
上市公司所在城市低碳试点标记
一行是一家 A 股上市公司一年是否位于低碳城市试点地区,以及省级、市级试点开始的年份,附上行业和所在地区。
v1 生效中 · 2026/11/14 发布险种标签:企业财产险责任险时间跨度:2000–2022 年数据出处 研究整理数据,出处待核实。按低碳城市试点名单和上市公司注册地匹配
- 记录
- 5.8 万
- 字段
- 15
- AI 扩增字段
- 0
- 平均非空率
- 90.4%
- 字段完整度
15 个字段,12 个没有空值
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 58,079 行计算。
关于这个数据集
一行是一家 A 股上市公司一年是否位于低碳城市试点地区,以及省级、市级试点开始的年份,附上行业和所在地区。2000 至 2022 年。研究里用来评估低碳政策的影响。
| 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 | ||
| 年份year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 | ||
| 股票简称company_name | 文本 | 原生 | 100% | 原表列名:ShortName | ||
| 是否处理组is_treat_group | 是非 | 原生 | 100% | 1为低碳城市企业,0为非低碳城市 原表列名:treat | ||
| 是否政策后is_post_policy | 是非 | 原生 | 100% | 1为政策实施后,0为实施前 原表列名:post | ||
| DID交互项did_interaction | 是非 | 原生 | 100% | 当年是否实施政策 原表列名:did | ||
| 省级政策年份policy_year_prov键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 24% | 缺失表示非试点 原表列名:policyyear_省 | ||
| 市级政策年份policy_year_city键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 61% | 缺失表示非试点 原表列名:policyyear_市 | ||
| 最早政策年份policy_year_min键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 71% | 省市中取最小值 原表列名:policyyear | ||
| 行业名称industry_name键:行业名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 证监会2012年版 原表列名:IndustryName | ||
| 行业代码industry_code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% | 证监会2012年版 原表列名:IndustryCode | ||
| 省份代码province_code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% | 原表列名:PROVINCECODE | ||
| 所属省份province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 | ||
| 城市代码city_code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% | 原表列名:CITYCODE | ||
| 所属城市city | 文本 | 原生 | 100% | 原表列名:CITY |
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 | 股票简称company_name | 是否处理组is_treat_group | 是否政策后is_post_policy | DID交互项did_interaction | 省级政策年份policy_year_prov | 市级政策年份policy_year_city | 最早政策年份policy_year_min | 行业名称industry_name | 行业代码industry_code | 省份代码province_code | 所属省份province | 城市代码city_code | 所属城市city |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2000 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 2 | 000001 | 2001 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 3 | 000001 | 2002 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 4 | 000001 | 2003 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 5 | 000001 | 2004 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 6 | 000001 | 2005 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 7 | 000001 | 2006 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 8 | 000001 | 2007 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 9 | 000001 | 2008 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 10 | 000001 | 2009 | 深发展A | 是 | 否 | 否 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 11 | 000001 | 2010 | 深发展A | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 12 | 000001 | 2011 | 深发展A | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 13 | 000001 | 2012 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 14 | 000001 | 2013 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 15 | 000001 | 2014 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 16 | 000001 | 2015 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 17 | 000001 | 2016 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 18 | 000001 | 2017 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 19 | 000001 | 2018 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
| 20 | 000001 | 2019 | 平安银行 | 是 | 是 | 是 | 2010 | 2010 | 2010 | 货币金融服务 | J66 | 440000 | 广东省 | 440300 | 深圳市 |
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 v12026/11/14 发布
生效中58,079 行 · 15 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 115 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 + 地区 + 省份 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 58,079 行有证监会行业大类- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 industry_code、year、stock_code、province、city_code按证监会行业大类对上本数据集 58,079 行(100%)
- 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、city_code、province、year按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、stock_code、province、industry_code、region_code按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 stock_code、year、province、industry_code、city_code按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 industry_code、province、year、city_code、stock_code按证监会行业大类对上本数据集 58,079 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 region_code、province、stock_code、year、industry_code按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、industry_code、city_code、stock_code、year按证监会行业大类对上本数据集 58,075 行(99%)
- A股数字化与ESG企业主体 · 3.9 万 行 · 连接字段 stock_code、industry_code、region_code、year、province按证监会行业大类对上本数据集 58,075 行(99%)
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 industry_code、year、province、city_code、stock_code按证监会行业大类对上本数据集 58,075 行(99%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、stock_code、city_code、industry_code、province按证监会行业大类对上本数据集 58,075 行(99%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 province、establish_date、city_code、stkcd、industry_code_c按证监会行业大类对上本数据集 57,995 行(99%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 stock_code、industry_code、year、city_code、province按证监会行业大类对上本数据集 57,660 行(99%)
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 58,079 行有证监会行业大类- 上市公司行业异质性企业主体 · 5.4 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 58,079 行(100%)
- 上市公司融资约束企业主体 · 5.2 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 58,079 行(100%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、province、year、industry_code_c按证监会行业大类对上本数据集 58,075 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、date、industry_code、stock_code按证监会行业大类对上本数据集 58,075 行(99%)
- A股ESG与财务企业主体 · 3.8 万 行 · 连接字段 stock_code、province、year、industry_code按证监会行业大类对上本数据集 58,075 行(99%)
- 上市公司人工智能采纳程度企业主体 · 3.7 万 行 · 连接字段 year、province、industry_code、stock_code按证监会行业大类对上本数据集 58,075 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、industry_code、stock_code、province按证监会行业大类对上本数据集 58,065 行(99%)
- 上市公司Wind ESG评级企业主体 · 14 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 57,995 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 province、industry_code、stock_code、year按证监会行业大类对上本数据集 57,995 行(99%)
- 上市公司创新与地区数字金融企业主体 · 2.1 万 行 · 连接字段 industry_code、province、accounting_period、stock_code按证监会行业大类对上本数据集 57,995 行(99%)
- 上市公司富时罗素ESG评分企业主体 · 2 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 57,995 行(99%)
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 stock_code、listing_date、industry_code_c、province按证监会行业大类对上本数据集 57,995 行(99%)
按 地区 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 58,064 行有地区- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 stock_code、province、cutoff_date、city_code按地区对上本数据集 57,965 行(99%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 city_code、stock_code、province、year按地区对上本数据集 57,594 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、city_code按地区对上本数据集 57,594 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、city_code按地区对上本数据集 57,582 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 city_code、province、year、stock_code按地区对上本数据集 57,582 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 stock_code、city_code、province、year按地区对上本数据集 57,582 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 year、city_code、province、stock_code按地区对上本数据集 57,581 行(99%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code、province、stock_code、year按地区对上本数据集 57,572 行(99%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 stock_code、city_code、year、province按地区对上本数据集 57,504 行(99%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 city_code、province、year、stock_code按地区对上本数据集 57,494 行(98%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、contract_date、stock_code、company_city_code按地区对上本数据集 54,716 行(94%)
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 58,079 行有证监会行业大类- 上市公司基础财务企业主体 · 7.7 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 58,079 行(100%)
- 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 58,079 行(100%)
- 上市公司发展能力企业主体 · 7.4 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 58,079 行(100%)
- 上市公司财务基础企业主体 · 6.7 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 58,079 行(100%)
- 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 58,079 行(100%)
- 上市公司资产专用性指标企业主体 · 5.8 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 58,079 行(100%)
- 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、industry_code按证监会行业大类对上本数据集 58,079 行(100%)
- 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 58,079 行(100%)
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 year、industry_code_2、stock_code按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 year、industry_code_1、stock_code按证监会行业大类对上本数据集 58,079 行(100%)
- 上市公司党组织设立企业主体 · 5.7 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 58,079 行(100%)
- 上市公司成本粘性指标企业主体 · 5.4 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 58,079 行(100%)
按 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 58,064 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 58,064 行(99%)
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 58,064 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、year、province按省份对上本数据集 58,064 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、year、stock_code按省份对上本数据集 58,064 行(99%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 58,064 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、stock_code、region_code按省份对上本数据集 58,064 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 58,064 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 58,061 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 stock_code、province、year按省份对上本数据集 58,061 行(99%)
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 listing_date、province、stock_code按省份对上本数据集 58,061 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 province、year、stock_code按省份对上本数据集 58,061 行(99%)
- 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按省份对上本数据集 58,061 行(99%)
按 地区 + 省份 + 年份 能连
7 个数据集 · 本数据集 58,064 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 region_code、year、province按地区对上本数据集 57,653 行(99%)
- 地区高新技术企业认定统计区域底数 · 4,737 行 · 连接字段 province、city_code、year按地区对上本数据集 55,890 行(96%)
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、year、region_code按地区对上本数据集 54,864 行(94%)
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、region_code、province按地区对上本数据集 54,864 行(94%)
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 region_code、province、create_date按地区对上本数据集 41,399 行(71%)
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 province、region_code、create_date按地区对上本数据集 25,591 行(44%)
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 region_code、landfall_date、province_code按地区对上本数据集 15,936 行(27%)
按 省份 + 年份 能连
503 个数据集 · 本数据集 58,064 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 58,064 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 58,064 行(99%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 58,064 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 58,064 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 58,064 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 58,064 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 58,064 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year按省份对上本数据集 58,064 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year按省份对上本数据集 58,064 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 58,064 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 58,064 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province按省份对上本数据集 58,064 行(99%)
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 58,079 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 58,079 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 58,079 行(100%)
- 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 58,079 行(100%)
- 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 58,079 行(100%)
- 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 58,041 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 year、stock_code按股票代码对上本数据集 57,841 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 57,819 行(99%)
- 上市公司环境披露指数企业主体 · 4.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 57,808 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 57,804 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 57,731 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 57,686 行(99%)
- 上市公司数字技术应用深度企业主体 · 6.1 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 57,686 行(99%)
按 地区 + 年份 能连
5 个数据集 · 本数据集 58,064 行有地区- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code、year按地区对上本数据集 57,933 行(99%)
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 region_code、year按地区对上本数据集 57,570 行(99%)
- 各省专利受理授权统计区域底数 · 1.7 万 行 · 连接字段 year、region_code按地区对上本数据集 27,949 行(48%)
- 各地区新能源汽车产量区域底数 · 240 行 · 连接字段 region_code、year按地区对上本数据集 27,606 行(47%)
- 各省医疗服务项目代码医疗药械 · 32.5 万 行 · 连接字段 regn、begin_date按地区对上本数据集 21,278 行(36%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 58,079 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 58,079 行有证监会行业大类按 地区 + 省份 能连
1 个数据集 · 本数据集 58,064 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 58,064 行有省份按 省份 能连
44 个数据集 · 本数据集 58,064 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 58,064 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 58,064 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 58,064 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 58,064 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 58,064 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 58,064 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 58,064 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 58,061 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 58,061 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 58,061 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 58,061 行(99%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 58,061 行(99%)
按 股票代码 能连
2 个数据集 · 本数据集 58,079 行有股票代码只按年份能连:271 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
271 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
- 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。
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-low-carbon-policy/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。