
上市公司数实融合水平
一行是一家上市公司在某一年的数实产业技术融合次数及测算指标。覆盖全国上市公司,包含股票代码、年份、地域及行业信息。
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:2008–2022 年数据出处 出处待核实
- 记录
- 1.7 万
- 字段
- 9
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
9 个字段,8 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 9 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 17,082 行计算。
关于这个数据集
一行是一家上市公司在某一年的数实产业技术融合次数及测算指标。覆盖全国上市公司,包含股票代码、年份、地域及行业信息。可用于评估企业数字化转型程度,辅助企业财产险或责任险的风险定价。
| 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% | 需补零处理 原表列名:公司代码 | ||
| 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% | — | ||
| 城市city规律 1:城市的字段规律字段规律:city_code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 82.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 省份province规律 1:省份的字段规律字段规律:city_code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 | 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% | 如C37 | ||
| 行业IDindustry_id含义:代码或编号 | 整数 | 原生 | 100% | 原表列名:行业id | ||
| 融合次数fusion_count含义:个数(次) | 整数 | 原生 | 100% | 基于专利测算 原表列名:数实融合次数 | ||
| 对数融合次数ln_fusion_count | 小数 | 原生 | 100% | 单位:1+次数。ln(1+fusion_count) 原表列名:ln(1+次数) | ||
| 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%,96.1% 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 | 96%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 |
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 | 城市city | 省份province | 行业代码industry_code | 行业IDindustry_id | 融合次数fusion_count | 对数融合次数ln_fusion_count | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 000008 | 2019 | 北京市 | 北京市 | C37 | 35 | 0 | 0 | 110000 |
| 2 | 000008 | 2020 | 北京市 | 北京市 | C37 | 35 | 0 | 0 | 110000 |
| 3 | 000012 | 2008 | 深圳市 | 广东省 | C30 | 28 | 0 | 0 | 440300 |
| 4 | 000012 | 2009 | 深圳市 | 广东省 | C30 | 28 | 0 | 0 | 440300 |
| 5 | 000012 | 2011 | 深圳市 | 广东省 | C30 | 28 | 3 | 1.3862944 | 440300 |
| 6 | 000012 | 2013 | 深圳市 | 广东省 | C30 | 28 | 3 | 1.3862944 | 440300 |
| 7 | 000012 | 2014 | 深圳市 | 广东省 | C30 | 28 | 3 | 1.3862944 | 440300 |
| 8 | 000012 | 2015 | 深圳市 | 广东省 | C30 | 28 | 6 | 1.9459101 | 440300 |
| 9 | 000012 | 2016 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 10 | 000012 | 2017 | 深圳市 | 广东省 | C30 | 28 | 5 | 1.7917595 | 440300 |
| 11 | 000012 | 2018 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 12 | 000012 | 2019 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 13 | 000012 | 2020 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 14 | 000012 | 2021 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 15 | 000012 | 2022 | 深圳市 | 广东省 | C30 | 28 | 1 | 0.69314718 | 440300 |
| 16 | 000016 | 2010 | 深圳市 | 广东省 | C39 | 37 | 7 | 2.0794415 | 440300 |
| 17 | 000016 | 2013 | 深圳市 | 广东省 | C39 | 37 | 2 | 1.0986123 | 440300 |
| 18 | 000016 | 2014 | 深圳市 | 广东省 | C39 | 37 | 1 | 0.69314718 | 440300 |
| 19 | 000016 | 2015 | 深圳市 | 广东省 | C39 | 37 | 2 | 1.0986123 | 440300 |
| 20 | 000016 | 2017 | 深圳市 | 广东省 | C39 | 37 | 2 | 1.0986123 | 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17,082 行 · 9 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 146 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 + 城市 + 省份 + 股票代码 + 年份 能连
7 个数据集 · 本数据集 17,082 行有证监会行业大类- 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、year、industry_code、stock_code、city_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 stock_code、year、province、industry_code、city_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 year、province、industry_code、stock_code、city_code_2按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司金融科技与创新企业主体 · 4.2 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 17,082 行(100%)
- 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、region_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 year、province、stock_code、industry_code、city_code按证监会行业大类对上本数据集 17,076 行(99%)
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 year、province、industry_code、stock_code、city_code按证监会行业大类对上本数据集 16,921 行(99%)
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
27 个数据集 · 本数据集 17,082 行有证监会行业大类- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 industry_code_c、establish_date、stkcd、province按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 year、stock_code、province、industry_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司供应链效率企业主体 · 7.1 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 17,082 行(100%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 stock_code、province、industry_code、year按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司跨境电商DID企业主体 · 6.9 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 17,082 行(100%)
- 上市公司气候风险指数企业主体 · 6.7 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 17,082 行(100%)
- 上市公司年报AI词频企业主体 · 6.2 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 17,082 行(100%)
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 industry_code、year、province、stock_code按证监会行业大类对上本数据集 17,082 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、industry_code、province_code、year按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 industry_code、year、province、stock_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、year、stock_code、industry_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、industry_code_c、province、year按证监会行业大类对上本数据集 17,082 行(100%)
按 城市 + 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 16,419 行有城市- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 city_code、setup_date、province、stock_code按城市对上本数据集 16,413 行(96%)
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 city_code、stock_code、province、year按城市对上本数据集 16,409 行(96%)
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 province、city_code、stock_code、year按城市对上本数据集 16,409 行(96%)
- 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、year、province、city_code按城市对上本数据集 16,409 行(96%)
- 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 16,409 行(96%)
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 province、stock_code、city_code_2、year按城市对上本数据集 16,409 行(96%)
- 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、city_code_2、year按城市对上本数据集 16,409 行(96%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、year、city_code_2、province按城市对上本数据集 16,409 行(96%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、stock_code、province、city_code_2按城市对上本数据集 16,409 行(96%)
- 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、city_code、province按城市对上本数据集 16,409 行(96%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、province、city_code_2、stock_code按城市对上本数据集 16,409 行(96%)
- 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、province、stock_code、register_address_city_code按城市对上本数据集 16,406 行(96%)
按 城市 + 省份 + 年份 能连
166 个数据集 · 本数据集 16,419 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 month、origin_province、origin_city_code按城市对上本数据集 16,419 行(96%)
- 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 16,419 行(96%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、year、origin_city_code按城市对上本数据集 16,419 行(96%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、province、region_code按城市对上本数据集 16,419 行(96%)
- 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 16,419 行(96%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、date、province按城市对上本数据集 16,419 行(96%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year、province按城市对上本数据集 16,419 行(96%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code、province按城市对上本数据集 16,419 行(96%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、approve_date按城市对上本数据集 16,419 行(96%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、city_code、province按城市对上本数据集 16,419 行(96%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 16,419 行(96%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、province、region_code按城市对上本数据集 16,419 行(96%)
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 17,082 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 year、industry_code、stock_code按证监会行业大类对上本数据集 17,082 行(100%)
- 上市公司FC融资约束指数企业主体 · 40.7 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 17,082 行(100%)
- 上市公司KZ指数多口径企业主体 · 40.7 万 行 · 连接字段 industry_code、stock_code、report_date按证监会行业大类对上本数据集 17,082 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 17,082 行(100%)
- 上市公司盈利能力企业主体 · 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 17,082 行(100%)
- 上市公司发展能力企业主体 · 7.4 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 17,082 行(100%)
- 上市公司财务基础企业主体 · 6.7 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 17,082 行(100%)
- 上市公司勒纳指数企业主体 · 6.6 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 17,082 行(100%)
- 上市公司基本信息企业主体 · 6.5 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 17,082 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 stock_code、industry_code、year按证监会行业大类对上本数据集 17,082 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 listed_date、industry_code、stock_code按证监会行业大类对上本数据集 17,082 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 stock_code、report_date、industry_code按证监会行业大类对上本数据集 17,082 行(100%)
按 省份 + 股票代码 + 年份 能连
17 个数据集 · 本数据集 17,082 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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按省份对上本数据集 17,082 行(100%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 17,082 行(100%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 17,082 行(100%)
- 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、stock_code按省份对上本数据集 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 制造业上市公司财务指标企业主体 · 3.7 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 17,082 行(100%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 17,082 行(100%)
按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 16,419 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 16,419 行有城市按 省份 + 年份 能连
344 个数据集 · 本数据集 17,082 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 17,082 行(100%)
- 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 17,082 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 17,082 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 17,082 行(100%)
- 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按省份对上本数据集 17,082 行(100%)
- 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 17,082 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 17,082 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 17,082 行(100%)
- 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 17,082 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 17,082 行(100%)
- 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 17,082 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 17,082 行(100%)
按 股票代码 + 年份 能连
186 个数据集 · 本数据集 17,082 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 17,082 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 17,082 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 17,082 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 17,082 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 17,082 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 17,082 行(100%)
- 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 17,082 行(100%)
- 上市公司审计与披露企业主体 · 5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 17,082 行(100%)
- 上市公司年度违规次数企业主体 · 5 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 17,082 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 year、stock_code按股票代码对上本数据集 17,082 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 17,082 行(100%)
- A股全品类能耗折标企业主体 · 4.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 17,082 行(100%)
按 城市 + 年份 能连
64 个数据集 · 本数据集 16,419 行有城市- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 16,417 行(96%)
- 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 16,409 行(96%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 16,409 行(96%)
- 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 16,409 行(96%)
- 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 16,409 行(96%)
- 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 16,409 行(96%)
- 地级市外商直接投资区域底数 · 8,260 行 · 连接字段 year、city_code按城市对上本数据集 16,409 行(96%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 16,409 行(96%)
- 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 16,409 行(96%)
- 地级市城镇居民可支配收入区域底数 · 6,651 行 · 连接字段 city_code、year按城市对上本数据集 16,409 行(96%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 year、city_code按城市对上本数据集 16,409 行(96%)
- 地级市工业产值与利税区域底数 · 6,324 行 · 连接字段 year、region_code按城市对上本数据集 16,409 行(96%)
按 城市 + 省份 能连
28 个数据集 · 本数据集 16,419 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 16,419 行(96%)
- 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 city_code、province_code按城市对上本数据集 16,419 行(96%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 16,419 行(96%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 16,419 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 16,409 行(96%)
- 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 16,409 行(96%)
- 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 16,405 行(96%)
- 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 16,403 行(96%)
- 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 16,396 行(95%)
- 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 16,387 行(95%)
- 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 16,386 行(95%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 16,366 行(95%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 17,082 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 17,082 行有证监会行业大类按 省份 能连
17 个数据集 · 本数据集 17,082 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,082 行(100%)
- 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 17,061 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 17,061 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 16,890 行(98%)
按 城市 能连
10 个数据集 · 本数据集 16,419 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 16,419 行(96%)
- 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 16,403 行(96%)
- 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 16,402 行(96%)
- 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 16,402 行(96%)
- 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 16,396 行(95%)
- 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 16,396 行(95%)
- 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 16,335 行(95%)
- 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 14,610 行(85%)
- 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 12,007 行(70%)
- 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 8,314 行(48%)
按 股票代码 能连
2 个数据集 · 本数据集 17,082 行有股票代码只按年份能连:212 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
212 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
- 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
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
city_code由省份、城市扩增得出。
来自字段扩增上市公司数实融合水平上市公司数实融合水平
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-real-fusion/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000008"}],"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。