
上市公司周边宗教场所统计
一行代表一家上市公司在特定年份、特定半径下的周边宗教场所统计。
v1 生效中 · 2026/11/13 发布时间跨度:2018–2021 年数据出处 国泰安 CSMAR
- 记录
- 17.4 万
- 字段
- 17
- AI 扩增字段
- 3
- 平均非空率
- 99.3%
- 字段完整度
17 个字段,14 个没有空值,3 个 AI 扩增
01字段
字段来源,逐一标明
共 17 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 173,597 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、特定半径下的周边宗教场所统计。覆盖全国上市公司,包含注册地址、经纬度及不同半径内的寺庙和道观数量。可用于分析企业地理位置与宗教文化环境的关联,辅助ESG研究或社会文化风险评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 统计年度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:SgnYear | ||
| 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% | 原表列名:Symbol | ||
| 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 | 96% | 原表列名:注册地址所属省份 | ||
| 公司简称company_name含义:名称 | 文本 | 原生 | 100% | 原表列名:上市公司中文简称 | ||
| 注册地址register_address规律 2:注册地址的字段规律字段规律:register_address_city_code由注册地址扩增得出。。register_address_county_code由注册地址扩增得出。含义:地址键:地址。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:上市公司注册地址 | ||
| 经度lng规律 1:经度的字段规律字段规律:county_code由经度、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% | 东经 原表列名:RegisterLongitude | ||
| 纬度lat规律 1:纬度的字段规律字段规律:county_code由经度、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% | 北纬 原表列名:RegisterLatitude | ||
| 半径radius含义:长度(千米) | 整数 | 原生 | 100% | 千米 原表列名:Radius | ||
| 寺庙数量temple_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:TempleNum | ||
| 道观数量toist_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:ToistNum | ||
| 先进寺庙数advanced_temple_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:AdvancedTempleNum | ||
| 先进道观数advanced_toist_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:AdvancedToistNum | ||
| 重点寺庙数key_temple_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:KeyTempleNum | ||
| 重点道观数key_toist_num含义:个数(个) | 整数 | 原生 | 100% | 个 原表列名:KeyToistNum | ||
| 所在区县代码county_code规律 1:所在区县代码的字段规律字段规律:county_code由经度、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%,99.8% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:所在区县代码 | 100%平均置信度 0.95校验少:不建议单独作为决策依据 | 经度、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 | ||
| 注册地址所在区县代码register_address_county_code规律 1:注册地址所在区县代码的字段规律字段规律:register_address_county_code由注册地址扩增得出。键:县级区划代码。样本里格式符合 100%,94.5% 的行对上参照 region-name-alias | 文本 | AI 扩增AI 抽取第 3 级扩增查看溯源:注册地址所在区县代码 | 95%平均置信度 0.96校验少:不建议单独作为决策依据 | 本地模型从注册地址里抽出省、市、县的名称,程序再查行政区划参照得出现行的县级代码。模型不给代码。置信度低的等运营人员确认 | ||
| 注册地址所在城市代码register_address_city_code规律 1:注册地址所在城市代码的字段规律字段规律:register_address_city_code由注册地址扩增得出。键:市级区划代码。样本里格式符合 100%,98.3% 的行对上参照 region-name-alias | 文本 | AI 扩增AI 抽取第 3 级扩增查看溯源:注册地址所在城市代码 | 98%平均置信度 0.96校验少:不建议单独作为决策依据 | 本地模型从注册地址里抽出省、市、县的名称,程序再查行政区划参照得出现行的地级代码。模型不给代码。置信度低的等运营人员确认 |
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。
| # | 统计年度year | 股票代码stock_code | 省份province | 公司简称company_name | 注册地址register_address | 经度lng | 纬度lat | 半径radius | 寺庙数量temple_num | 道观数量toist_num | 先进寺庙数advanced_temple_num | 先进道观数advanced_toist_num | 重点寺庙数key_temple_num | 重点道观数key_toist_num | 所在区县代码county_code | 注册地址所在区县代码register_address_county_code | 注册地址所在城市代码register_address_city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 5 | 1 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 2 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 50 | 16 | 2 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 3 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 250 | 525 | 137 | 2 | 1 | 3 | 1 | 440303 | 440303 | 440300 |
| 4 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 10 | 2 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 5 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 100 | 132 | 40 | 2 | 0 | 0 | 1 | 440303 | 440303 | 440300 |
| 6 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 150 | 221 | 67 | 2 | 1 | 1 | 1 | 440303 | 440303 | 440300 |
| 7 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 40 | 8 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 8 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 200 | 300 | 99 | 2 | 1 | 2 | 1 | 440303 | 440303 | 440300 |
| 9 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 30 | 5 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 10 | 2018 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10763282 | 22.54046739 | 300 | 1110 | 163 | 3 | 1 | 6 | 1 | 440303 | 440303 | 440300 |
| 11 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 10 | 2 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 12 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 50 | 16 | 2 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 13 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 100 | 132 | 40 | 2 | 0 | 0 | 1 | 440303 | 440303 | 440300 |
| 14 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 200 | 300 | 99 | 2 | 1 | 2 | 1 | 440303 | 440303 | 440300 |
| 15 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 30 | 5 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 16 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 150 | 221 | 67 | 2 | 1 | 1 | 1 | 440303 | 440303 | 440300 |
| 17 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 300 | 1110 | 163 | 3 | 1 | 6 | 1 | 440303 | 440303 | 440300 |
| 18 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 250 | 525 | 137 | 2 | 1 | 3 | 1 | 440303 | 440303 | 440300 |
| 19 | 2019 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 40 | 8 | 0 | 0 | 0 | 0 | 0 | 440303 | 440303 | 440300 |
| 20 | 2020 | 000001 | 广东省 | 平安银行 | 广东省深圳市罗湖区深南东路5047号 | 114.10774 | 22.54068 | 250 | 525 | 137 | 2 | 1 | 3 | 1 | 440303 | 440303 | 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173,597 行 · 17 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 190 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 + 省份 + 股票代码 + 年份 能连
5 个数据集 · 本数据集 170,633 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 year、county_code、city_code、stock_code、province按城市对上本数据集 170,567 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 city_code、year、stock_code、province、county_code按城市对上本数据集 170,567 行(98%)
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 province、stock_code、city_code、county_code、year按城市对上本数据集 170,567 行(98%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 year、province、stock_code、city_code、county_code按城市对上本数据集 167,414 行(96%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、buyer_city_code、stock_code、buyer_province、region_code按城市对上本数据集 135,962 行(78%)
按 城市 + 区县 + 省份 + 年份 能连
37 个数据集 · 本数据集 170,633 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、city_code、region_code按城市对上本数据集 170,633 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 county_code、province、date、city_code按城市对上本数据集 170,633 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code、province、county_code按城市对上本数据集 170,633 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、approve_date、county_code按城市对上本数据集 170,633 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province、region_code、city_code按城市对上本数据集 170,633 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year、county_code、region_code按城市对上本数据集 170,633 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、province_name、county_code_2、year按城市对上本数据集 170,633 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code、division_year按城市对上本数据集 170,633 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 170,633 行(98%)
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 city_code、year、province、county_code按城市对上本数据集 170,589 行(98%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 county_code、province、city_code、year按城市对上本数据集 170,585 行(98%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 county_code、year、province、city_code按城市对上本数据集 170,567 行(98%)
按 城市 + 省份 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 170,633 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 stock_code、province、year、city_code按城市对上本数据集 170,567 行(98%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、province、stock_code、city_code按城市对上本数据集 170,567 行(98%)
- 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、year、city_code_2按城市对上本数据集 170,567 行(98%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、year、stock_code、city_code_2按城市对上本数据集 170,567 行(98%)
- 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、stock_code、city_code_2、province按城市对上本数据集 170,567 行(98%)
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 city_code_2、year、province、stock_code按城市对上本数据集 170,567 行(98%)
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code、city_code_2按城市对上本数据集 170,555 行(98%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、city_code_2、stock_code、province按城市对上本数据集 170,555 行(98%)
- 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、setup_date、city_code按城市对上本数据集 170,517 行(98%)
- 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、province、stock_code按城市对上本数据集 170,389 行(98%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 stock_code、province、city_code、year按城市对上本数据集 170,389 行(98%)
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 province、stock_code、year、region_code按城市对上本数据集 170,236 行(98%)
按 区县 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 173,217 行有区县- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 year、county_code、stock_code、province按区县对上本数据集 172,100 行(99%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、province、county_code、stock_code按区县对上本数据集 172,087 行(99%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 county_code、province、year、stock_code按区县对上本数据集 172,051 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、county_code、stock_code、province按区县对上本数据集 172,043 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、county_code、province、year按区县对上本数据集 172,043 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、county_code、stock_code、year按区县对上本数据集 171,993 行(99%)
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 stock_code、province、county_code、year按区县对上本数据集 171,751 行(98%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 year、province、stock_code、county_code按区县对上本数据集 171,142 行(98%)
- 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、province按区县对上本数据集 171,073 行(98%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 province、stock_code、year、county_code按区县对上本数据集 162,910 行(93%)
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 year、province、region_code、stock_code按区县对上本数据集 158,073 行(91%)
按 城市 + 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 170,633 行有城市按 城市 + 省份 + 年份 能连
129 个数据集 · 本数据集 170,633 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 170,633 行(98%)
- 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、origin_province按城市对上本数据集 170,633 行(98%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 170,633 行(98%)
- 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 170,633 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 170,633 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 170,633 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、province、year按城市对上本数据集 170,633 行(98%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 year、province、city_code按城市对上本数据集 170,633 行(98%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 170,633 行(98%)
- 地级市银行竞争度指标保险市场 · 9,049 行 · 连接字段 year、city_code、province按城市对上本数据集 170,633 行(98%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 year、region_code、province按城市对上本数据集 170,633 行(98%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 city_code、province_code、census_year按城市对上本数据集 170,633 行(98%)
按 区县 + 省份 + 年份 能连
54 个数据集 · 本数据集 173,217 行有区县- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、region_code、province按区县对上本数据集 173,217 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、province、issue_date按区县对上本数据集 173,120 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、county_code按区县对上本数据集 173,036 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 173,016 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 173,016 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 173,016 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、county_code按区县对上本数据集 172,867 行(99%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 172,565 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、region_code、province按区县对上本数据集 172,115 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、adcode、page_publish_time按区县对上本数据集 171,148 行(98%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 170,210 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 region_code、year、province按区县对上本数据集 170,207 行(98%)
按 省份 + 股票代码 + 年份 能连
33 个数据集 · 本数据集 166,946 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 establish_date、stock_code、province按省份对上本数据集 166,946 行(96%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、province、ts_code按省份对上本数据集 166,946 行(96%)
- 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 166,946 行(96%)
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 166,946 行(96%)
- 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 166,946 行(96%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 166,946 行(96%)
- 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按省份对上本数据集 166,946 行(96%)
- 上市公司数字化创新指标企业主体 · 5.9 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 166,946 行(96%)
- 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 province_code、year、stock_code按省份对上本数据集 166,946 行(96%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 166,946 行(96%)
- 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按省份对上本数据集 166,946 行(96%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 166,946 行(96%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 170,633 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code、city_code按城市对上本数据集 170,633 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 city_code、region_code、province_code按城市对上本数据集 170,633 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province、city_code按城市对上本数据集 170,589 行(98%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province、city_code按城市对上本数据集 170,567 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 169,505 行(97%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 149,539 行(86%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 city_code、region_code、province按城市对上本数据集 140,678 行(81%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 136,952 行(78%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code、village_code按城市对上本数据集 135,962 行(78%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 135,885 行(78%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province、county_code按城市对上本数据集 133,527 行(76%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、county_code、province按城市对上本数据集 132,429 行(76%)
按 城市 + 区县 + 年份 能连
4 个数据集 · 本数据集 170,633 行有城市- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year、city_code按城市对上本数据集 170,517 行(98%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、applicant_address_county_code、pub_date按城市对上本数据集 170,304 行(98%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、county_code、year按城市对上本数据集 157,897 行(90%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、county_code、established_date按城市对上本数据集 63,987 行(36%)
按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 170,633 行有城市按 省份 + 年份 能连
290 个数据集 · 本数据集 166,946 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 166,946 行(96%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code、year按省份对上本数据集 166,946 行(96%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province、year按省份对上本数据集 166,946 行(96%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code、year按省份对上本数据集 166,946 行(96%)
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 region_code、year按省份对上本数据集 166,946 行(96%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province、year按省份对上本数据集 166,946 行(96%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 166,946 行(96%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 166,946 行(96%)
- 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 166,946 行(96%)
按 股票代码 + 年份 能连
230 个数据集 · 本数据集 173,597 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 stock_code、month按股票代码对上本数据集 173,597 行(100%)
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 173,597 行(100%)
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 173,597 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 173,597 行(100%)
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 173,597 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按股票代码对上本数据集 173,597 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 173,597 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 listed_date、stock_code按股票代码对上本数据集 173,597 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 173,597 行(100%)
- 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 173,597 行(100%)
- 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 173,597 行(100%)
- 上市公司年度违规次数企业主体 · 5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 173,597 行(100%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 170,633 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 170,572 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 170,567 行(98%)
- 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 170,567 行(98%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 170,567 行(98%)
- 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 170,567 行(98%)
- 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 170,567 行(98%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 170,567 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 170,553 行(98%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 170,149 行(98%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 region_code、year按城市对上本数据集 169,936 行(97%)
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 169,936 行(97%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 169,936 行(97%)
按 城市 + 省份 能连
14 个数据集 · 本数据集 170,633 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、province_code按城市对上本数据集 170,633 行(98%)
- 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 170,486 行(98%)
- 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 170,415 行(98%)
- 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 170,317 行(98%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 170,006 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 169,848 行(97%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 169,164 行(97%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 169,034 行(97%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 city_code、province按城市对上本数据集 167,803 行(96%)
- 地级市家谱数量和人口区域底数 · 228 行 · 连接字段 city_code、province按城市对上本数据集 159,897 行(92%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 region_code、province按城市对上本数据集 153,404 行(88%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 135,962 行(78%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 173,217 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 173,217 行(99%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 167,920 行(96%)
- 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 159,634 行(91%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 123,325 行(71%)
- 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 115,418 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 90,429 行(52%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 78,287 行(45%)
- 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 62,688 行(36%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 45,100 行(25%)
- 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 28,830 行(16%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 173,217 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 170,633 行有城市按 省份 能连
14 个数据集 · 本数据集 166,946 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,946 行(96%)
- 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 166,106 行(95%)
- 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 166,106 行(95%)
- 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 164,124 行(94%)
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 160,827 行(92%)
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 152,617 行(87%)
按 区县 能连
9 个数据集 · 本数据集 173,217 行有区县- 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 172,075 行(99%)
- 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 171,100 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 168,615 行(97%)
- 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 150,171 行(86%)
- 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 143,716 行(82%)
- 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 142,808 行(82%)
- 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 101,501 行(58%)
- 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 59,648 行(34%)
- 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 49,519 行(28%)
按 城市 能连
7 个数据集 · 本数据集 170,633 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 170,523 行(98%)
- 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 169,800 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 169,738 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 169,738 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 168,486 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 154,364 行(88%)
- 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 89,196 行(51%)
按 股票代码 能连
2 个数据集 · 本数据集 173,597 行有股票代码只按年份能连:205 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
205 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
- 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
- 死因监测分死因死亡率人口健康 · 127.5 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3
- 扩增得出
county_code由经度、纬度扩增得出。
来自字段扩增上市公司周边宗教场所统计上市公司周边宗教场所统计 - 扩增得出
register_address_city_code由注册地址扩增得出。
来自字段扩增上市公司周边宗教场所统计上市公司周边宗教场所统计 - 扩增得出
register_address_county_code由注册地址扩增得出。
来自字段扩增上市公司周边宗教场所统计上市公司周边宗教场所统计
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-religious-site-proximity/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。