
上市公司产学研合作专利
一行代表一家上市公司在特定年份的产学研合作专利统计及地理信息。
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:1993–2022 年数据出处 出处待核实
- 记录
- 1.4 万
- 字段
- 11
- AI 扩增字段
- 2
- 平均非空率
- 100%
- 字段完整度
11 个字段,10 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 11 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 14,284 行计算。
关于这个数据集
一行代表一家上市公司在特定年份的产学研合作专利统计及地理信息。数据覆盖中国A股上市公司,包含专利数量、合作标识、注册地经纬度及与省会距离。可用于评估企业技术创新活跃度及区域创新环境对保险风险定价的影响。
| 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% | — | ||
| 企业名称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% | — | ||
| 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 | ||
| 产学研合作专利数industry_university_research_patent_count含义:个数(个) | 整数 | 原生 | 100% | — | ||
| 是否存在产学研合作has_industry_university_research_cooperation含义:是否 | 是非 | 原生 | 100% | — | ||
| 所属地级市city规律 1:所属地级市的字段规律字段规律:city_code由所属地级市扩增得出。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% | — | ||
| 所属地级市经度lng规律 1:所属地级市经度的字段规律字段规律:county_code由所属地级市经度、所属地级市纬度扩增得出。含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 所属地级市纬度lat规律 1:所属地级市纬度的字段规律字段规律:county_code由所属地级市经度、所属地级市纬度扩增得出。含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 与所属省会城市距离公里distance_to_capital_km含义:长度(千米) | 小数 | 原生 | 100% | — | ||
| 所属地级市区划代码city_code规律 1:所属地级市区划代码的字段规律字段规律:city_code由所属地级市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,100% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:所属地级市区划代码 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 由所属地级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 | ||
| 所属地级市所在区县代码county_code规律 1:所属地级市所在区县代码的字段规律字段规律:county_code由所属地级市经度、所属地级市纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:所属地级市所在区县代码 | 99%平均置信度 0.95校验少:不建议单独作为决策依据 | 所属地级市经度、所属地级市纬度落在哪个区县,现行的县级区划代码。用县级边界查出,不用模型。离边界不到 1 公里的点置信度较低 |
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 | 企业名称company_name | 年份year | 产学研合作专利数industry_university_research_patent_count | 是否存在产学研合作has_industry_university_research_cooperation | 所属地级市city | 所属地级市经度lng | 所属地级市纬度lat | 与所属省会城市距离公里distance_to_capital_km | 所属地级市区划代码city_code | 所属地级市所在区县代码county_code |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 平安银行股份有限公司 | 2013 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 2 | 000001 | 平安银行股份有限公司 | 2020 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 3 | 000001 | 平安银行股份有限公司 | 2021 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 4 | 000001 | 平安银行股份有限公司 | 2016 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 5 | 000001 | 平安银行股份有限公司 | 2017 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 6 | 000001 | 平安银行股份有限公司 | 2019 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 7 | 000001 | 平安银行股份有限公司 | 2022 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 8 | 000001 | 平安银行股份有限公司 | 2018 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 9 | 000002 | 万科企业股份有限公司 | 2008 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 10 | 000002 | 万科企业股份有限公司 | 2010 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 11 | 000002 | 万科企业股份有限公司 | 2007 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 12 | 000002 | 万科企业股份有限公司 | 2004 | 1 | 是 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 13 | 000002 | 万科企业股份有限公司 | 2002 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 14 | 000002 | 万科企业股份有限公司 | 2013 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 15 | 000002 | 万科企业股份有限公司 | 2014 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 16 | 000002 | 万科企业股份有限公司 | 2006 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 17 | 000002 | 万科企业股份有限公司 | 2005 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 18 | 000005 | 深圳世纪星源股份有限公司 | 2019 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 19 | 000005 | 深圳世纪星源股份有限公司 | 2022 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
| 20 | 000005 | 深圳世纪星源股份有限公司 | 2020 | 0 | 否 | 深圳市 | 113.930412 | 22.53336 | 86.806924 | 440300 | 440305 |
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14,284 行 · 11 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 117 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 + 区县 + 股票代码 + 年份 能连
7 个数据集 · 本数据集 14,284 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 county_code、year、stock_code、city_code按城市对上本数据集 14,284 行(100%)
- 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、city_code、county_code、stock_code按城市对上本数据集 14,284 行(100%)
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 county_code、city_code、year、stock_code按城市对上本数据集 14,284 行(100%)
- 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、county_code、stock_code按城市对上本数据集 14,271 行(99%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 stock_code、application_date、address_county_code、address_city_code按城市对上本数据集 14,166 行(99%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 year、city_code、stock_code、county_code按城市对上本数据集 14,092 行(98%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 stock_code、region_code、contract_date、buyer_city_code按城市对上本数据集 11,825 行(82%)
按 城市 + 区县 + 年份 能连
41 个数据集 · 本数据集 14,284 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、region_code、year按城市对上本数据集 14,284 行(100%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、county_code、city_code按城市对上本数据集 14,284 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、county_code、year按城市对上本数据集 14,284 行(100%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、approve_date、city_code按城市对上本数据集 14,284 行(100%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、year、city_code按城市对上本数据集 14,284 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、county_code、region_code按城市对上本数据集 14,284 行(100%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 city_code、year、county_code按城市对上本数据集 14,284 行(100%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、founded_year、city_code按城市对上本数据集 14,284 行(100%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、year、city_code_2按城市对上本数据集 14,284 行(100%)
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 county_code、year、city_code按城市对上本数据集 14,284 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、division_year、region_code按城市对上本数据集 14,284 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、region_code、division_year按城市对上本数据集 14,284 行(100%)
按 城市 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 14,284 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 city_code、year、stock_code按城市对上本数据集 14,284 行(100%)
- 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按城市对上本数据集 14,284 行(100%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 city_code、year、stock_code按城市对上本数据集 14,284 行(100%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 stock_code、year、city_code按城市对上本数据集 14,284 行(100%)
- 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、year按城市对上本数据集 14,284 行(100%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 stock_code、city_code_2、year按城市对上本数据集 14,284 行(100%)
- 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、city_code_2、year按城市对上本数据集 14,284 行(100%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、year、city_code_2按城市对上本数据集 14,284 行(100%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code_2、stock_code、year按城市对上本数据集 14,284 行(100%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 stock_code、year、city_code_2按城市对上本数据集 14,284 行(100%)
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 year、region_code、stock_code按城市对上本数据集 14,276 行(99%)
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 city_code、setup_date、stock_code按城市对上本数据集 14,270 行(99%)
按 区县 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 14,068 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 county_code、stock_code、year按区县对上本数据集 13,804 行(96%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 county_code、year、stock_code按区县对上本数据集 13,747 行(96%)
- 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、county_code按区县对上本数据集 13,745 行(96%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 county_code、year、stock_code按区县对上本数据集 13,745 行(96%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、stock_code、county_code按区县对上本数据集 13,727 行(96%)
- 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、county_code按区县对上本数据集 13,672 行(95%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、year、county_code按区县对上本数据集 13,663 行(95%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 county_code、stock_code、year按区县对上本数据集 13,553 行(94%)
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 cutoff_date、region_code、stock_code按区县对上本数据集 13,523 行(94%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 stock_code、county_code、year按区县对上本数据集 13,194 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、region_code、stock_code按区县对上本数据集 12,562 行(87%)
按 股票代码 + 年份 能连
263 个数据集 · 本数据集 14,284 行有股票代码- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、ts_code按股票代码对上本数据集 14,284 行(100%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 establish_date、stkcd按股票代码对上本数据集 14,284 行(100%)
- 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 14,284 行(100%)
- 上市公司短视关键词明细企业主体 · 143.3 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 14,284 行(100%)
- 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 14,284 行(100%)
- 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 14,284 行(100%)
- 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 14,284 行(100%)
- 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 14,284 行(100%)
- 上市公司税费统计企业主体 · 51 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 14,284 行(100%)
- 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 14,284 行(100%)
- 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 14,284 行(100%)
- 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 14,284 行(100%)
按 城市 + 年份 能连
189 个数据集 · 本数据集 14,284 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 origin_city_code、month按城市对上本数据集 14,284 行(100%)
- 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按城市对上本数据集 14,284 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、date按城市对上本数据集 14,284 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、year按城市对上本数据集 14,284 行(100%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、year按城市对上本数据集 14,284 行(100%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code按城市对上本数据集 14,284 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year按城市对上本数据集 14,284 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year按城市对上本数据集 14,284 行(100%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、city_code按城市对上本数据集 14,284 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、region_code按城市对上本数据集 14,284 行(100%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 14,284 行(100%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、year按城市对上本数据集 14,284 行(100%)
按 区县 + 年份 能连
64 个数据集 · 本数据集 14,068 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 14,068 行(98%)
- 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、county_code按区县对上本数据集 14,068 行(98%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、county_code按区县对上本数据集 14,068 行(98%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、issue_date按区县对上本数据集 14,068 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 year、region_code按区县对上本数据集 14,068 行(98%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、year按区县对上本数据集 14,068 行(98%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 year、region_code按区县对上本数据集 14,068 行(98%)
- 县域开通微博企业数(按成立年份)区域底数 · 4.6 万 行 · 连接字段 year、region_code按区县对上本数据集 14,068 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、year按区县对上本数据集 14,068 行(98%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、year按区县对上本数据集 14,068 行(98%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、region_code按区县对上本数据集 14,068 行(98%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、year按区县对上本数据集 14,068 行(98%)
按 城市 + 区县 能连
17 个数据集 · 本数据集 14,284 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、county_code按城市对上本数据集 14,284 行(100%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 14,284 行(100%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、city_code按城市对上本数据集 14,284 行(100%)
- 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、city_code按城市对上本数据集 14,284 行(100%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、city_code按城市对上本数据集 14,284 行(100%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code、region_code按城市对上本数据集 14,282 行(99%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code按城市对上本数据集 14,253 行(99%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code按城市对上本数据集 13,056 行(91%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code按城市对上本数据集 11,825 行(82%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、city_code按城市对上本数据集 11,825 行(82%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、city_code按城市对上本数据集 11,825 行(82%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code按城市对上本数据集 11,637 行(81%)
按 城市 + 股票代码 能连
1 个数据集 · 本数据集 14,284 行有城市按 城市 能连
21 个数据集 · 本数据集 14,284 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code按城市对上本数据集 14,284 行(100%)
- 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 14,282 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code按城市对上本数据集 14,278 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code按城市对上本数据集 14,274 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code按城市对上本数据集 14,268 行(99%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2按城市对上本数据集 14,262 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 14,254 行(99%)
- 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 14,252 行(99%)
- 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 14,252 行(99%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code按城市对上本数据集 14,244 行(99%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code按城市对上本数据集 14,229 行(99%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code按城市对上本数据集 14,228 行(99%)
按 区县 能连
13 个数据集 · 本数据集 14,068 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按区县对上本数据集 14,068 行(98%)
- 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 14,045 行(98%)
- 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 14,045 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 13,979 行(97%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 12,484 行(87%)
- 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 12,102 行(84%)
- 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 11,367 行(79%)
- 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按区县对上本数据集 10,866 行(76%)
- 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 8,813 行(61%)
- 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 6,872 行(48%)
- 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 3,346 行(23%)
- 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 2,937 行(20%)
按 股票代码 能连
2 个数据集 · 本数据集 14,284 行有股票代码只按年份能连:495 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
495 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 小微企业调查问卷数据企业主体 · 240.8 万 行 · 连接字段 survey_year
- 城市建设统计指标区域底数 · 237.2 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
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由所属地级市扩增得出。
来自字段扩增上市公司产学研合作专利上市公司产学研合作专利 - 扩增得出
county_code由所属地级市经度、所属地级市纬度扩增得出。
来自字段扩增上市公司产学研合作专利上市公司产学研合作专利
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-industry-university/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。