- 记录
- 4 万
- 字段
- 21
- AI 扩增字段
- 0
- 平均非空率
- 97.3%
- 字段完整度
21 个字段，18 个没有空值
01字段
字段来源，逐一标明
共 21 个字段，其中 AI 扩增字段 0 个。非空率按当前版本的 39,766 行计算。
关于这个数据集
一行是一家上市公司在特定年份的ESG指标及其多维度的均值统计。覆盖沪深及北京A股上市公司（剔除金融及ST/PT），包含同行业、同省份、同城市等10种维度的ESG赋值均值。主要用于计量经济学模型中构造工具变量，辅助研究ESG表现对企业风险等的影响。
| 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% | 原表列名：Symbol | ||
| 股票简称company_name含义：名称 | 文本 | 原生 | 100% | 原表列名：ShortName | ||
| 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% | 原表列名：year | ||
| 行业名称industry_name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% | 原表列名：IndustryName | ||
| 行业代码industry_code_1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% | 原表列名：Industry1 | ||
| 细分行业代码industry_code_2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% | 制造业取两位，其他用大类 原表列名：Industry2 | ||
| 是否沪深上市is_sh_sz_listed含义：是否 | 是非 | 原生 | 100% | 1为是，0为否 原表列名：沪深上市 | ||
| 是否北京上市is_bj_listed含义：是否 | 是非 | 原生 | 100% | 1为是，0为否 原表列名：北京上市 | ||
| ESG赋值esg_score | 小数 | 原生 | 100% | 原表列名：华证_ESG赋值 | ||
| 所属省份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% | 原表列名：PROVINCE | ||
| 所属城市city含义：地区 | 文本 | 原生 | 100% | 原表列名：CITY | ||
| 同行业均值mean_industry | 小数 | 原生 | 100% | 同年份同行业 原表列名：mean1 | ||
| 同省份均值mean_province | 小数 | 原生 | 100% | 同年份同省份 原表列名：mean2 | ||
| 同行业同省均值mean_industry_province | 小数 | 原生 | 100% | 同年份同行业同省份 原表列名：mean3 | ||
| 同行业其他均值mean_industry_other | 小数 | 原生 | 100% | 同年份同行业其他企业 原表列名：mean4 | ||
| 同省份其他均值mean_province_other | 小数 | 原生 | 100% | 同年份同省份其他企业 原表列名：mean5 | ||
| 同行业同省其他均值mean_industry_province_other | 小数 | 原生 | 86% | 同年份同行业同省份其他企业 原表列名：mean6 | ||
| 同城市均值mean_city | 小数 | 原生 | 100% | 同年份同城市 原表列名：mean7 | ||
| 同行业同市均值mean_industry_city | 小数 | 原生 | 100% | 同年份同行业同城市 原表列名：mean8 | ||
| 同城市其他均值mean_city_other | 小数 | 原生 | 96% | 同年份同城市其他企业 原表列名：mean9 | ||
| 同行业同市其他均值mean_industry_city_other | 小数 | 原生 | 62% | 同年份同行业同城市其他企业 原表列名：mean10 |
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company_name | 年份year | 行业名称industry_name | 行业代码industry_code_1 | 细分行业代码industry_code_2 | 是否沪深上市is_sh_sz_listed | 是否北京上市is_bj_listed | ESG赋值esg_score | 所属省份province | 所属城市city | 同行业均值mean_industry | 同省份均值mean_province | 同行业同省均值mean_industry_province | 同行业其他均值mean_industry_other | 同省份其他均值mean_province_other | 同行业同省其他均值mean_industry_province_other | 同城市均值mean_city | 同行业同市均值mean_industry_city | 同城市其他均值mean_city_other | 同行业同市其他均值mean_industry_city_other |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000002 | 万科A | 2009 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.543210029602051 | 4.254335403442383 | 4.941176414489746 | 4.525000095367432 | 4.244185924530029 | 4.875 | 4.3373494148254395 | 5.300000190734863 | 4.317073345184326 | 5.222222328186035 |
| 2 | 000002 | 万科A | 2010 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.47169828414917 | 4.0590715408325195 | 4.476190567016602 | 4.4571428298950195 | 4.05084753036499 | 4.400000095367432 | 4.116666793823242 | 4.692307472229004 | 4.1008405685424805 | 4.583333492279053 |
| 3 | 000002 | 万科A | 2011 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.612612724304199 | 4.2871623039245605 | 4.849999904632568 | 4.599999904632568 | 4.281355857849121 | 4.789473533630371 | 4.324324131011963 | 5 | 4.312925338745117 | 4.909090995788574 |
| 4 | 000002 | 万科A | 2012 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.642857074737549 | 4.221556663513184 | 4.625 | 4.631999969482422 | 4.216216087341309 | 4.5652174949646 | 4.140244007110596 | 4.857142925262451 | 4.128834247589111 | 4.769230842590332 |
| 5 | 000002 | 万科A | 2013 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.619834899902344 | 4.067448616027832 | 4.5217390060424805 | 4.608333110809326 | 4.061764717102051 | 4.454545497894287 | 3.9940476417541504 | 4.5 | 3.9820358753204346 | 4.384615421295166 |
| 6 | 000002 | 万科A | 2014 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.590163707733154 | 4.0309858322143555 | 4.583333492279053 | 4.578512191772461 | 4.025423526763916 | 4.5217390060424805 | 3.947674512863159 | 4.599999904632568 | 3.9356725215911865 | 4.5 |
| 7 | 000002 | 万科A | 2015 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.625 | 3.976863861083984 | 4.541666507720947 | 4.613445281982422 | 3.971649408340454 | 4.4782609939575195 | 3.9076087474823 | 4.4666666984558105 | 3.896174907684326 | 4.357142925262451 |
| 8 | 000002 | 万科A | 2016 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.704347610473633 | 3.9531614780426025 | 4.782608509063721 | 4.6929826736450195 | 3.948356866836548 | 4.7272725105285645 | 3.8817734718322754 | 4.733333110809326 | 3.8712871074676514 | 4.642857074737549 |
| 9 | 000002 | 万科A | 2017 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.796460151672363 | 4.085066318511963 | 5.130434989929199 | 4.785714149475098 | 4.08143949508667 | 5.090909004211426 | 4.035433292388916 | 5.133333206176758 | 4.027667999267578 | 5.0714287757873535 |
| 10 | 000002 | 万科A | 2018 | 房地产业 | K70 | K | 是 | 否 | 6 | 广东省 | 深圳市 | 4.885964870452881 | 4.129032135009766 | 4.958333492279053 | 4.876106262207031 | 4.125673294067383 | 4.91304349899292 | 4.119402885437012 | 4.9375 | 4.112359523773193 | 4.866666793823242 |
| 11 | 000002 | 万科A | 2019 | 房地产业 | K70 | K | 是 | 否 | 7 | 广东省 | 深圳市 | 5 | 4.007005214691162 | 5.17391300201416 | 4.982300758361816 | 4.001754283905029 | 5.090909004211426 | 4.032846927642822 | 5.25 | 4.02197790145874 | 5.133333206176758 |
| 12 | 000002 | 万科A | 2020 | 房地产业 | K70 | K | 是 | 否 | 7 | 广东省 | 深圳市 | 4.963963985443115 | 4.033980369567871 | 4.956521511077881 | 4.9454545974731445 | 4.029173374176025 | 4.863636493682861 | 4.039866924285889 | 5.125 | 4.03000020980835 | 5 |
| 13 | 000002 | 万科A | 2021 | 房地产业 | K70 | K | 是 | 否 | 7 | 广东省 | 深圳市 | 4.943396091461182 | 4.156695365905762 | 5.181818008422852 | 4.92380952835083 | 4.152638912200928 | 5.095238208770752 | 4.149856090545654 | 5.3125 | 4.141618728637695 | 5.199999809265137 |
| 14 | 000002 | 万科A | 2022 | 房地产业 | K70 | K | 是 | 否 | 7 | 广东省 | 深圳市 | 4.198113441467285 | 4.336747646331787 | 4.541666507720947 | 4.171428680419922 | 4.333333492279053 | 4.4347825050354 | 4.418421268463135 | 4.647058963775635 | 4.411609649658203 | 4.5 |
| 15 | 000004 | 国农科技 | 2011 | 医药制造业 | C27 | C27 | 是 | 否 | 3 | 广东省 | 深圳市 | 4.077519416809082 | 4.2871623039245605 | 4.266666889190674 | 4.0859375 | 4.291525363922119 | 4.357142925262451 | 4.324324131011963 | 4.142857074737549 | 4.333333492279053 | 4.333333492279053 |
| 16 | 000004 | 国农科技 | 2012 | 医药制造业 | C27 | C27 | 是 | 否 | 4 | 广东省 | 深圳市 | 4.147286891937256 | 4.221556663513184 | 4.357142925262451 | 4.1484375 | 4.222222328186035 | 4.384615421295166 | 4.140244007110596 | 4.333333492279053 | 4.141104221343994 | 4.400000095367432 |
| 17 | 000004 | 国农科技 | 2013 | 医药制造业 | C27 | C27 | 是 | 否 | 4 | 广东省 | 深圳市 | 4.129770755767822 | 4.067448616027832 | 4.214285850524902 | 4.1307692527771 | 4.0676469802856445 | 4.230769157409668 | 3.9940476417541504 | 4.166666507720947 | 3.994011878967285 | 4.199999809265137 |
| 18 | 000004 | 国农科技 | 2014 | 医药制造业 | C27 | C27 | 是 | 否 | 3 | 广东省 | 深圳市 | 3.9857141971588135 | 4.0309858322143555 | 4.066666603088379 | 3.9928057193756104 | 4.03389835357666 | 4.142857074737549 | 3.947674512863159 | 4 | 3.953216314315796 | 4.199999809265137 |
| 19 | 000004 | 国农科技 | 2015 | 医药制造业 | C27 | C27 | 是 | 否 | 3 | 广东省 | 深圳市 | 3.8525640964508057 | 3.976863861083984 | 3.9375 | 3.8580644130706783 | 3.979381561279297 | 4 | 3.9076087474823 | 4.166666507720947 | 3.9125683307647705 | 4.400000095367432 |
| 20 | 000004 | 国农科技 | 2016 | 医药制造业 | C27 | C27 | 是 | 否 | 2 | 广东省 | 深圳市 | 3.829268217086792 | 3.9531614780426025 | 4.0625 | 3.8404908180236816 | 3.9577465057373047 | 4.199999809265137 | 3.8817734718322754 | 4 | 3.8910892009735103 | 4.400000095367432 |
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39,766 行 · 21 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 79 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 + 省份 + 股票代码 + 年份 能连
34 个数据集 · 本数据集 39,746 行有证监会行业大类- 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、industry_code按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、stock_code、industry_code、year按证监会行业大类对上本数据集 39,746 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、industry_code、year、province按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 industry_code、stock_code、province、year按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 province、year、industry_code、stock_code按证监会行业大类对上本数据集 39,746 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 year、stock_code、province、industry_code按证监会行业大类对上本数据集 39,746 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、industry_code、province_code、year按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 province、year、industry_code、stock_code按证监会行业大类对上本数据集 39,746 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、industry_code、year、province按证监会行业大类对上本数据集 39,746 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、year、province、industry_code按证监会行业大类对上本数据集 39,746 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、industry_code按证监会行业大类对上本数据集 39,746 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、industry_code_c、year、stock_code按证监会行业大类对上本数据集 39,746 行（99%）
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 39,746 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 industry_code、year、stock_code按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司FC融资约束指数企业主体 · 40.7 万 行 · 连接字段 industry_code、report_date、stock_code按证监会行业大类对上本数据集 39,746 行（99%）
- 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 39,746 行（99%）
- 上市公司基础财务企业主体 · 7.7 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 39,746 行（99%）
- 上市公司盈利能力企业主体 · 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 39,746 行（99%）
- 上市公司发展能力企业主体 · 7.4 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 39,746 行（99%）
- 上市公司财务基础企业主体 · 6.7 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 39,746 行（99%）
- 上市公司勒纳指数企业主体 · 6.6 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 39,746 行（99%）
- 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、year、industry_code按证监会行业大类对上本数据集 39,746 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 stock_code、industry_code、listed_date按证监会行业大类对上本数据集 39,746 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 industry_code、stock_code、report_date按证监会行业大类对上本数据集 39,746 行（99%）
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 year、stock_code、industry_code_2按证监会行业大类对上本数据集 39,746 行（99%）
按 省份 + 股票代码 + 年份 能连
30 个数据集 · 本数据集 39,733 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 39,733 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 39,733 行（99%）
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 39,733 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 year、province、stock_code按省份对上本数据集 39,733 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 39,733 行（99%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 39,733 行（99%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 39,733 行（99%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 39,733 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 stock_code、year、province按省份对上本数据集 39,733 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 stock_code、year、province按省份对上本数据集 39,733 行（99%）
- 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 39,733 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 year、region_code、stock_code按省份对上本数据集 39,733 行（99%）
按 省份 + 年份 能连
510 个数据集 · 本数据集 39,733 行有省份- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 39,733 行（99%）
- 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 39,733 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 39,733 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 39,733 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 39,733 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 year、customs_province按省份对上本数据集 39,733 行（99%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date按省份对上本数据集 39,733 行（99%）
- 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 39,733 行（99%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 39,733 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 39,733 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 39,733 行（99%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、year按省份对上本数据集 39,733 行（99%）
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 39,746 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 stock_code、trade_date按股票代码对上本数据集 39,746 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 39,746 行（99%）
- 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 39,746 行（99%）
- 上市公司资产负债表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 39,746 行（99%）
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 39,746 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 39,746 行（99%）
- 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 39,746 行（99%）
- 上市公司董事网络指标企业主体 · 46 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 39,746 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 39,746 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 39,746 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 39,746 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 39,746 行（99%）
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 39,746 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 39,746 行有证监会行业大类按 省份 + 股票代码 能连
1 个数据集 · 本数据集 39,733 行有省份按 省份 能连
45 个数据集 · 本数据集 39,733 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 39,733 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 39,733 行（99%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 39,733 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 39,733 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 province_code按省份对上本数据集 39,733 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 39,733 行（99%）
- 省会城市间距离区域底数 · 1,089 行 · 连接字段 origin_province按省份对上本数据集 39,733 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按省份对上本数据集 39,731 行（99%）
- 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 39,731 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 39,731 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 39,731 行（99%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 39,731 行（99%）
按 股票代码 能连
2 个数据集 · 本数据集 39,746 行有股票代码只按年份能连：276 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
276 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
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
- 地级市城乡建设统计区域底数 · 208.6 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。
还没有发现这个数据集的字段规律。
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-iv/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000002"}],"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。