上市公司ESG与就业指标
一行代表一家上市公司在某一年的ESG表现、员工规模及财务经营状况。
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：2009–2022 年数据出处 出处待核实
- 记录
- 4.2 万
- 字段
- 22
- AI 扩增字段
- 2
- 平均非空率
- 98.3%
- 字段完整度
22 个字段，19 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 22 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 42,166 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ESG表现、员工规模及财务经营状况。数据覆盖中国A股上市公司，包含ESG得分、员工人数、总资产、托宾Q值等关键指标。可用于分析企业社会责任对就业吸纳能力的影响，或作为企业风险与可持续发展能力的评估依据。
| 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 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 | 100% | — | ||
| 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 80.4%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 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 | 100% | — | ||
| 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 | 100% | — | ||
| 上市状态listing_status含义：类别 | 文本 | 原生 | 100% | — | ||
| ESG年均值esg_score_avg | 小数 | 原生 | 100% | 原表列名：ESG得分_年均值 | ||
| ESG年中位数esg_score_median | 小数 | 原生 | 100% | 原表列名：ESG得分_年中位数 | ||
| 员工人数employee_count含义：人数（人） | 整数 | 原生 | 100% | 单位：人 原表列名：员工人数_人 | ||
| 总资产total_assets_amount含义：金额（元） | 小数 | 原生 | 100% | 单位：元 原表列名：总资产_元 | ||
| 企业年龄company_age含义：时长（年） | 整数 | 原生 | 100% | 单位：年 | ||
| 应付职工薪酬payroll_amount含义：金额（元） | 小数 | 原生 | 100% | 单位：元 原表列名：应付职工薪酬_元 | ||
| 托宾Q值tobin_q | 小数 | 原生 | 98% | — | ||
| 总资产净利润率roa含义：比率（%） | 小数 | 原生 | 100% | — | ||
| 资产负债率debt_ratio含义：比率（%） | 小数 | 原生 | 100% | — | ||
| 控股股东性质controlling_shareholder_type含义：类别 | 文本 | 原生 | 94% | — | ||
| 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 | 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%，70.9% 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 | 71%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 | ESG年均值esg_score_avg | ESG年中位数esg_score_median | 员工人数employee_count | 总资产total_assets_amount | 企业年龄company_age | 应付职工薪酬payroll_amount | 托宾Q值tobin_q | 总资产净利润率roa | 资产负债率debt_ratio | 控股股东性质controlling_shareholder_type | 城市区划代码city_code_2 | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 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 | 6 | 6 | 11308 | 587811034000 | 19 | 1681728000 | 1.08844 | 0.008558 | 0.965177 | 0 | 440300 | — |
| 2 | 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 | 6 | 6 | 12203 | 727207076000 | 20 | 1878603000 | 1.02675 | 0.008641 | 0.954349 | 0 | 440300 | — |
| 3 | 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 | 6 | 6 | 13778 | 1258176944000 | 21 | 3600345000 | 1.002164 | 0.008258 | 0.940087 | 0 | 440300 | — |
| 4 | 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 | 6 | 6 | 24251 | 1606536760000 | 22 | 4863106000 | 0.998973 | 0.00841 | 0.947216 | 0 | 440300 | 66 |
| 5 | 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 | 6.5 | 6.5 | 34724 | 1891741000000 | 23 | 6013000000 | 0.995806 | 0.008051 | 0.940752 | 0 | 440300 | 66 |
| 6 | 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 | 6.25 | 6 | 35069 | 2186459000000 | 24 | 7961000000 | 1.019698 | 0.009057 | 0.940109 | 0 | 440300 | 66 |
| 7 | 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 | 6 | 6 | 37937 | 2507149000000 | 25 | 10351000000 | 1.003311 | 0.008721 | 0.935584 | 0 | 440300 | 66 |
| 8 | 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 | 6.25 | 6 | 36885 | 2953434000000 | 26 | 9289000000 | 0.986751 | 0.007652 | 0.931547 | 0 | 440300 | 66 |
| 9 | 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 | 6 | 6 | 32502 | 3248474000000 | 27 | 10713000000 | 1.001915 | 0.007138 | 0.931644 | 0 | 440300 | 66 |
| 10 | 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 | 5.25 | 5 | 34626 | 3418592000000 | 28 | 12238000000 | 0.976896 | 0.00726 | 0.929783 | 0 | 440300 | 66 |
| 11 | 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 | 5.5 | 5.5 | 34253 | 3939070000000 | 29 | 14218000000 | 1.001585 | 0.007158 | 0.920544 | 0 | 440300 | 66 |
| 12 | 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 | 6 | 6 | 38097 | 4468514000000 | 30 | 16959000000 | 1.002502 | 0.006474 | 0.918512 | 0 | 440300 | 66 |
| 13 | 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 | 6 | 6 | 40651 | 4921380000000 | 31 | 18095000000 | 0.984631 | 0.007383 | 0.919647 | 0 | 440300 | 66 |
| 14 | 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 | 6 | 6 | 44207 | 5321514000000 | 32 | 18571000000 | 0.966308 | 0.008553 | 0.918316 | 0 | 440300 | 66 |
| 15 | 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 | 5.5 | 5.5 | 17616 | 137608554829.39 | 19 | 806504472.2 | 1.511156 | 0.046727 | 0.670017 | 0 | 440300 | — |
| 16 | 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 | 6 | 6 | 22850 | 215637551741.83 | 20 | 1415758826.87 | 1.165389 | 0.040993 | 0.746861 | 0 | 440300 | — |
| 17 | 2011 | 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 | 6 | 6 | 27951 | 296208440030.05 | 21 | 1690351691.72 | 1.04268 | 0.03916 | 0.770997 | 0 | 440300 | — |
| 18 | 2012 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 6 | 6 | 31019 | 378801615075.37 | 22 | 2177748944.37 | 1.076892 | 0.041348 | 0.783163 | 0 | 440300 | 70 |
| 19 | 2013 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 6 | 6 | 35330 | 479205323490.54 | 23 | 2451674436.71 | 0.968694 | 0.038183 | 0.77997 | 0 | 440300 | 70 |
| 20 | 2014 | 000002 | 万科A | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 440300 | 正常上市 | 6 | 6 | 40647 | 508408755415.65 | 24 | 1830829986.8 | 1.064914 | 0.037937 | 0.772046 | 0 | 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42,166 行 · 22 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 29,892 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、city_code、stock_code、province、city_code_2、year按国民经济行业大类对上本数据集 29,892 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 province、year、stock_code、city_code、industry_code_2、city_code_2按国民经济行业大类对上本数据集 29,892 行（70%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code、stock_code、province、industry_code_2、year、city_code_2按国民经济行业大类对上本数据集 29,892 行（70%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、stock_code、city_code_2、industry_code_2、province、city_code按国民经济行业大类对上本数据集 29,892 行（70%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、buyer_province、buyer_city_code、company_city_code、company_industry_code_2、stock_code按国民经济行业大类对上本数据集 29,063 行（68%）
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 29,892 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 industry_code_2、year、stock_code、province、city_code按国民经济行业大类对上本数据集 29,892 行（70%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 city_code、industry_code_2、year、stock_code、province按国民经济行业大类对上本数据集 29,892 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 industry_code_2、province、year、city_code、stock_code按国民经济行业大类对上本数据集 29,892 行（70%）
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 29,892 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 41,964 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 42,129 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、year、province、city_code按地区对上本数据集 42,129 行（99%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、province、year、city_code按地区对上本数据集 42,129 行（99%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 province、year、city_code、stock_code按地区对上本数据集 42,122 行（99%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 province、stock_code、city_code、year按地区对上本数据集 42,113 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、city_code、province、year按地区对上本数据集 42,073 行（99%）
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 stock_code、province、year、city_code按地区对上本数据集 42,073 行（99%）
- 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、region_code按地区对上本数据集 42,073 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 year、province、city_code、stock_code按地区对上本数据集 42,073 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、stock_code、city_code、province_code按地区对上本数据集 42,073 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、year、stock_code、province按地区对上本数据集 42,073 行（99%）
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 province、year、stock_code、city_code按地区对上本数据集 42,063 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 city_code、province、establish_date、stkcd按地区对上本数据集 42,037 行（99%）
按 城市 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 41,964 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、city_code、stock_code、year按城市对上本数据集 41,964 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、year、province、city_code按城市对上本数据集 41,964 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 city_code、stock_code、year、province按城市对上本数据集 41,964 行（99%）
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 stock_code、city_code、province、setup_date按城市对上本数据集 41,910 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、province、register_address_city_code按城市对上本数据集 41,907 行（99%）
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 stock_code、province、year、city_code按城市对上本数据集 41,849 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 year、stock_code、province、region_code按城市对上本数据集 41,818 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 region_code、year、province、stock_code按城市对上本数据集 41,636 行（98%）
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 stock_code、city_code、province、year按城市对上本数据集 41,498 行（98%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 year、province、city_code、stock_code按城市对上本数据集 40,976 行（97%）
- 上市公司数实融合水平企业主体 · 1.7 万 行 · 连接字段 stock_code、province、city_code、year按城市对上本数据集 40,973 行（97%）
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 29,892 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、est_date、industry_code按国民经济行业大类对上本数据集 29,842 行（70%）
- 央企基本信息企业主体 · 1,867 行 · 连接字段 city_code、stat_date、industry_code、province_code按国民经济行业大类对上本数据集 18,350 行（43%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 city_code、province、industry_code、year按国民经济行业大类对上本数据集 16,129 行（38%）
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 city_code、province、disclosure_date、industry_division_code按国民经济行业大类对上本数据集 472 行（1.1%）
按 城市 + 地区 + 省份 + 年份 能连
4 个数据集 · 本数据集 41,964 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 year、region_code、province、city_code按城市对上本数据集 40,983 行（97%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、region_code、province、city_code按城市对上本数据集 40,983 行（97%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 create_date、region_code、province、city_code按城市对上本数据集 33,542 行（79%）
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 region_code、province、create_date、city_code按城市对上本数据集 19,587 行（46%）
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 29,892 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 41,964 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 41,964 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 41,964 行（99%）
- 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 41,964 行（99%）
- 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 41,964 行（99%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、year、province按城市对上本数据集 41,964 行（99%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_city_code、origin_province按城市对上本数据集 41,964 行（99%）
- 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 41,964 行（99%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code、year按城市对上本数据集 41,964 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 province、date、city_code按城市对上本数据集 41,964 行（99%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、city_code按城市对上本数据集 41,964 行（99%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province、year按城市对上本数据集 41,964 行（99%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、approve_date、province按城市对上本数据集 41,964 行（99%）
按 省份 + 股票代码 + 年份 能连
23 个数据集 · 本数据集 42,152 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、list_date、ts_code按省份对上本数据集 42,152 行（99%）
- 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、province按省份对上本数据集 42,152 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、province、year按省份对上本数据集 42,152 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、year、stock_code按省份对上本数据集 42,152 行（99%）
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 42,152 行（99%）
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 42,152 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、stock_code、province按省份对上本数据集 42,152 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 42,150 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 42,150 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 42,150 行（99%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 province、stock_code、listing_date按省份对上本数据集 42,150 行（99%）
- 上市公司供应链地理距离企业主体 · 4.2 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 42,150 行（99%）
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 29,892 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 29,020 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 12,343 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 965 行（2.3%）
- 上市公司股权激励方案企业主体 · 3,025 行 · 连接字段 wind_industry_code、stock_code、latest_announcement_date按国民经济行业大类对上本数据集 965 行（2.3%）
按 国民经济行业大类 + 省份 + 年份 能连
3 个数据集 · 本数据集 29,892 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 42,129 行有地区按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 41,964 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 29,892 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 41,964 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 41,964 行有城市按 省份 + 年份 能连
338 个数据集 · 本数据集 42,152 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 42,152 行（99%）
- 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 42,152 行（99%）
- 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 42,152 行（99%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 42,152 行（99%）
- 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 42,152 行（99%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province按省份对上本数据集 42,152 行（99%）
- 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 42,152 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 42,152 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 42,152 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 42,152 行（99%）
- 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 42,152 行（99%）
- 省级新冠疫情日度人口健康 · 3.6 万 行 · 连接字段 date、region_name按省份对上本数据集 42,152 行（99%）
按 股票代码 + 年份 能连
226 个数据集 · 本数据集 42,165 行有股票代码- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date、stock_code按股票代码对上本数据集 42,165 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 42,165 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 42,165 行（99%）
- 上市公司资产负债表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 42,165 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 42,165 行（99%）
- 上市公司税费统计企业主体 · 51 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 42,165 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 42,165 行（99%）
- 上市公司董事网络指标企业主体 · 46 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 42,165 行（99%）
- 上市公司固定资产明细企业主体 · 24.7 万 行 · 连接字段 report_date、stock_code按股票代码对上本数据集 42,165 行（99%）
- 上市公司季度ESG评级企业主体 · 16.4 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 42,165 行（99%）
- A股独立联合绿色专利企业主体 · 15.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 42,165 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 42,165 行（99%）
按 城市 + 年份 能连
62 个数据集 · 本数据集 41,964 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 41,964 行（99%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 41,964 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 41,964 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 41,964 行（99%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 41,964 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 41,964 行（99%）
- 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 41,943 行（99%）
- 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 41,926 行（99%）
- 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 41,805 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 41,702 行（98%）
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 year、region_code按城市对上本数据集 41,674 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 41,674 行（98%）
按 城市 + 省份 能连
28 个数据集 · 本数据集 41,964 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code按城市对上本数据集 41,964 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按城市对上本数据集 41,964 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 city_code、province_code按城市对上本数据集 41,964 行（99%）
- 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 41,964 行（99%）
- 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 41,950 行（99%）
- 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 41,939 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 41,924 行（99%）
- 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 41,839 行（99%）
- 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 41,724 行（98%）
- 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 41,698 行（98%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 41,654 行（98%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 41,628 行（98%）
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 29,892 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 29,741 行（70%）
- 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 28,232 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 27,351 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 18,924 行（44%）
- 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 18,736 行（44%）
- 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 18,729 行（44%）
- 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 18,716 行（44%）
- 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 18,716 行（44%）
- 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 2,195 行（5.2%）
按 地区 + 年份 能连
4 个数据集 · 本数据集 42,129 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 29,892 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 42,129 行有地区按 省份 能连
15 个数据集 · 本数据集 42,152 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 42,152 行（99%）
- 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 42,152 行（99%）
- 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 42,152 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 42,150 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 42,150 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 42,150 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 42,150 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 41,957 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 41,957 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 41,198 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 40,188 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 38,710 行（91%）
按 城市 能连
10 个数据集 · 本数据集 41,964 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 41,964 行（99%）
- 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 41,953 行（99%）
- 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 41,953 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 41,637 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 41,624 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 41,624 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 41,289 行（97%）
- 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 37,691 行（89%）
- 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 31,034 行（73%）
- 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 21,775 行（51%）
按 股票代码 能连
2 个数据集 · 本数据集 42,165 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ESG与就业指标上市公司ESG与就业指标 - 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ESG与就业指标上市公司ESG与就业指标
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-esg-employment/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。