95%）
- 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 46,691 行（93%）
- 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 45,041 行（90%）
按 城市 能连
10 个数据集 · 本数据集 48,870 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 48,870 行（97%）
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 48,858 行（97%）
- 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 48,858 行（97%）
- 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 48,493 行（97%）
- 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 48,478 行（97%）
- 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 48,478 行（97%）
- 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 48,104 行（96%）
- 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 43,933 行（87%）
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 36,104 行（72%）
- 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 25,320 行（50%）
按 股票代码 能连
2 个数据集 · 本数据集 49,932 行有股票代码只按年份能连：202 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
202 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
- 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
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
city_code_2由省份、城市扩增得出。
来自字段扩增上市公司数字化与绿色创新上市公司数字化与绿色创新 - 扩增得出
industry_code_2由行业名称扩增得出。
来自字段扩增上市公司数字化与绿色创新上市公司数字化与绿色创新
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-green-innovation/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。