上市公司高铁开通匹配
一行是一家上市公司在某一年的所在城市高铁开通情况。覆盖全国上市公司。
v1 生效中 · 2026/11/13 发布险种标签：企业财产险车险时间跨度：2001–2022 年数据出处 出处待核实
- 记录
- 5.7 万
- 字段
- 7
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
7 个字段，7 个没有空值，1 个 AI 扩增
图片：logojackmowo Yao / Unsplash，Unsplash License（在新窗口打开图片的原始页面）
01字段
字段来源，逐一标明
共 7 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 56,985 行计算。
关于这个数据集
一行是一家上市公司在某一年的所在城市高铁开通情况。覆盖全国上市公司。用于评估交通基础设施改善对企业供应链效率、市场可达性及风险的影响。
| 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% | — | ||
| 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% | — | ||
| 公司全称company_name含义：名称键：企业名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | 原表列名：中文全称 | ||
| 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% | — | ||
| 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 82.3%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 高铁城市标识is_hsr_city含义：是否 | 整数 | 原生 | 100% | 1为已开通高铁 原表列名：是否属于开通高铁城市 | ||
| 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%，99.5% 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 |
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 | 公司全称company_name | 省份province | 城市city | 高铁城市标识is_hsr_city | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2001 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 2 | 000001 | 2002 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 3 | 000001 | 2003 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 4 | 000001 | 2004 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 5 | 000001 | 2005 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 6 | 000001 | 2006 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 7 | 000001 | 2007 | 深圳发展银行股份 | 广东省 | 深圳市 | 0 | 440300 |
| 8 | 000001 | 2008 | 深圳发展银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 9 | 000001 | 2009 | 深圳发展银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 10 | 000001 | 2010 | 深圳发展银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 11 | 000001 | 2011 | 深圳发展银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 12 | 000001 | 2012 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 13 | 000001 | 2013 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 14 | 000001 | 2014 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 15 | 000001 | 2015 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 16 | 000001 | 2016 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 17 | 000001 | 2017 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 18 | 000001 | 2018 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 19 | 000001 | 2019 | 平安银行股份 | 广东省 | 深圳市 | 1 | 440300 |
| 20 | 000001 | 2020 | 平安银行股份 | 广东省 | 深圳市 | 1 | 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56,985 行 · 7 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 111 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 城市 + 省份 + 股票代码 + 年份 能连
20 个数据集 · 本数据集 56,709 行有城市- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 province、year、city_code、stock_code按城市对上本数据集 56,709 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 stock_code、province、city_code、year按城市对上本数据集 56,709 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 province、city_code、stock_code、year按城市对上本数据集 56,709 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、city_code_2、province、year按城市对上本数据集 56,703 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 city_code_2、stock_code、year、province按城市对上本数据集 56,703 行（99%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 stock_code、province、year、city_code_2按城市对上本数据集 56,701 行（99%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 city_code、year、stock_code、province按城市对上本数据集 56,701 行（99%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、stock_code、city_code_2、year按城市对上本数据集 56,700 行（99%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、city_code_2、stock_code、province按城市对上本数据集 56,678 行（99%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 stock_code、province、city_code_2、year按城市对上本数据集 56,678 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、province、city_code、setup_date按城市对上本数据集 56,614 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 register_address_city_code、stock_code、province、year按城市对上本数据集 56,595 行（99%）
按 城市 + 省份 + 年份 能连
166 个数据集 · 本数据集 56,709 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 56,709 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、year、province按城市对上本数据集 56,709 行（99%）
- 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 56,709 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 56,709 行（99%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 56,709 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 56,709 行（99%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 56,709 行（99%）
- 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 56,709 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 date、province、city_code按城市对上本数据集 56,709 行（99%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、year按城市对上本数据集 56,709 行（99%）
- 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 56,709 行（99%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province、approve_date按城市对上本数据集 56,709 行（99%）
按 省份 + 股票代码 + 年份 能连
44 个数据集 · 本数据集 56,969 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、province、list_date按省份对上本数据集 56,969 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、province、establish_date按省份对上本数据集 56,969 行（99%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 56,969 行（99%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 56,969 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、province按省份对上本数据集 56,969 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按省份对上本数据集 56,969 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、stock_code按省份对上本数据集 56,969 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、province_code按省份对上本数据集 56,969 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、stock_code、year按省份对上本数据集 56,969 行（99%）
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 56,969 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 56,969 行（99%）
- 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、province按省份对上本数据集 56,969 行（99%）
按 城市 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 56,709 行有城市按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 56,709 行有城市按 省份 + 年份 能连
344 个数据集 · 本数据集 56,969 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 56,969 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 56,969 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 56,969 行（99%）
- 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 56,969 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 56,969 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 56,969 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 56,969 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 date、region_code按省份对上本数据集 56,969 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 56,969 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 56,969 行（99%）
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 province、year按省份对上本数据集 56,969 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 56,969 行（99%）
按 股票代码 + 年份 能连
230 个数据集 · 本数据集 56,984 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 56,984 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 56,984 行（99%）
- 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 56,984 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 56,984 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按股票代码对上本数据集 56,981 行（99%）
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 56,949 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、listed_date按股票代码对上本数据集 56,949 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 stock_code、report_date按股票代码对上本数据集 56,949 行（99%）
- 上市公司中央政策匹配企业主体 · 5.6 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 56,949 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 56,782 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 56,775 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 56,770 行（99%）
按 城市 + 年份 能连
64 个数据集 · 本数据集 56,709 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 56,709 行（99%）
- 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 56,709 行（99%）
- 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 56,709 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 56,709 行（99%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 56,709 行（99%）
- 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 56,709 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 56,687 行（99%）
- 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 56,672 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 56,662 行（99%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code按城市对上本数据集 56,592 行（99%）
- 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 56,490 行（99%）
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 56,354 行（98%）
按 城市 + 省份 能连
28 个数据集 · 本数据集 56,709 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 56,709 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 56,709 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、city_code按城市对上本数据集 56,709 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 56,709 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 56,687 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 56,683 行（99%）
- 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 56,657 行（99%）
- 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 56,471 行（99%）
- 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 56,374 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 56,343 行（98%）
- 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 56,261 行（98%）
- 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 56,223 行（98%）
按 省份 能连
18 个数据集 · 本数据集 56,969 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 56,969 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 56,969 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 56,969 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 56,966 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 56,966 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 56,966 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 56,966 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 56,966 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 56,966 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 56,966 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 56,701 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 56,701 行（99%）
按 城市 能连
10 个数据集 · 本数据集 56,709 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 56,709 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 56,697 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 56,697 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 56,242 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 56,227 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 56,227 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 55,751 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 51,029 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 41,634 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 29,380 行（51%）
按 股票代码 能连
2 个数据集 · 本数据集 56,984 行有股票代码只按年份能连：215 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
215 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高铁开通匹配上市公司高铁开通匹配
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-hsr-did/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。