上市公司绿色创新与财务
一行是一家上市公司在特定年份的综合数据记录。
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：2014–2020 年数据出处 出处待核实
- 记录
- 2.3 万
- 字段
- 25
- AI 扩增字段
- 1
- 平均非空率
- 97.9%
- 字段完整度
25 个字段，10 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 25 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 23,413 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综合数据记录。覆盖我国重污染行业A股上市公司，包含绿色专利、财务指标、公司治理及所在地环境数据。可用于分析环境规制对企业创新行为的影响及评估企业环境风险。
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 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% | — | ||
| 所属城市city含义：地区键：城市名称。样本里格式符合 83.3%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 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：市级区划代码（2017 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% | — | ||
| 绿色专利总量green_patent_total含义：个数（件） | 整数 | 原生 | 96% | 件 原表列名：绿色专利申请总量 | ||
| 绿色发明专利green_patent_invention含义：个数（件） | 整数 | 原生 | 96% | 件 原表列名：绿色发明专利申请 | ||
| 绿色实用新型green_patent_utility含义：个数（件） | 整数 | 原生 | 96% | 件 原表列名：绿色实用新型专利申请 | ||
| 企业年龄company_age含义：年龄（岁） | 整数 | 原生 | 100% | 年 | ||
| 营收成本比rev_cost_ratio含义：比率（倍） | 小数 | 原生 | 98% | 原表列名：营业收入占营业成本之比 | ||
| 净利润资产比net_profit_asset_ratio含义：比率（倍） | 小数 | 原生 | 100% | 原表列名：企业净利润占总资产之比 | ||
| 流动比率current_ratio含义：比率（倍） | 小数 | 原生 | 96% | — | ||
| 固资周转率fixed_asset_turnover含义：比率（倍） | 小数 | 原生 | 95% | 原表列名：固定资产周转率 | ||
| 人均固资fixed_asset_emp_ratio含义：单价（元） | 小数 | 原生 | 98% | 元/人 原表列名：固定资产占员工人数之比 | ||
| 管理层持股mgmt_hold_ratio含义：比率（%） | 小数 | 原生 | 95% | % 原表列名：管理层持股比例 | ||
| 第一大股东持股top1_hold_ratio含义：比率（%） | 小数 | 原生 | 98% | % 原表列名：第一大股东持股比率 | ||
| 营收增长率rev_growth含义：比率（倍） | 小数 | 原生 | 89% | 原表列名：营业收入与上期营业收入比 | ||
| 高管薪酬总额exec_comp_amount含义：金额（元） | 小数 | 原生 | 98% | 元 原表列名：高级管理人员前三名薪酬总额_元 | ||
| 无形资产占比intangible_asset_ratio含义：比率（小数） | 小数 | 原生 | 99% | 原表列名：无形资产占总资产之比 | ||
| 董事人数board_size含义：人数（人） | 整数 | 原生 | 98% | 人 原表列名：董事人数_人 | ||
| 空气质量指数aqi | 小数 | 原生 | 99% | — | ||
| 夜间灯光night_light | 小数 | 原生 | 98% | 含义不清 原表列名：夜间灯光数据 | ||
| 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：市级区划代码。样本里格式符合 100%，100% 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 |
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 | 行业名称industry_name | 行业代码industry_code | 所属省份province | 所属城市city | 行政区划代码region_code | 绿色专利总量green_patent_total | 绿色发明专利green_patent_invention | 绿色实用新型green_patent_utility | 企业年龄company_age | 营收成本比rev_cost_ratio | 净利润资产比net_profit_asset_ratio | 流动比率current_ratio | 固资周转率fixed_asset_turnover | 人均固资fixed_asset_emp_ratio | 管理层持股mgmt_hold_ratio | 第一大股东持股top1_hold_ratio | 营收增长率rev_growth | 高管薪酬总额exec_comp_amount | 无形资产占比intangible_asset_ratio | 董事人数board_size | 空气质量指数aqi | 夜间灯光night_light | 行政区划代码（现行）region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000613 | 2014 | 住宿业 | H61 | 海南省 | 三亚市 | 460200 | 0 | 0 | 0 | 18 | 59.807513274163114 | 0.021944815593701695 | 0.87844 | 0.3455 | 347539.259691358 | 0 | 16.81 | 1.624547 | 555800 | 0.23860343168799275 | 6 | 40.08539944903581 | 1.843616978843376 | 460200 |
| 2 | 002596 | 2014 | 非金属矿物制品业 | C30 | 海南省 | 三亚市 | 460200 | 0 | 0 | 0 | 3 | 1.1912766698885775 | 0.01084397764238867 | 2.211545 | 2.5595 | 421691.5282709892 | 27.1314 | 18.31 | 0.956536 | 1444900 | 0.10774145591256984 | 11 | 40.08539944903581 | 1.843616978843376 | 460200 |
| 3 | 000668 | 2014 | 房地产业 | K70 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 18 | 2.453509670840886 | -0.027734312164293676 | 0.641287 | 2.6605 | 48069.41219512195 | 0 | 39.28 | — | 1064000 | 0 | 12 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 4 | 000863 | 2014 | 房地产业 | K70 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 17 | 1.5636117660189115 | 0.010313551477109656 | 7.654726 | 24.2472 | 64693.38008293839 | 2.6461 | 35.52 | — | 2788806 | 0.000012366470437942516 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 5 | 002022 | 2014 | 医药制造业 | C27 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 10 | 1.8377523794718715 | 0.2100157139942424 | 5.412367 | 5.109 | 237313.83910946196 | 7.4328 | 15.35 | 0.748267 | 4305100 | 0.04490824489144095 | 11 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 6 | 002028 | 2014 | 电气机械及器材制造业 | C38 | 上海市 | 上海市 | 310000 | 1 | 1 | 0 | 10 | 1.593748571584409 | 0.09272039663809262 | 2.38789 | 7.1752 | 127517.658192615 | 32.2463 | 18.36 | 1.236623 | 4589000 | 0.03515916134121784 | 7 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 7 | 002058 | 2014 | 仪器仪表制造业 | C40 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 8 | 1.677795087703657 | 0.02210847205144404 | 7.908455 | 3.0899 | 102176.7493315508 | 0.0373 | 12.3 | 0.631491 | 1620000 | 0.05150018599196305 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 8 | 002116 | 2014 | 专业技术服务业 | M74 | 上海市 | 上海市 | 310000 | 5 | 2 | 3 | 7 | 1.1075122134703592 | 0.061484578874751894 | 1.4639 | 21.736 | 65109.62038209837 | 0.6752 | 53.73 | 1.218168 | 2873100 | 0.009183476617856666 | 13 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 9 | 002158 | 2014 | 通用设备制造业 | C34 | 上海市 | 上海市 | 310000 | 2 | 0 | 2 | 7 | 1.537973448458308 | 0.14504953515238128 | 3.251724 | 3.8605 | 366757.3177526395 | — | 36.81 | 0.7508900000000001 | 2986500 | 0.0425615595147878 | 11 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 10 | 002162 | 2014 | 非金属矿物制品业 | C30 | 上海市 | 上海市 | 310000 | 3 | 3 | 0 | 7 | 1.445588453648709 | 0.006390841100669485 | 1.092394 | 1.1756 | 696408.1355670103 | 0.0471 | 49.62 | 0.981519 | 2402200 | 0.035032498898580997 | 12 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 11 | 002178 | 2014 | 专业技术服务业 | M74 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 7 | 1.2950790500856368 | 0.04552733951168002 | 1.743516 | 6.3805 | 240472.72257884973 | 18.7315 | 19.56 | 1.157553 | 1659200 | 0.0001519812198495614 | 7 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 12 | 002184 | 2014 | 电气机械及器材制造业 | C38 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 7 | 1.2604900995651118 | 0.042281907480617824 | 1.414942 | 6.3547 | 206533.9145128205 | 52.3363 | 23.59 | 1.638611 | 1191700 | 0.02196240679982657 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 13 | 002195 | 2014 | 软件和信息技术服务业 | I65 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 7 | 2.0555251151168066 | 0.02647369507519744 | 14.189469 | 4.3531 | 77133.38843229388 | 19.3471 | 16.46 | 0.697827 | 2431400 | 0.004403844931353995 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 14 | 002252 | 2014 | 医药制造业 | C27 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 6 | 2.6706764485543997 | 0.05442901986533175 | 5.922401 | 1.6634 | 481422.798466948 | 4.432 | 31.95 | 2.3454550000000003 | 9175600 | 0.01737274950909761 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 15 | 002269 | 2014 | 纺织服装、服饰业 | C18 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 6 | 1.823973475004322 | 0.020845266337964977 | 1.634808 | 3.4721 | 1183080.5114213198 | 0.5935 | 60.17 | 0.87993 | 3454500 | 0.023033991985284965 | 5 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 16 | 002278 | 2014 | 专用设备制造业 | C35 | 上海市 | 上海市 | 310000 | 4 | 2 | 2 | 5 | 1.5107022249992208 | 0.030303652681800203 | 3.017659 | 3.7387 | 154061.1974805867 | 47.3182 | 17.13 | 4.536624 | 1470000 | 0.01723788346758491 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 17 | 002324 | 2014 | 橡胶和塑料制品业 | C29 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 5 | 1.264088655281801 | 0.0872520976380747 | 2.653481 | 4.2788 | 646656.5049202734 | 55.8635 | 51.43 | 1.35064 | 1755700 | 0.04132862394427298 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 18 | 002328 | 2014 | 汽车制造业 | C36 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 5 | 1.137707176571839 | 0.04043990580997676 | 35.689295 | 2.9054 | 381891.2718531144 | 36.1737 | 36 | 0.950699 | 3361100 | 0.032399767637886406 | 14 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 19 | 002346 | 2014 | 非金属矿物制品业 | C30 | 上海市 | 上海市 | 310000 | 0 | 0 | 0 | 4 | 1.3165199955719882 | 0.044631814113328755 | 4.111855 | 2.8675 | 274792.9558075601 | 21.6291 | 62.52 | — | 320000 | 0.058781539807863055 | 9 | 83.06887052341598 | 11.12060007804586 | 310000 |
| 20 | 002401 | 2014 | 软件和信息技术服务业 | I65 | 上海市 | 上海市 | 310000 | 1 | 1 | 0 | 4 | 1.2179144830835935 | 0.0505585885975307 | 1.931759 | 16.9726 | 92200.3396264368 | 1.7416 | 55.81 | 0.974884 | 2020800 | 0.0063119912806438834 | 7 | 83.06887052341598 | 11.12060007804586 | 310000 |
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23,413 行 · 25 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 23,406 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 year、industry_code、province、stock_code、city_code按证监会行业大类对上本数据集 23,406 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、industry_code、year、city_code按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 industry_code、year、stock_code、province、city_code_2按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 city_code、stock_code、year、industry_code、province按证监会行业大类对上本数据集 23,402 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 year、stock_code、industry_code、province、region_code按证监会行业大类对上本数据集 22,838 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、industry_code、year、province、city_code按证监会行业大类对上本数据集 22,692 行（96%）
- 上市公司财务治理指标企业主体 · 2.5 万 行 · 连接字段 city_code、year、stock_code、industry_code、province按证监会行业大类对上本数据集 22,521 行（96%）
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 23,406 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 province、stkcd、industry_code_c、establish_date按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 province、industry_code、year、stock_code按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 industry_code、province、stock_code、year按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、stock_code、industry_code、province按证监会行业大类对上本数据集 23,406 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 23,406 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 industry_code、stock_code、year、province按证监会行业大类对上本数据集 23,406 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、industry_code、stock_code、province_code按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司对外开放程度企业主体 · 5.8 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 23,406 行（99%）
- 上市公司行业异质性企业主体 · 5.4 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 23,406 行（99%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 industry_code_c、year、province、stock_code按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司社会责任报告信息企业主体 · 4 万 行 · 连接字段 province、stock_code、date、industry_code按证监会行业大类对上本数据集 23,406 行（99%）
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 stock_code、year、industry_code、province按证监会行业大类对上本数据集 23,406 行（99%）
按 城市 + 省份 + 股票代码 + 年份 能连
13 个数据集 · 本数据集 23,413 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 setup_date、stock_code、province、city_code按城市对上本数据集 22,925 行（97%）
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、city_code、province、year按城市对上本数据集 22,918 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、city_code、province、year按城市对上本数据集 22,918 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 year、province、city_code、stock_code按城市对上本数据集 22,918 行（97%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、city_code、stock_code、province按城市对上本数据集 22,918 行（97%）
- 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 22,918 行（97%）
- 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、province、city_code_2、year按城市对上本数据集 22,918 行（97%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 stock_code、year、province、city_code_2按城市对上本数据集 22,918 行（97%）
- 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、province、city_code按城市对上本数据集 22,918 行（97%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、province、city_code_2、year按城市对上本数据集 22,908 行（97%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 stock_code、province、year、city_code_2按城市对上本数据集 22,908 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 year、register_address_city_code、province、stock_code按城市对上本数据集 22,906 行（97%）
按 城市 + 省份 + 年份 能连
166 个数据集 · 本数据集 23,413 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year、city_code按城市对上本数据集 23,019 行（98%）
- 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 23,019 行（98%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year、province按城市对上本数据集 23,019 行（98%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、year、province按城市对上本数据集 23,019 行（98%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、province_code、date按城市对上本数据集 23,019 行（98%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、year按城市对上本数据集 23,019 行（98%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code、year按城市对上本数据集 23,019 行（98%）
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year、city_code按城市对上本数据集 23,019 行（98%）
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 23,019 行（98%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year按城市对上本数据集 23,019 行（98%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、city_code、province按城市对上本数据集 23,019 行（98%）
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、city_code、census_year按城市对上本数据集 23,019 行（98%）
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 23,406 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 stock_code、year、industry_code按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司基础财务企业主体 · 7.7 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 23,406 行（99%）
- 上市公司盈利能力企业主体 · 7.4 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 23,406 行（99%）
- 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 23,406 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 23,406 行（99%）
- 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 23,406 行（99%）
- 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 23,406 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 23,406 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 listed_date、stock_code、industry_code按证监会行业大类对上本数据集 23,406 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 23,406 行（99%）
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 industry_code_2、stock_code、year按证监会行业大类对上本数据集 23,406 行（99%）
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 stock_code、year、industry_code_1按证监会行业大类对上本数据集 23,406 行（99%）
按 省份 + 股票代码 + 年份 能连
17 个数据集 · 本数据集 23,406 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、province、establish_date按省份对上本数据集 23,406 行（99%）
- 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 23,406 行（99%）
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 23,406 行（99%）
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 23,406 行（99%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 23,406 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 province、stock_code、year按省份对上本数据集 23,406 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 23,406 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 23,406 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 23,406 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 23,406 行（99%）
- 制造业上市公司财务指标企业主体 · 3.7 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 23,406 行（99%）
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 23,406 行（99%）
按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 23,413 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 23,413 行有城市按 省份 + 年份 能连
344 个数据集 · 本数据集 23,406 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 year、province_name按省份对上本数据集 23,406 行（99%）
- 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 23,406 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 23,406 行（99%）
- 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 23,406 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 taobao_village_year、province_code按省份对上本数据集 23,406 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 23,406 行（99%）
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 23,406 行（99%）
- 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 23,406 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 23,406 行（99%）
- 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 23,406 行（99%）
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 23,406 行（99%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 23,406 行（99%）
按 股票代码 + 年份 能连
186 个数据集 · 本数据集 23,406 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 month、stock_code按股票代码对上本数据集 23,406 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 23,406 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 23,406 行（99%）
- 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 23,406 行（99%）
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 23,406 行（99%）
- 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 23,406 行（99%）
- 上市公司竞争对手DID面板企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 23,406 行（99%）
- 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 23,406 行（99%）
- 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 23,406 行（99%）
- 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 23,406 行（99%）
- 上市公司年报管理层讨论词频企业主体 · 5.4 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 23,357 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 23,324 行（99%）
按 城市 + 年份 能连
64 个数据集 · 本数据集 23,413 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 year、region_code按城市对上本数据集 23,105 行（98%）
- 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 22,987 行（98%）
- 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 22,919 行（97%）
- 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 22,919 行（97%）
- 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 22,919 行（97%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 22,919 行（97%）
- 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 22,919 行（97%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 22,919 行（97%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、region_code_adj按城市对上本数据集 22,911 行（97%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date按城市对上本数据集 22,887 行（97%）
- 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 22,885 行（97%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 22,880 行（97%）
按 城市 + 省份 能连
28 个数据集 · 本数据集 23,413 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 23,019 行（98%）
- 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、city_code按城市对上本数据集 23,019 行（98%）
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 23,013 行（98%）
- 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 22,946 行（98%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 22,940 行（97%）
- 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 22,919 行（97%）
- 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 22,909 行（97%）
- 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 22,905 行（97%）
- 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 22,885 行（97%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 22,847 行（97%）
- 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 22,805 行（97%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 22,770 行（97%）
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 23,406 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 23,406 行有证监会行业大类按 省份 能连
17 个数据集 · 本数据集 23,406 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 23,406 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 23,406 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 23,406 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 23,406 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 23,406 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 23,406 行（99%）
- 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 23,406 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 23,406 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 23,406 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 23,311 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 23,311 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 22,852 行（97%）
按 城市 能连
10 个数据集 · 本数据集 23,413 行有城市- 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 22,974 行（98%）
- 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 22,940 行（97%）
- 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 22,912 行（97%）
- 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 22,798 行（97%）
- 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 22,790 行（97%）
- 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 22,790 行（97%）
- 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 22,607 行（96%）
- 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 20,538 行（87%）
- 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 17,300 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 12,295 行（52%）
按 股票代码 能连
2 个数据集 · 本数据集 23,406 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
region_code_current由行政区划代码扩增得出。
来自字段扩增上市公司绿色创新与财务上市公司绿色创新与财务
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-green-innovation/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000613"}],"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。