上市公司环保处罚累计次数
一行是一家上市公司累计受到的环保处罚次数，截止日期见“统计截止日期”，带公司所在的省、市、县和行政区划代码。
v2 生效中 · 2026/11/13 发布险种标签：企业财产险责任险数据出处 出处待核实数据更新 2023/12/31
- 记录
- 5,633
- 字段
- 13
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
13 个字段，12 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 13 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 5,633 行计算。
关于这个数据集
一行是一家上市公司累计受到的环保处罚次数，截止日期见“统计截止日期”，带公司所在的省、市、县和行政区划代码。覆盖沪深上市公司，次数来自另一份整理，和“上市公司环保处罚”明细表的记录对不上，要看每年的处罚请用明细表。用来粗筛有环境违法记录的公司，评估环境污染责任险的风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 股票代码stock_code记录键含义：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% | 6 位 | ||
| 股票简称short_name含义：名称 | 文本 | 原生 | 100% | 取原表最新年份的简称 | ||
| 省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% | — | ||
| 地级市city含义：地区键：城市名称。样本里格式符合 83.2%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 县区county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 | 98% | — | ||
| 省代码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 | 100% | 6 位 | ||
| 市代码city_code含义：代码或编号键：多级区划代码（2019 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region_code规律 1：行政区划代码的字段规律字段规律：region_code_current由行政区划代码扩增得出。含义：代码或编号键：县级区划代码（2024 年版）。样本里格式符合 100%，99.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 区县的 6 位代码 | ||
| 是否有过环保处罚has_env_penalty含义：是否 | 整数 | 原生 | 100% | 到统计截止日期为止。1 是，0 否 | ||
| 环保处罚累计次数env_penalty_count含义：个数（次） | 整数 | 原生 | 100% | 截至统计截止日期的累计次数，不是某一年的次数 | ||
| 统计截止日期cutoff_date规律 1：统计截止日期的字段规律字段规律：cutoff_year由统计截止日期扩增得出。含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 行政区划代码（现行）region_code_current规律 1：行政区划代码（现行）的字段规律字段规律：region_code_current由行政区划代码扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，99.7% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：行政区划代码（现行） | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 行政区划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 | ||
| 统计截止年份cutoff_year规律 1：统计截止年份的字段规律字段规律：cutoff_year由统计截止日期扩增得出。含义：年份键：年份。样本里格式符合 100%，还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源：统计截止年份 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 从统计截止日期算出的年份 |
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 | 股票简称short_name | 省province | 地级市city | 县区county | 省代码province_code | 市代码city_code | 行政区划代码region_code | 是否有过环保处罚has_env_penalty | 环保处罚累计次数env_penalty_count | 统计截止日期cutoff_date | 行政区划代码（现行）region_code_current | 统计截止年份cutoff_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 平安银行 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 2 | 000002 | 万科A | 广东省 | 深圳市 | 盐田区 | 440000 | 440300 | 440308 | 0 | 0 | 2023-12-31 | 440308 | 2023 |
| 3 | 000003 | PT 金田A | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 4 | 000004 | 国华网安 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 0 | 0 | 2023-12-31 | 440304 | 2023 |
| 5 | 000005 | ST 星源 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 6 | 000006 | 深振业A | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 7 | 000007 | *ST 全新 | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 0 | 0 | 2023-12-31 | 440304 | 2023 |
| 8 | 000008 | 神州高铁 | 北京市 | 北京市 | 海淀区 | 110000 | 110000 | 110108 | 0 | 0 | 2023-12-31 | 110108 | 2023 |
| 9 | 000009 | 中国宝安 | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 10 | 000010 | 美丽生态 | 广东省 | 深圳市 | 宝安区 | 440000 | 440300 | 440306 | 0 | 0 | 2023-12-31 | 440306 | 2023 |
| 11 | 000011 | 深物业A | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 12 | 000012 | 南玻A | 广东省 | 深圳市 | 南山区 | 440000 | 440300 | 440305 | 0 | 0 | 2023-12-31 | 440305 | 2023 |
| 13 | 000013 | ST 石化A | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 0 | 0 | 2023-12-31 | 440304 | 2023 |
| 14 | 000014 | 沙河股份 | 广东省 | 深圳市 | 南山区 | 440000 | 440300 | 440305 | 0 | 0 | 2023-12-31 | 440305 | 2023 |
| 15 | 000015 | PT 中浩A | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 0 | 0 | 2023-12-31 | 440304 | 2023 |
| 16 | 000016 | 深康佳A | 广东省 | 深圳市 | 南山区 | 440000 | 440300 | 440305 | 0 | 0 | 2023-12-31 | 440305 | 2023 |
| 17 | 000017 | 深中华A | 广东省 | 深圳市 | 罗湖区 | 440000 | 440300 | 440303 | 0 | 0 | 2023-12-31 | 440303 | 2023 |
| 18 | 000018 | 神州长城 | 广东省 | 深圳市 | 龙岗区 | 440000 | 440300 | 440307 | 0 | 0 | 2023-12-31 | 440307 | 2023 |
| 19 | 000019 | 深粮控股 | 广东省 | 深圳市 | 南山区 | 440000 | 440300 | 440305 | 0 | 0 | 2023-12-31 | 440305 | 2023 |
| 20 | 000020 | 深华发A | 广东省 | 深圳市 | 福田区 | 440000 | 440300 | 440304 | 0 | 0 | 2023-12-31 | 440304 | 2023 |
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 v22026/11/13 发布
生效中5,633 行 · 13 个字段 · 初始导入（比 v1 行数减少 58,899，字段增加 1 个）
版本 v12026/11/12 发布
历史版本64,532 行 · 12 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，能和不少于 142 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 区县 + 地区 + 省份 + 股票代码 + 年份 能连
8 个数据集 · 本数据集 5,628 行有区县- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 province、county_code、city_code、year、stock_code按区县对上本数据集 5,627 行（99%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 county_code、stock_code、province、city_code、year按区县对上本数据集 5,572 行（98%）
- 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、city_code、county_code按区县对上本数据集 5,565 行（98%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 stock_code、year、county_code、province、city_code按区县对上本数据集 5,565 行（98%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 province、stock_code、city_code、county_code、year按区县对上本数据集 5,556 行（98%）
- 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、year、province、county_code、city_code按区县对上本数据集 5,556 行（98%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 province、city_code、stock_code、year、county_code按区县对上本数据集 5,479 行（97%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 stock_code、company_city_code、contract_date、region_code、buyer_province按区县对上本数据集 5,153 行（91%）
按 地区 + 省份 + 股票代码 + 年份 能连
18 个数据集 · 本数据集 5,626 行有地区- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、city_code、year、stock_code按地区对上本数据集 5,626 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、city_code、establish_date、province按地区对上本数据集 5,625 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、region_code按地区对上本数据集 5,625 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 city_code、stock_code、year、province按地区对上本数据集 5,625 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、city_code、stock_code按地区对上本数据集 5,621 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、province、stock_code、year按地区对上本数据集 5,621 行（99%）
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 year、province、stock_code、city_code按地区对上本数据集 5,614 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、city_code、province、stock_code按地区对上本数据集 5,586 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、city_code、stock_code按地区对上本数据集 5,586 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、city_code、year、stock_code按地区对上本数据集 5,585 行（99%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 stock_code、province、city_code、year按地区对上本数据集 5,577 行（99%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 city_code、year、stock_code、province按地区对上本数据集 5,573 行（98%）
按 区县 + 省份 + 股票代码 + 年份 能连
8 个数据集 · 本数据集 5,628 行有区县- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 stock_code、year、county_code、province按区县对上本数据集 5,490 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 stock_code、year、county_code、province按区县对上本数据集 5,488 行（97%）
- 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、year、province、county_code按区县对上本数据集 5,487 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 stock_code、province、year、county_code按区县对上本数据集 5,487 行（97%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 province、year、county_code、stock_code按区县对上本数据集 5,466 行（97%）
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 county_code、province、year、stock_code按区县对上本数据集 5,197 行（92%）
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 year、stock_code、region_code、province按区县对上本数据集 5,057 行（89%）
- 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、year、county_code按区县对上本数据集 5,027 行（89%）
按 区县 + 地区 + 省份 + 年份 能连
1 个数据集 · 本数据集 5,628 行有区县按 区县 + 省份 + 年份 能连
90 个数据集 · 本数据集 5,628 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 5,628 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 year、region_code、province_code按区县对上本数据集 5,625 行（99%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、province_code、region_code按区县对上本数据集 5,625 行（99%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 5,618 行（99%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、province、region_code按区县对上本数据集 5,618 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、region_code按区县对上本数据集 5,616 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按区县对上本数据集 5,616 行（99%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 5,616 行（99%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 5,616 行（99%）
- 区县人口分布（格网汇总）区域底数 · 1.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 5,616 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、county_code、taobao_village_year按区县对上本数据集 5,614 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 5,614 行（99%）
按 省份 + 股票代码 + 年份 能连
30 个数据集 · 本数据集 5,628 行有省份- 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 5,628 行（99%）
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 5,628 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、province、year按省份对上本数据集 5,628 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 5,628 行（99%）
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 5,628 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 region_code、stock_code、year按省份对上本数据集 5,628 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 5,628 行（99%）
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 5,628 行（99%）
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 listing_date、province、stock_code按省份对上本数据集 5,628 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 province、stock_code、establish_date按省份对上本数据集 5,625 行（99%）
- 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 5,625 行（99%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 5,625 行（99%）
按 地区 + 省份 + 年份 能连
6 个数据集 · 本数据集 5,626 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、region_code、province按地区对上本数据集 5,581 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 5,415 行（96%）
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 region_code、province、year按地区对上本数据集 5,323 行（94%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、region_code、province按地区对上本数据集 5,323 行（94%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 create_date、province、region_code按地区对上本数据集 3,989 行（70%）
- 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 1,543 行（27%）
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 5,628 行有区县按 区县 + 地区 + 年份 能连
1 个数据集 · 本数据集 5,628 行有区县按 省份 + 年份 能连
413 个数据集 · 本数据集 5,628 行有省份- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year按省份对上本数据集 5,628 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 5,628 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 5,628 行（99%）
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 5,628 行（99%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date按省份对上本数据集 5,628 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 5,628 行（99%）
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 5,628 行（99%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province按省份对上本数据集 5,628 行（99%）
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 province、year按省份对上本数据集 5,628 行（99%）
- 全国城投债明细企业主体 · 3.1 万 行 · 连接字段 list_date、province按省份对上本数据集 5,628 行（99%）
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year按省份对上本数据集 5,628 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 5,628 行（99%）
按 股票代码 + 年份 能连
230 个数据集 · 本数据集 5,633 行有股票代码- 上市证券历史简称企业主体 · 1.5 万 行 · 连接字段 ts_code、start_date按股票代码对上本数据集 5,606 行（99%）
- 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 5,597 行（99%）
- 上市公司财务基础企业主体 · 6.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 5,596 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 5,588 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 stock_code、year按股票代码对上本数据集 5,588 行（99%）
- 上市公司月个股回报率企业主体 · 73.7 万 行 · 连接字段 stock_code、trade_month按股票代码对上本数据集 5,574 行（98%）
- 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 5,574 行（98%）
- 上市公司绿色专利获得（CNRDS）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 5,574 行（98%）
- 上市公司基本信息企业主体 · 6.5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 5,574 行（98%）
- 上市公司年个股回报率企业主体 · 6.5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 5,574 行（98%）
- 上市公司分析师跟踪和研报数企业主体 · 6.1 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 5,574 行（98%）
- 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 5,562 行（98%）
按 区县 + 省份 能连
18 个数据集 · 本数据集 5,628 行有区县- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 5,616 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、village_code按区县对上本数据集 5,614 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 5,590 行（99%）
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code按区县对上本数据集 5,580 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 5,532 行（98%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 5,532 行（98%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 5,430 行（96%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 5,266 行（93%）
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 county_code、province按区县对上本数据集 4,809 行（85%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 4,384 行（77%）
- 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 4,007 行（71%）
- 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 4,006 行（71%）
按 区县 + 年份 能连
13 个数据集 · 本数据集 5,628 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 5,625 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 5,439 行（96%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date按区县对上本数据集 5,434 行（96%）
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 5,236 行（92%）
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 4,993 行（88%）
- 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 4,054 行（71%）
- 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 3,718 行（66%）
- 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 2,988 行（53%）
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 2,555 行（45%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code按区县对上本数据集 2,069 行（36%）
- 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 2,014 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 1,403 行（24%）
按 地区 + 年份 能连
4 个数据集 · 本数据集 5,626 行有地区按 地区 + 省份 能连
1 个数据集 · 本数据集 5,626 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 5,628 行有省份按 省份 能连
27 个数据集 · 本数据集 5,628 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 5,628 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 5,628 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 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 5,625 行（99%）
按 区县 能连
12 个数据集 · 本数据集 5,628 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 5,612 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 5,584 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 5,582 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 5,551 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 5,453 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 4,881 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 4,706 行（83%）
- 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 4,664 行（82%）
- 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 3,200 行（56%）
- 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 2,623 行（46%）
- 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 1,921 行（34%）
- 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 1,678 行（29%）
按 股票代码 能连
2 个数据集 · 本数据集 5,633 行有股票代码只按年份能连：261 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
261 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
cutoff_year由统计截止日期扩增得出。
来自字段扩增上市公司环保处罚累计次数上市公司环保处罚累计次数 - 扩增得出
region_code_current由行政区划代码扩增得出。
来自字段扩增上市公司环保处罚累计次数上市公司环保处罚累计次数
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-env-penalty-count/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。