
- 记录
- 3.8 万
- 字段
- 19
- AI 扩增字段
- 2
- 平均非空率
- 98.3%
- 字段完整度
19 个字段,17 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 19 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 37,648 行计算。
关于这个数据集
一行是一家 A 股上市公司一年的数字化无形资产占比:年报无形资产附注里数字技术类项目(九成以上是各类软件,另有信息系统、网络等)的期末数之和除以总资产,另有行业和注册地。覆盖 2007–2022 年,共 37648 行,2014 年只有 1066 行,约是前后年份的一半。它按资产算,和按年报关键词算的上市公司数字化转型指数(吴非)是不同的指标,各项明细见上市公司数字化资产明细。用来比较企业在数字技术上的资产投入,辅助企业财产险和责任险的风险评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year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% | 6 位 A 股代码 | ||
| 股票简称stock_name | 文本 | 原生 | 100% | — | ||
| 公司全称company_name键:企业名称。样本里格式符合 100%,还没有参照 | 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。键:行业名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 证监会行业分类 | ||
| 行业代码industry_code | 文本 | 原生 | 100% | 证监会行业分类代码 | ||
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 公司注册地所在省份 | ||
| 城市city键:城市名称。样本里格式符合 82.6%,还没有参照 | 文本 | 原生 | 100% | 公司注册地所在城市 | ||
| 区县county键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 99% | 公司注册地所在区县 | ||
| 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% | 6 位行政区划代码 | ||
| 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% | 6 位行政区划代码 | ||
| 区县代码region_code规律 1:区县代码的字段规律字段规律:region_code_current由区县代码扩增得出。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% | 6 位行政区划代码 | ||
| 首次上市年份first_listing_year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 | 文本 | 原生 | 100% | — | ||
| 数字化无形资产digital_intangible_amount | 小数 | 原生 | 100% | 单位:万元。年报无形资产附注里软件、数据、网络、系统等数字技术类项目的期末数之和,等于 listed-company-digital-asset-detail 同一公司同一年各项的合计 | ||
| 总资产total_assets_amount | 小数 | 原生 | 100% | 单位:万元 | ||
| 数字化无形资产占比digital_intangible_share | 小数 | 原生 | 100% | 数字化无形资产除以总资产,是小数不是百分数 | ||
| 区县代码(现行)region_code_current规律 1:区县代码(现行)的字段规律字段规律:region_code_current由区县代码扩增得出。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 | ||
| 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。键:大类国民经济行业代码。样本里格式符合 100%,70.2% 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 | 70%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stock_name | 公司全称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region_code | 首次上市年份first_listing_year | 上市状态listing_status | 数字化无形资产digital_intangible_amount | 总资产total_assets_amount | 数字化无形资产占比digital_intangible_share | 区县代码(现行)region_code_current | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2022 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 622000 | 532151400 | 0.00116884029620142 | 440303 | 66 |
| 2 | 2021 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 569700 | 492138000 | 0.00115760213598625 | 440303 | 66 |
| 3 | 2020 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 551100 | 446851400 | 0.00123329590105346 | 440303 | 66 |
| 4 | 2019 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 498000 | 393907000 | 0.00126425780704583 | 440303 | 66 |
| 5 | 2018 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 408800 | 341859200 | 0.00119581394913461 | 440303 | 66 |
| 6 | 2017 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 313200 | 324847400 | 0.000964145010857406 | 440303 | 66 |
| 7 | 2016 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 252900 | 295343400 | 0.000856291354403044 | 440303 | 66 |
| 8 | 2015 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 213200 | 250714900 | 0.000850368286846932 | 440303 | 66 |
| 9 | 2014 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 184100 | 218645900 | 0.000842000696102694 | 440303 | 66 |
| 10 | 2013 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 138300 | 189174100 | 0.000731072593975602 | 440303 | 66 |
| 11 | 2012 | 000001 | 平安银行 | 平安银行股份有限公司 | 货币金融服务 | J66 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 125681.1 | 160653676 | 0.000782310763931726 | 440303 | 66 |
| 12 | 2011 | 000001 | 深发展A | 深圳发展银行股份有限公司 | 其他商业银行 | I0199 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 1991 | 正常上市 | 91263.1 | 125817694.4 | 0.000725359818706072 | 440303 | — |
| 13 | 2022 | 000004 | ST 国华 | 深圳国华网安科技股份有限公司 | 软件和信息技术服务业 | I65 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 5443.835788 | 57539.074106 | 0.0946111120587589 | 440304 | 65 |
| 14 | 2021 | 000004 | 国华网安 | 深圳国华网安科技股份有限公司 | 软件和信息技术服务业 | I65 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 5010.556948 | 111056.995785 | 0.0451169862158 | 440304 | 65 |
| 15 | 2020 | 000004 | 国华网安 | 深圳国华网安科技股份有限公司 | 软件和信息技术服务业 | I65 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 3402.296902 | 156356.287086 | 0.0217598982772509 | 440304 | 65 |
| 16 | 2019 | 000004 | 国农科技 | 深圳中国农大科技股份有限公司 | 软件和信息技术服务业 | I65 | 广东省 | 深圳市 | 南山区 | 440000 | 440300 | 440305 | 1991 | ST | 219.218346 | 149449.026624 | 0.00146684358508091 | 440305 | 65 |
| 17 | 2013 | 000004 | 国农科技 | 深圳中国农大科技股份有限公司 | 医药制造业 | C27 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 2.498 | 24215.207961 | 0.00010315831290911 | 440304 | 27 |
| 18 | 2012 | 000004 | 国农科技 | 深圳中国农大科技股份有限公司 | 医药制造业 | C27 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 3.998 | 19291.356886 | 0.000207243068677113 | 440304 | 27 |
| 19 | 2011 | 000004 | 国农科技 | 深圳中国农大科技股份有限公司 | 化学药品制剂制造业 | C8105 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 3.998 | 19630.721948 | 0.000203660365145527 | 440304 | — |
| 20 | 2010 | 000004 | *ST 国农 | 深圳中国农大科技股份有限公司 | 化学药品制剂制造业 | C8105 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 1991 | ST | 3.4 | 18421.94357 | 0.000184562502163826 | 440304 | — |
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 v12026/11/15 发布
生效中37,648 行 · 19 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 + 区县 + 地区 + 省份 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 26,408 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 province、city_code、county_code、industry_code_2、stock_code、year按国民经济行业大类对上本数据集 26,408 行(70%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 county_code、year、province、industry_code_2、stock_code、city_code按国民经济行业大类对上本数据集 26,408 行(70%)
- 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、city_code、county_code、industry_code_2、stock_code按国民经济行业大类对上本数据集 26,408 行(70%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 company_industry_code_2、region_code、contract_date、company_city_code、buyer_province、stock_code按国民经济行业大类对上本数据集 25,705 行(68%)
按 国民经济行业大类 + 地区 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 26,408 行有国民经济行业大类- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 industry_code_2、province、year、city_code、stock_code按国民经济行业大类对上本数据集 26,408 行(70%)
- 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、province、industry_code_2、city_code、stock_code按国民经济行业大类对上本数据集 26,408 行(70%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、city_code、industry_code_2、year、province按国民经济行业大类对上本数据集 26,408 行(70%)
- 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、province、city_code、stock_code按国民经济行业大类对上本数据集 26,408 行(70%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 province、city_code、industry_code_2、stock_code、year按国民经济行业大类对上本数据集 26,408 行(70%)
按 区县 + 地区 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 37,631 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、year、city_code、stock_code、county_code按区县对上本数据集 37,628 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、stock_code、province、county_code按区县对上本数据集 37,622 行(99%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、stock_code、city_code、county_code、province按区县对上本数据集 37,485 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、year、stock_code、province、county_code按区县对上本数据集 37,459 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 cutoff_date、province、stock_code、region_code、city_code按区县对上本数据集 37,088 行(98%)
按 国民经济行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
3 个数据集 · 本数据集 26,408 行有国民经济行业大类- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 province、industry_code_2、stock_code、county_code、year按国民经济行业大类对上本数据集 26,408 行(70%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 industry_code_2、stock_code、county_code、year、province按国民经济行业大类对上本数据集 26,389 行(70%)
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 industry_code_2、stock_code、year、province、region_code按国民经济行业大类对上本数据集 26,087 行(69%)
按 地区 + 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 37,604 行有地区- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、year、stock_code、city_code按地区对上本数据集 37,601 行(99%)
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 stock_code、city_code、province、year按地区对上本数据集 37,557 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、city_code、stock_code按地区对上本数据集 37,554 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、province、year、region_code按地区对上本数据集 37,554 行(99%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 37,554 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、year、province_code、city_code按地区对上本数据集 37,554 行(99%)
- 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、province、year按地区对上本数据集 37,554 行(99%)
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 year、city_code、province、stock_code按地区对上本数据集 37,540 行(99%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 province、establish_date、city_code、stkcd按地区对上本数据集 37,530 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、region_code、stock_code、year按地区对上本数据集 37,464 行(99%)
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 stock_code、province、year、region_code按地区对上本数据集 37,464 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 province、stock_code、year、region_code按地区对上本数据集 37,445 行(99%)
按 区县 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 37,631 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、county_code、year、stock_code按区县对上本数据集 37,193 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 county_code、province、stock_code、year按区县对上本数据集 37,178 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 county_code、stock_code、province、year按区县对上本数据集 37,178 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、county_code、year按区县对上本数据集 37,113 行(98%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 province、stock_code、county_code、year按区县对上本数据集 34,509 行(91%)
按 国民经济行业大类 + 区县 + 省份 + 年份 能连
3 个数据集 · 本数据集 26,408 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 county_code、est_date、province、industry_code按国民经济行业大类对上本数据集 26,355 行(70%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 industry_code、county_code、year、province按国民经济行业大类对上本数据集 13,906 行(36%)
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 province、disclosure_date、industry_division_code、county_code按国民经济行业大类对上本数据集 404 行(1.1%)
按 国民经济行业大类 + 省份 + 股票代码 + 年份 能连
1 个数据集 · 本数据集 26,408 行有国民经济行业大类按 区县 + 地区 + 省份 + 年份 能连
1 个数据集 · 本数据集 37,631 行有区县按 区县 + 省份 + 年份 能连
87 个数据集 · 本数据集 37,631 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、region_code按区县对上本数据集 37,631 行(99%)
- 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 region_code、province_code、year按区县对上本数据集 37,628 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 37,628 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 37,604 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 37,604 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 province_code、taobao_village_year、county_code按区县对上本数据集 37,599 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、year、county_code_2按区县对上本数据集 37,599 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、region_code按区县对上本数据集 37,593 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、year、province按区县对上本数据集 37,593 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 37,593 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 37,593 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 37,593 行(99%)
按 省份 + 股票代码 + 年份 能连
29 个数据集 · 本数据集 37,631 行有省份- 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 37,631 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 37,631 行(99%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 37,631 行(99%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 37,631 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 37,631 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、province、stock_code按省份对上本数据集 37,631 行(99%)
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 37,631 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、province、listing_date按省份对上本数据集 37,631 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 stock_code、establish_date、province按省份对上本数据集 37,628 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 37,628 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、province、stock_code按省份对上本数据集 37,628 行(99%)
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 listing_date、stock_code、province按省份对上本数据集 37,628 行(99%)
按 地区 + 省份 + 年份 能连
6 个数据集 · 本数据集 37,604 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、region_code、year按地区对上本数据集 37,375 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、year、city_code按地区对上本数据集 36,709 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 35,898 行(95%)
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 province、region_code、year按地区对上本数据集 35,898 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、create_date、region_code按地区对上本数据集 28,003 行(74%)
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 landfall_date、region_code、province_code按地区对上本数据集 10,602 行(28%)
按 国民经济行业大类 + 省份 + 年份 能连
4 个数据集 · 本数据集 26,408 行有国民经济行业大类- 央企基本信息企业主体 · 1,867 行 · 连接字段 stat_date、industry_code、province_code按国民经济行业大类对上本数据集 16,529 行(43%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 category_code、year、province按国民经济行业大类对上本数据集 16,271 行(43%)
- 省级分行业工业总产值区域底数 · 1.1 万 行 · 连接字段 year、region、industry_code按国民经济行业大类对上本数据集 8,387 行(22%)
- 省级五年规划产业条目司法监管 · 4,363 行 · 连接字段 province、approval_date、mentioned_industry_code按国民经济行业大类对上本数据集 5,916 行(15%)
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 26,408 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 industry_code_2、stock_code、year按国民经济行业大类对上本数据集 25,608 行(68%)
- 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 10,985 行(29%)
- 上市公司商道融绿ESG评级企业主体 · 5,746 行 · 连接字段 year、stock_code、industry_wind_code按国民经济行业大类对上本数据集 877 行(2.3%)
- 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 877 行(2.3%)
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 37,631 行有区县按 国民经济行业大类 + 区县 + 省份 能连
1 个数据集 · 本数据集 26,408 行有国民经济行业大类按 国民经济行业大类 + 区县 + 年份 能连
1 个数据集 · 本数据集 26,408 行有国民经济行业大类按 区县 + 地区 + 年份 能连
1 个数据集 · 本数据集 37,631 行有区县按 省份 + 年份 能连
416 个数据集 · 本数据集 37,631 行有省份- 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 37,631 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year按省份对上本数据集 37,631 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 date、region_code按省份对上本数据集 37,631 行(99%)
- 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 37,631 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code按省份对上本数据集 37,631 行(99%)
- 全国铁路列车经停时刻交通运输 · 7.9 万 行 · 连接字段 dep_province、update_date按省份对上本数据集 37,631 行(99%)
- 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 37,631 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year按省份对上本数据集 37,631 行(99%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 37,631 行(99%)
- 全国城投债明细企业主体 · 3.1 万 行 · 连接字段 province、list_date按省份对上本数据集 37,631 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、province按省份对上本数据集 37,631 行(99%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、province按省份对上本数据集 37,631 行(99%)
按 股票代码 + 年份 能连
224 个数据集 · 本数据集 37,648 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 37,648 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 37,648 行(100%)
- 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 37,648 行(100%)
- 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 37,648 行(100%)
- 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 37,648 行(100%)
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 37,648 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 stock_code、listed_date按股票代码对上本数据集 37,648 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按股票代码对上本数据集 37,648 行(100%)
- 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 37,648 行(100%)
- 上市公司环境披露指数企业主体 · 4.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 37,648 行(100%)
- 上市公司数字化资产明细企业主体 · 4.3 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 37,648 行(100%)
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 37,645 行(99%)
按 区县 + 省份 能连
17 个数据集 · 本数据集 37,631 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 village_code、province_code按区县对上本数据集 37,599 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 37,593 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 37,460 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 37,433 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code按区县对上本数据集 37,221 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 37,178 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 36,466 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 35,628 行(94%)
- 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 29,303 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 26,784 行(71%)
- 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 26,777 行(71%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code按区县对上本数据集 20,742 行(55%)
按 区县 + 年份 能连
12 个数据集 · 本数据集 37,631 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 37,628 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 36,753 行(97%)
- 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 34,528 行(91%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 33,682 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 26,450 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 24,677 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 19,347 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 16,163 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 14,101 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 12,737 行(33%)
- 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 10,150 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 year、region_code按区县对上本数据集 6,231 行(16%)
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 26,408 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 26,256 行(69%)
- 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 24,910 行(66%)
- 上市公司碳排放量企业主体 · 2,985 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 24,123 行(64%)
- 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 16,430 行(43%)
- 工业分行业统计指标区域底数 · 7,707 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 16,288 行(43%)
- 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 16,271 行(43%)
- 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 16,271 行(43%)
- 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 16,256 行(43%)
- 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 1,869 行(5%)
按 地区 + 年份 能连
4 个数据集 · 本数据集 37,604 行有地区按 国民经济行业大类 + 省份 能连
1 个数据集 · 本数据集 26,408 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 37,604 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 37,631 行有省份按 省份 能连
26 个数据集 · 本数据集 37,631 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 37,631 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 37,631 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 37,628 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 37,628 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 37,628 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 37,628 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 37,628 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 37,628 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 37,628 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 37,628 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 37,628 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 37,480 行(99%)
按 区县 能连
12 个数据集 · 本数据集 37,631 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 37,570 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 37,400 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 37,353 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 37,199 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 36,905 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 32,629 行(86%)
- 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 30,871 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 30,555 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 22,411 行(59%)
- 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 18,769 行(49%)
- 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 12,599 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 10,273 行(27%)
按 股票代码 能连
2 个数据集 · 本数据集 37,648 行有股票代码只按年份能连:252 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
252 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2
- 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无形资产占比上市公司数字化无形资产占比 - 扩增得出
region_code_current由区县代码扩增得出。
来自字段扩增上市公司数字化无形资产占比上市公司数字化无形资产占比
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-intangible-share/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。