
- 记录
- 2.1 万
- 字段
- 15
- AI 扩增字段
- 2
- 平均非空率
- 97.7%
- 字段完整度
15 个字段,11 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 21,279 行计算。
关于这个数据集
一行代表一家上市公司在某一年的对外投资明细。数据覆盖全国各省市上市公司,包含投资总额及股权投资、委托理财、证券投资等细分金额。可用于分析企业资金流向、投资结构及风险敞口。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 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% | — | ||
| 行业代码industry_code含义:代码或编号 | 文本 | 原生 | 100% | — | ||
| 行业名称industry_name规律 1:行业名称的字段规律字段规律:industry_code_2由行业名称扩增得出。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% | — | ||
| 省份province规律 1:省份的字段规律字段规律:county_code由省份、区县扩增得出。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含义:地区 | 文本 | 原生 | 100% | — | ||
| 区县county规律 1:区县的字段规律字段规律:county_code由省份、区县扩增得出。含义:地区键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 99% | — | ||
| 上市状态listing_status含义:类别 | 文本 | 原生 | 100% | — | ||
| 投资总额total_investment_amount含义:金额(万元) | 小数 | 原生 | 100% | 单位:万元 原表列名:对外投资总额_万元 | ||
| 上市股权投资listed_equity_investment_amount含义:金额(万元) | 小数 | 原生 | 100% | 单位:万元 原表列名:其中-其他上市公司股权投资_万元 | ||
| 委托理财entrusted_wealth_amount含义:金额(万元) | 小数 | 原生 | 100% | 单位:万元 原表列名:其中-委托理财_万元 | ||
| 证券投资securities_investment_amount含义:金额(万元) | 小数 | 原生 | 100% | 单位:万元 原表列名:其中-证券投资_万元 | ||
| 非上市金融投资unlisted_financial_investment_amount含义:金额(万元) | 小数 | 原生 | 100% | 单位:万元 原表列名:其中-非上市金融企业及拟上市公司股权投资_万元 | ||
| 区县区划代码county_code规律 1:区县区划代码的字段规律字段规律:county_code由省份、区县扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,98.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:区县区划代码 | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、区县查行政区划参照得出的现行县级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 行业代码industry_code_2规律 1:行业代码的字段规律字段规律:industry_code_2由行业名称扩增得出。含义:代码或编号键:大类国民经济行业代码。样本里格式符合 100%,69.6% 的行对上参照 industry-classification | 文本 | 规则扩增第 2 级扩增查看溯源:行业代码 | 70%平均置信度 0.99校验少:不建议单独作为决策依据 | 由行业名称查行业分类参照(GB/T 4754-2017,没有时用 2011 版)得出的国民经济行业代码。名称对不上的为空 |
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。
| # | 年份year | 股票代码stock_code | 行业代码industry_code | 行业名称industry_name | 省份province | 城市city | 区县county | 上市状态listing_status | 投资总额total_investment_amount | 上市股权投资listed_equity_investment_amount | 委托理财entrusted_wealth_amount | 证券投资securities_investment_amount | 非上市金融投资unlisted_financial_investment_amount | 区县区划代码county_code | 行业代码industry_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2021 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 46900 | 46900 | 0 | 0 | 0 | 440303 | 66 |
| 2 | 2020 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 54500 | 46900 | 0 | 0 | 7600 | 440303 | 66 |
| 3 | 2019 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 105800 | 98200 | 0 | 0 | 7600 | 440303 | 66 |
| 4 | 2018 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 148500 | 129800 | 0 | 0 | 18700 | 440303 | 66 |
| 5 | 2017 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 148400 | 123900 | 0 | 0 | 24500 | 440303 | 66 |
| 6 | 2016 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 196700 | 175400 | 0 | 0 | 21300 | 440303 | 66 |
| 7 | 2015 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 119400 | 105900 | 0 | 0 | 13500 | 440303 | 66 |
| 8 | 2014 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 15451800 | 58900 | 0 | 15371800 | 21100 | 440303 | 66 |
| 9 | 2013 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 34739200 | 20900 | 0 | 34710700 | 7600 | 440303 | 66 |
| 10 | 2012 | 000001 | J66 | 货币金融服务 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 17502659.7 | 9698 | 0 | 14807600 | 2685361.7 | 440303 | 66 |
| 11 | 2011 | 000001 | I0199 | 其他商业银行 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 22421500.1 | 10836.1 | 0 | 19722806.1 | 2687857.9 | 440303 | — |
| 12 | 2010 | 000001 | I0199 | 其他商业银行 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 14373719.68 | 19244.1 | 0 | 14339270.38 | 15205.2 | 440303 | — |
| 13 | 2009 | 000001 | I0199 | 其他商业银行 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 12431214.6 | 25084.6 | 0 | 12385901.8 | 20228.2 | 440303 | — |
| 14 | 2008 | 000001 | I0199 | 其他商业银行 | 广东省 | 深圳市 | 罗湖区 | 正常上市 | 4602093.8 | 31293.9 | 0 | 4452861.6 | 117938.3 | 440303 | — |
| 15 | 2019 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 167609.559359 | 0 | 0 | 167609.559359 | 0 | 440308 | 70 |
| 16 | 2018 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 197662.377803 | 0 | 0 | 197662.377803 | 0 | 440308 | 70 |
| 17 | 2017 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 29399.209963 | 0 | 0 | 29399.209963 | 0 | 440308 | 70 |
| 18 | 2016 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 873072.009932 | 873072.009932 | 0 | 0 | 0 | 440308 | 70 |
| 19 | 2015 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 1636249.700733 | 1072649.700733 | 563600 | 0 | 0 | 440308 | 70 |
| 20 | 2014 | 000002 | K70 | 房地产业 | 广东省 | 深圳市 | 盐田区 | 正常上市 | 1469604.590456 | 1062004.590456 | 407600 | 0 | 0 | 440308 | 70 |
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21,279 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 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 国民经济行业大类 + 区县 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 14,802 行有国民经济行业大类- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、industry_code_2、stock_code、province、county_code按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、county_code、industry_code_2、stock_code、province按国民经济行业大类对上本数据集 14,802 行(69%)
- 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、stock_code、county_code、province、industry_code_2按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 industry_code_2、province、county_code、stock_code、year按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 year、stock_code、province、industry_code_2、region_code按国民经济行业大类对上本数据集 14,684 行(69%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 company_industry_code_2、buyer_province、region_code、contract_date、stock_code按国民经济行业大类对上本数据集 14,369 行(67%)
按 区县 + 省份 + 股票代码 + 年份 能连
10 个数据集 · 本数据集 20,867 行有区县- 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、county_code、province按区县对上本数据集 20,867 行(98%)
- 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、county_code、province、stock_code按区县对上本数据集 20,867 行(98%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 province、county_code、year、stock_code按区县对上本数据集 20,867 行(98%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、year、county_code、stock_code按区县对上本数据集 20,864 行(98%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 province、year、stock_code、county_code按区县对上本数据集 20,818 行(97%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 county_code、year、stock_code、province按区县对上本数据集 20,782 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、stock_code、province、county_code按区县对上本数据集 20,652 行(97%)
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 year、county_code、stock_code、province按区县对上本数据集 20,650 行(97%)
- 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、province、stock_code、region_code按区县对上本数据集 20,566 行(96%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 province、year、county_code、stock_code按区县对上本数据集 19,203 行(90%)
按 国民经济行业大类 + 省份 + 股票代码 + 年份 能连
6 个数据集 · 本数据集 14,802 行有国民经济行业大类- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、year、industry_code、province按国民经济行业大类对上本数据集 14,802 行(69%)
- 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、province、industry_code_2、year按国民经济行业大类对上本数据集 14,802 行(69%)
- 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 province、stock_code、year、industry_code_2按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 province、industry_code_2、stock_code、year按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code、industry_code_2按国民经济行业大类对上本数据集 14,802 行(69%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 stock_code、industry_code_2、year、province按国民经济行业大类对上本数据集 14,802 行(69%)
按 国民经济行业大类 + 区县 + 省份 + 年份 能连
3 个数据集 · 本数据集 14,802 行有国民经济行业大类- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 county_code、industry_code、province、est_date按国民经济行业大类对上本数据集 14,781 行(69%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 industry_code、province、year、county_code按国民经济行业大类对上本数据集 8,437 行(39%)
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 county_code、industry_division_code、disclosure_date、province按国民经济行业大类对上本数据集 201 行(不到 1%)
按 区县 + 省份 + 年份 能连
88 个数据集 · 本数据集 20,867 行有区县- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 year、province_code、region_code按区县对上本数据集 20,867 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、province_code、county_code按区县对上本数据集 20,867 行(98%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 20,867 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、date、county_code按区县对上本数据集 20,867 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name按区县对上本数据集 20,867 行(98%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、valid_from、region_code按区县对上本数据集 20,867 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、province、region_code按区县对上本数据集 20,867 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code按区县对上本数据集 20,867 行(98%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、year、region_code按区县对上本数据集 20,866 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 layer_year、region_code、province按区县对上本数据集 20,866 行(98%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year按区县对上本数据集 20,859 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year按区县对上本数据集 20,859 行(98%)
按 省份 + 股票代码 + 年份 能连
42 个数据集 · 本数据集 21,244 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 province、stock_code、establish_date按省份对上本数据集 21,244 行(99%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、ts_code、province按省份对上本数据集 21,244 行(99%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 establish_date、stkcd、province按省份对上本数据集 21,244 行(99%)
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 21,244 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 21,244 行(99%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 21,244 行(99%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 21,244 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 province、year、stock_code按省份对上本数据集 21,244 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、province_code、year按省份对上本数据集 21,244 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、stock_code、province按省份对上本数据集 21,244 行(99%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 21,244 行(99%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 21,244 行(99%)
按 国民经济行业大类 + 省份 + 年份 能连
4 个数据集 · 本数据集 14,802 行有国民经济行业大类- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province、category_code按国民经济行业大类对上本数据集 9,100 行(42%)
- 央企基本信息企业主体 · 1,867 行 · 连接字段 industry_code、province_code、stat_date按国民经济行业大类对上本数据集 8,913 行(41%)
- 省级分行业工业总产值区域底数 · 1.1 万 行 · 连接字段 industry_code、year、region按国民经济行业大类对上本数据集 4,934 行(23%)
- 省级五年规划产业条目司法监管 · 4,363 行 · 连接字段 mentioned_industry_code、province、approval_date按国民经济行业大类对上本数据集 3,483 行(16%)
按 国民经济行业大类 + 股票代码 + 年份 能连
4 个数据集 · 本数据集 14,802 行有国民经济行业大类- 上市公司全要素生产率(五种算法)企业主体 · 5.5 万 行 · 连接字段 year、stock_code、industry_code_2按国民经济行业大类对上本数据集 14,349 行(67%)
- 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、industry_code_b按国民经济行业大类对上本数据集 5,852 行(27%)
- 上市公司商道融绿ESG评级企业主体 · 5,746 行 · 连接字段 stock_code、industry_wind_code、year按国民经济行业大类对上本数据集 637 行(3%)
- 上市公司股权激励方案企业主体 · 3,025 行 · 连接字段 latest_announcement_date、wind_industry_code、stock_code按国民经济行业大类对上本数据集 637 行(3%)
按 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 20,867 行有区县按 国民经济行业大类 + 区县 + 省份 能连
1 个数据集 · 本数据集 14,802 行有国民经济行业大类按 国民经济行业大类 + 区县 + 年份 能连
1 个数据集 · 本数据集 14,802 行有国民经济行业大类按 省份 + 年份 能连
415 个数据集 · 本数据集 21,244 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 21,244 行(99%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 21,244 行(99%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 21,244 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 21,244 行(99%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 21,244 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、province按省份对上本数据集 21,244 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 21,244 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 21,244 行(99%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 year、region_code按省份对上本数据集 21,244 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year按省份对上本数据集 21,244 行(99%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 province、year按省份对上本数据集 21,244 行(99%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 year、province按省份对上本数据集 21,244 行(99%)
按 股票代码 + 年份 能连
226 个数据集 · 本数据集 21,279 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 21,279 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 21,279 行(100%)
- 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 21,279 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 21,279 行(100%)
- 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 21,279 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按股票代码对上本数据集 21,279 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 stock_code、report_date按股票代码对上本数据集 21,279 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 21,278 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 stock_code、year按股票代码对上本数据集 21,278 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 21,277 行(99%)
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 21,276 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 stock_code、year按股票代码对上本数据集 21,264 行(99%)
按 区县 + 省份 能连
17 个数据集 · 本数据集 20,867 行有区县- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 20,867 行(98%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province按区县对上本数据集 20,867 行(98%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 20,859 行(98%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 20,742 行(97%)
- 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、province_code按区县对上本数据集 20,742 行(97%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 20,596 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code按区县对上本数据集 20,524 行(96%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 19,827 行(93%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、province按区县对上本数据集 15,617 行(73%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、province按区县对上本数据集 15,049 行(70%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 county_code、province按区县对上本数据集 14,902 行(70%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code按区县对上本数据集 11,642 行(54%)
按 区县 + 年份 能连
13 个数据集 · 本数据集 20,867 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 valid_from、old_code按区县对上本数据集 20,867 行(98%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 20,433 行(96%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code按区县对上本数据集 19,092 行(89%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 18,894 行(88%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 14,951 行(70%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 14,120 行(66%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 10,661 行(50%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 8,976 行(42%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 8,088 行(38%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code按区县对上本数据集 7,805 行(36%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 5,836 行(27%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 3,202 行(15%)
按 国民经济行业大类 + 年份 能连
9 个数据集 · 本数据集 14,802 行有国民经济行业大类- 各行业绿色全要素生产率区域底数 · 1,620 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 14,759 行(69%)
- 上市公司碳强度企业主体 · 2,289 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 14,000 行(65%)
- 上市公司碳排放量企业主体 · 2,985 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 13,448 行(63%)
- 中国对一带一路国家分行业出口区域底数 · 1.8 万 行 · 连接字段 industry_code、month按国民经济行业大类对上本数据集 9,217 行(43%)
- 中国自一带一路国家分行业进口区域底数 · 1.4 万 行 · 连接字段 industry_code、month按国民经济行业大类对上本数据集 9,136 行(42%)
- 工业分行业统计指标区域底数 · 7,707 行 · 连接字段 industry_code、year按国民经济行业大类对上本数据集 9,108 行(42%)
- 分行业二氧化碳排放量区域底数 · 1,386 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 9,100 行(42%)
- 全国行业燃料碳排放明细区域底数 · 1,287 行 · 连接字段 year、industry_code按国民经济行业大类对上本数据集 9,100 行(42%)
- 中央产业政策文本司法监管 · 152 行 · 连接字段 approval_date、mentioned_industry_code按国民经济行业大类对上本数据集 1,155 行(5.4%)
按 国民经济行业大类 + 省份 能连
1 个数据集 · 本数据集 14,802 行有国民经济行业大类按 省份 + 股票代码 能连
1 个数据集 · 本数据集 21,244 行有省份按 省份 能连
27 个数据集 · 本数据集 21,244 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 21,244 行(99%)
- 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 21,244 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 21,244 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 21,244 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 21,244 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 21,244 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 21,244 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 21,244 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 21,244 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 21,244 行(99%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province按省份对上本数据集 21,244 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 21,244 行(99%)
按 区县 能连
12 个数据集 · 本数据集 20,867 行有区县- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 20,850 行(97%)
- 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 20,764 行(97%)
- 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 20,758 行(97%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 20,747 行(97%)
- 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 20,509 行(96%)
- 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 18,118 行(85%)
- 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 17,279 行(81%)
- 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 16,291 行(76%)
- 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 12,583 行(59%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 11,111 行(52%)
- 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 6,826 行(32%)
- 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 5,479 行(25%)
按 股票代码 能连
2 个数据集 · 本数据集 21,279 行有股票代码只按年份能连:256 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
256 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
- 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
- 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
- 上市公司数字词频企业主体 · 191.6 万 行 · 连接字段 year
- 分省HS商品年度进出口区域底数 · 135.8 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
county_code由省份、区县扩增得出。
来自字段扩增上市公司对外投资上市公司对外投资 - 扩增得出
industry_code_2由行业名称扩增得出。
来自字段扩增上市公司对外投资上市公司对外投资
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-outbound-investment/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。