
上市公司数字普惠金融
一行代表一家上市公司在某一年的数字普惠金融相关指标。
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:2011–2022 年数据出处 出处待核实
- 记录
- 4.2 万
- 字段
- 25
- AI 扩增字段
- 3
- 平均非空率
- 92.7%
- 字段完整度
25 个字段,14 个没有空值,3 个 AI 扩增
01字段
字段来源,逐一标明
共 25 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 41,979 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数字普惠金融相关指标。数据覆盖全国上市公司,包含省、市、县三级的综合指数、覆盖广度、使用深度和数字化程度。可用于评估企业所在区域的金融可得性,辅助分析企业融资环境及信用风险。
| 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 | 100% | — | ||
| 行业代码industry_code含义:代码或编号 | 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、城市扩增得出。。county_code由省份、城市、区县扩增得出。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% | — | ||
| 城市city规律 2:城市的字段规律字段规律:city_code由省份、城市扩增得出。。county_code由省份、城市、区县扩增得出。含义:地区键:城市名称。样本里格式符合 83.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县county规律 1:区县的字段规律字段规律:county_code由省份、城市、区县扩增得出。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% | — | ||
| 首次上市年份first_listing_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% | — | ||
| 上市状态listing_status含义:类别 | 文本 | 原生 | 100% | — | ||
| 省级综合指数index_prov | 小数 | 原生 | 100% | 原表列名:综合指数_省级 | ||
| 省级覆盖广度breadth_prov | 小数 | 原生 | 100% | 原表列名:覆盖广度_省级 | ||
| 省级使用深度depth_prov | 小数 | 原生 | 100% | 原表列名:使用深度_省级 | ||
| 省级数字化程度digit_prov | 小数 | 原生 | 100% | 原表列名:数字化程度_省级 | ||
| 市级综合指数index_city | 小数 | 原生 | 94% | 原表列名:综合指数_市级 | ||
| 市级覆盖广度breadth_city | 小数 | 原生 | 94% | 原表列名:覆盖广度_市级 | ||
| 市级使用深度depth_city | 小数 | 原生 | 94% | 原表列名:使用深度_市级 | ||
| 市级数字化程度digit_city | 小数 | 原生 | 94% | 原表列名:数字化程度_市级 | ||
| 县级综合指数index_county | 小数 | 原生 | 67% | 部分年份缺失 原表列名:综合指数_县级 | ||
| 县级覆盖广度breadth_county | 小数 | 原生 | 67% | 部分年份缺失 原表列名:覆盖广度_县级 | ||
| 县级使用深度depth_county | 小数 | 原生 | 67% | 部分年份缺失 原表列名:使用深度_县级 | ||
| 县级数字化程度digit_county | 小数 | 原生 | 67% | 部分年份缺失 原表列名:数字化程度_县级 | ||
| 区县区划代码county_code规律 1:区县区划代码的字段规律字段规律:county_code由省份、城市、区县扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,98.5% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:区县区划代码 | 99%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、区县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 | ||
| 城市区划代码city_code规律 1:城市区划代码的字段规律字段规律:city_code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 | 100%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%,76.7% 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 | 77%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 | 区县county | 首次上市年份first_listing_year | 上市状态listing_status | 省级综合指数index_prov | 省级覆盖广度breadth_prov | 省级使用深度depth_prov | 省级数字化程度digit_prov | 市级综合指数index_city | 市级覆盖广度breadth_city | 市级使用深度depth_city | 市级数字化程度digit_city | 县级综合指数index_county | 县级覆盖广度breadth_county | 县级使用深度depth_county | 县级数字化程度digit_county | 区县区划代码county_code | 城市区划代码city_code | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2011 | 000001 | 深发展A | 其他商业银行 | I0199 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 69.48 | 63.41 | 80.97 | 68.66 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | 440303 | 440300 | — |
| 2 | 2012 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 127.06 | 111.37 | 149.38 | 138.31 | 140.84 | 158.62 | 129.35 | 102.99 | — | — | — | — | 440303 | 440300 | 66 |
| 3 | 2013 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 184.78 | 153.33 | 208.44 | 245.61 | 181.14 | 189.09 | 170.74 | 173.81 | — | — | — | — | 440303 | 440300 | 66 |
| 4 | 2014 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 201.53 | 199.63 | 175.04 | 255.98 | 189.26 | 219.98 | 153.79 | 152.26 | — | — | — | — | 440303 | 440300 | 66 |
| 5 | 2015 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 240.95 | 225.52 | 195.87 | 373.79 | 219.99 | 242.89 | 176.22 | 223.94 | — | — | — | — | 440303 | 440300 | 66 |
| 6 | 2016 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 247.996 | 240.073 | 236.499 | 295.065 | 238.046 | 254.126 | 221.001 | 215.941 | 104.835 | 109.294 | 117.39 | 67.3065 | 440303 | 440300 | 66 |
| 7 | 2017 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 296.168 | 275.913 | 328.166 | 304.92 | 272.718 | 273.016 | 286.438 | 246.821 | 122.852 | 109.603 | 165.574 | 88.9732 | 440303 | 440300 | 66 |
| 8 | 2018 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 331.918 | 312.442 | 329.93 | 399.859 | 289.222 | 290.317 | 276.77 | 308.25 | 127.071 | 108.626 | 165.783 | 117.64 | 440303 | 440300 | 66 |
| 9 | 2019 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 360.608 | 339.984 | 364.498 | 421.661 | 306.673 | 310.912 | 289.692 | 323.554 | 133.932 | 110.458 | 180.67 | 126.521 | 440303 | 440300 | 66 |
| 10 | 2020 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 379.535 | 356.941 | 404.353 | 409.062 | 319.241 | 324.67 | 308.16 | 321.47 | 134.57 | 110.988 | 185.956 | 119.069 | 440303 | 440300 | 66 |
| 11 | 2021 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 406.531 | 386.371 | 438.127 | 415.707 | 345.328 | 361.651 | 327.105 | 324.56 | 136.134 | 108.939 | 192.967 | 122.669 | 440303 | 440300 | 66 |
| 12 | 2022 | 000001 | 平安银行 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 1991 | 正常上市 | 416.359 | 413.306 | 405.569 | 446.072 | 348.465 | 382.505 | 298.864 | 326.222 | 135.479 | 113.267 | 182.338 | 123.684 | 440303 | 440300 | 66 |
| 13 | 2011 | 000002 | 万科A | 房地产开发与经营业 | J01 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 69.48 | 63.41 | 80.97 | 68.66 | 84.39 | 92.03 | 85.48 | 57.19 | — | — | — | — | 440308 | 440300 | — |
| 14 | 2012 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 127.06 | 111.37 | 149.38 | 138.31 | 140.84 | 158.62 | 129.35 | 102.99 | — | — | — | — | 440308 | 440300 | 70 |
| 15 | 2013 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 184.78 | 153.33 | 208.44 | 245.61 | 181.14 | 189.09 | 170.74 | 173.81 | — | — | — | — | 440308 | 440300 | 70 |
| 16 | 2014 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 201.53 | 199.63 | 175.04 | 255.98 | 189.26 | 219.98 | 153.79 | 152.26 | — | — | — | — | 440308 | 440300 | 70 |
| 17 | 2015 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 240.95 | 225.52 | 195.87 | 373.79 | 219.99 | 242.89 | 176.22 | 223.94 | — | — | — | — | 440308 | 440300 | 70 |
| 18 | 2016 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 247.996 | 240.073 | 236.499 | 295.065 | 238.046 | 254.126 | 221.001 | 215.941 | 101.23 | 104.385 | 110.737 | 73.541 | 440308 | 440300 | 70 |
| 19 | 2017 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 296.168 | 275.913 | 328.166 | 304.92 | 272.718 | 273.016 | 286.438 | 246.821 | 117.886 | 104.616 | 150.851 | 101.808 | 440308 | 440300 | 70 |
| 20 | 2018 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 盐田区 | 1991 | 正常上市 | 331.918 | 312.442 | 329.93 | 399.859 | 289.222 | 290.317 | 276.77 | 308.25 | 121.467 | 104.046 | 154.17 | 119.569 | 440308 | 440300 | 70 |
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41,979 行 · 25 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 214 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 + 区县 + 省份 + 股票代码 + 年份 能连
1 个数据集 · 本数据集 32,192 行有国民经济行业大类按 国民经济行业大类 + 城市 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 32,192 行有国民经济行业大类- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 industry_code、year、stock_code、province、city_code按国民经济行业大类对上本数据集 32,192 行(76%)
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 year、city_code_2、industry_code_2、stock_code、province按国民经济行业大类对上本数据集 32,192 行(76%)
- 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、stock_code、province、industry_code_2、year按国民经济行业大类对上本数据集 32,192 行(76%)
- 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_2、industry_code_2按国民经济行业大类对上本数据集 32,192 行(76%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、city_code_2、industry_code_2、province、stock_code按国民经济行业大类对上本数据集 32,192 行(76%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 city_code_2、stock_code、industry_code_2、year、province按国民经济行业大类对上本数据集 32,192 行(76%)
按 国民经济行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 32,192 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 county_code、stock_code、industry_code_2、year、province按国民经济行业大类对上本数据集 32,192 行(76%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、county_code、industry_code_2、province、stock_code按国民经济行业大类对上本数据集 32,192 行(76%)
- 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、stock_code、year、province、industry_code_2按国民经济行业大类对上本数据集 32,192 行(76%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 province、county_code、stock_code、industry_code_2、year按国民经济行业大类对上本数据集 32,180 行(76%)
- 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、year、industry_code_2、stock_code按国民经济行业大类对上本数据集 31,827 行(75%)
按 城市 + 区县 + 省份 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 41,812 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 province、county_code、city_code、stock_code、year按城市对上本数据集 41,812 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 stock_code、city_code、year、province、county_code按城市对上本数据集 41,812 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、county_code、province、register_address_city_code按城市对上本数据集 41,753 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、city_code、county_code、year、stock_code按城市对上本数据集 40,866 行(97%)
按 国民经济行业大类 + 城市 + 区县 + 省份 + 年份 能连
3 个数据集 · 本数据集 32,192 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 province、city_code、county_code、industry_code、est_date按国民经济行业大类对上本数据集 32,170 行(76%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、city_code、county_code、industry_code、province按国民经济行业大类对上本数据集 17,415 行(41%)
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 industry_division_code、county_code、city_code、disclosure_date、province按国民经济行业大类对上本数据集 493 行(1.2%)
按 城市 + 区县 + 省份 + 年份 能连
34 个数据集 · 本数据集 41,812 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、province、region_code按城市对上本数据集 41,812 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 county_code、province、date、city_code按城市对上本数据集 41,812 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、city_code、province、year按城市对上本数据集 41,812 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、county_code、approve_date按城市对上本数据集 41,812 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、year、province、region_code按城市对上本数据集 41,812 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year、region_code按城市对上本数据集 41,812 行(99%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 city_code、province、year、county_code按城市对上本数据集 41,812 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、founded_year、county_code、city_code按城市对上本数据集 41,812 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、city_code_2、county_code_2按城市对上本数据集 41,812 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code、city_code按城市对上本数据集 41,812 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、city_code、region_code按城市对上本数据集 41,812 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 city_code、province、layer_year、region_code按城市对上本数据集 41,812 行(99%)
按 城市 + 省份 + 股票代码 + 年份 能连
9 个数据集 · 本数据集 41,812 行有城市- 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、city_code按城市对上本数据集 41,812 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_2、province、year、stock_code按城市对上本数据集 41,809 行(99%)
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 setup_date、province、city_code、stock_code按城市对上本数据集 41,763 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 stock_code、city_code、year、province按城市对上本数据集 41,699 行(99%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 province、year、city_code、stock_code按城市对上本数据集 41,699 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 stock_code、province、region_code、year按城市对上本数据集 41,677 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 province、stock_code、region_code、year按城市对上本数据集 41,503 行(98%)
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 year、city_code、province、stock_code按城市对上本数据集 41,337 行(98%)
- 上市公司数实融合水平企业主体 · 1.7 万 行 · 连接字段 province、stock_code、city_code、year按城市对上本数据集 40,828 行(97%)
按 区县 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 41,369 行有区县- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、stock_code、county_code、year按区县对上本数据集 41,366 行(98%)
- 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、stock_code、year按区县对上本数据集 41,350 行(98%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 county_code、stock_code、year、province按区县对上本数据集 41,194 行(98%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 stock_code、county_code、year、province按区县对上本数据集 41,160 行(98%)
- 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、cutoff_date、province按区县对上本数据集 40,837 行(97%)
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 province、county_code、year、stock_code按区县对上本数据集 40,759 行(97%)
按 城市 + 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 41,812 行有城市按 国民经济行业大类 + 城市 + 区县 + 年份 能连
1 个数据集 · 本数据集 32,192 行有国民经济行业大类按 国民经济行业大类 + 城市 + 省份 + 年份 能连
1 个数据集 · 本数据集 32,192 行有国民经济行业大类按 城市 + 省份 + 年份 能连
128 个数据集 · 本数据集 41,812 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 41,812 行(99%)
- 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 41,812 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、region_code按城市对上本数据集 41,812 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、region_code按城市对上本数据集 41,812 行(99%)
- 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 41,812 行(99%)
- 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 41,812 行(99%)
- 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 41,812 行(99%)
- 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 41,812 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、date、province_code按城市对上本数据集 41,812 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province、region_code按城市对上本数据集 41,812 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、year、province按城市对上本数据集 41,812 行(99%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 region_code、year、province按城市对上本数据集 41,812 行(99%)
按 区县 + 省份 + 年份 能连
54 个数据集 · 本数据集 41,369 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 province_code、county_code、taobao_village_year按区县对上本数据集 41,369 行(98%)
- 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 41,369 行(98%)
- 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 41,353 行(98%)
- 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 41,353 行(98%)
- 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 41,353 行(98%)
- 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 41,351 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 41,247 行(98%)
- 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 region_code、province、year按区县对上本数据集 41,238 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、county_code按区县对上本数据集 41,229 行(98%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 41,203 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 41,197 行(98%)
- 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 41,174 行(98%)
按 省份 + 股票代码 + 年份 能连
33 个数据集 · 本数据集 41,978 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 stock_code、establish_date、province按省份对上本数据集 41,978 行(99%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 province、ts_code、list_date按省份对上本数据集 41,978 行(99%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 province、stkcd、establish_date按省份对上本数据集 41,978 行(99%)
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 41,978 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 41,978 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、province按省份对上本数据集 41,978 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、year、province按省份对上本数据集 41,978 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 stock_code、year、province按省份对上本数据集 41,978 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 year、province_code、stock_code按省份对上本数据集 41,978 行(99%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 41,978 行(99%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 41,978 行(99%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 41,978 行(99%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 41,812 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、county_code、province_code按城市对上本数据集 41,812 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 41,812 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、city_code按城市对上本数据集 41,812 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code、city_code按城市对上本数据集 41,800 行(99%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code、region_code按城市对上本数据集 41,563 行(99%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 36,726 行(87%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code、province按城市对上本数据集 33,578 行(79%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code、village_code按城市对上本数据集 33,452 行(79%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 33,394 行(79%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code、city_code按城市对上本数据集 32,951 行(78%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 county_code、province、city_code按城市对上本数据集 32,695 行(77%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、province、city_code按城市对上本数据集 32,373 行(77%)
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 32,192 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 year、industry_code_2、stock_code按国民经济行业大类对上本数据集 31,279 行(74%)
- 上市公司中央政策匹配企业主体 · 5.6 万 行 · 连接字段 year、industry_code_b、stock_code按国民经济行业大类对上本数据集 13,425 行(31%)
- 上市公司商道融绿ESG评级企业主体 · 5,746 行 · 连接字段 year、industry_wind_code、stock_code按国民经济行业大类对上本数据集 992 行(2.4%)
- 上市公司股权激励方案企业主体 · 3,025 行 · 连接字段 latest_announcement_date、stock_code、wind_industry_code按国民经济行业大类对上本数据集 992 行(2.4%)
按 国民经济行业大类 + 省份 + 年份 能连
3 个数据集 · 本数据集 32,192 行有国民经济行业大类按 城市 + 区县 + 年份 能连
3 个数据集 · 本数据集 41,812 行有城市按 国民经济行业大类 + 区县 + 省份 能连
1 个数据集 · 本数据集 32,192 行有国民经济行业大类按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 41,812 行有城市按 省份 + 年份 能连
287 个数据集 · 本数据集 41,978 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 41,978 行(99%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 41,978 行(99%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 41,978 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 41,978 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 41,978 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 41,978 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 41,978 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 year、region_code按省份对上本数据集 41,978 行(99%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 year、region_code按省份对上本数据集 41,978 行(99%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 province、identify_year按省份对上本数据集 41,978 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 41,978 行(99%)
- 省级三农统计指标区域底数 · 26.8 万 行 · 连接字段 province、year按省份对上本数据集 41,978 行(99%)
按 股票代码 + 年份 能连
226 个数据集 · 本数据集 41,978 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 month、stock_code按股票代码对上本数据集 41,978 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 41,978 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 41,978 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 41,978 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 41,978 行(99%)
- 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 41,978 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 stock_code、year按股票代码对上本数据集 41,978 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 41,978 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 41,966 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 41,943 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 listed_date、stock_code按股票代码对上本数据集 41,943 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 report_date、stock_code按股票代码对上本数据集 41,943 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 41,812 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 month、city_code按城市对上本数据集 41,812 行(99%)
- 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 41,812 行(99%)
- 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 41,812 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 41,812 行(99%)
- 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 41,812 行(99%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 41,812 行(99%)
- 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 41,792 行(99%)
- 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 41,775 行(99%)
- 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 41,667 行(99%)
- 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 41,564 行(99%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 region_code、year按城市对上本数据集 41,542 行(98%)
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 41,542 行(98%)
按 城市 + 省份 能连
14 个数据集 · 本数据集 41,812 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 41,812 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 41,788 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code、province按城市对上本数据集 41,772 行(99%)
- 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 41,680 行(99%)
- 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 41,597 行(99%)
- 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 41,521 行(98%)
- 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 41,484 行(98%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 41,345 行(98%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 40,961 行(97%)
- 地级市家谱数量和人口区域底数 · 228 行 · 连接字段 city_code、province按城市对上本数据集 38,899 行(92%)
- 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 37,389 行(89%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 33,452 行(79%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 41,369 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 41,369 行(98%)
- 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 40,379 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 38,071 行(90%)
- 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 29,139 行(69%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 27,607 行(65%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 21,398 行(50%)
- 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 17,658 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 15,083 行(35%)
- 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 11,168 行(26%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 6,720 行(16%)
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 32,192 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 industry_code、year按国民经济行业大类对上本数据集 32,061 行(76%)
- 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 30,492 行(72%)
- 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 29,537 行(70%)
- 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 industry_code、month按国民经济行业大类对上本数据集 20,453 行(48%)
- 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 industry_code、month按国民经济行业大类对上本数据集 20,252 行(48%)
- 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 20,238 行(48%)
- 分行业二氧化碳排放量区域底数 · 1,386 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 20,226 行(48%)
- 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 20,226 行(48%)
- 中央产业政策文本司法监管 · 152 行 · 连接字段 approval_date、mentioned_industry_code按国民经济行业大类对上本数据集 2,372 行(5.7%)
按 城市 + 区县 能连
3 个数据集 · 本数据集 41,812 行有城市按 区县 + 省份 能连
3 个数据集 · 本数据集 41,369 行有区县按 国民经济行业大类 + 省份 能连
1 个数据集 · 本数据集 32,192 行有国民经济行业大类按 省份 能连
13 个数据集 · 本数据集 41,978 行有省份- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 41,978 行(99%)
- 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 41,978 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 41,978 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 41,978 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 41,978 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 41,978 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 41,797 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 41,797 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 41,048 行(97%)
- 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 40,055 行(95%)
- 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 38,607 行(91%)
- 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 33,664 行(80%)
按 区县 能连
9 个数据集 · 本数据集 41,369 行有区县- 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 41,137 行(97%)
- 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 41,099 行(97%)
- 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 40,572 行(96%)
- 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 35,834 行(85%)
- 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 34,080 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 33,784 行(80%)
- 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 24,490 行(58%)
- 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 13,529 行(32%)
- 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 11,187 行(26%)
按 城市 能连
7 个数据集 · 本数据集 41,812 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 41,800 行(99%)
- 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 41,506 行(98%)
- 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 41,491 行(98%)
- 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 41,491 行(98%)
- 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 41,185 行(98%)
- 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 37,579 行(89%)
- 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 21,672 行(51%)
按 股票代码 能连
2 个数据集 · 本数据集 41,978 行有股票代码只按年份能连:196 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
196 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
- 地级市城乡建设统计区域底数 · 208.6 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
- 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3
- 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增上市公司数字普惠金融上市公司数字普惠金融 - 扩增得出
county_code由省份、城市、区县扩增得出。
来自字段扩增上市公司数字普惠金融上市公司数字普惠金融 - 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普惠金融上市公司数字普惠金融
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-inclusive-finance/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。