
上市公司供应链城市试点匹配
一行代表一家上市公司在某一年的供应链数字化试点状态。
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:2000–2022 年数据出处 商务部供应链创新与应用试点名单
- 记录
- 5.8 万
- 字段
- 13
- AI 扩增字段
- 2
- 平均非空率
- 96.4%
- 字段完整度
13 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 13 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 58,072 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供应链数字化试点状态。覆盖全国范围内的上市公司,包含股票代码、名称、注册地及试点标识等字段。可用于评估供应链数字化政策对上市公司风险或绩效的影响。
| 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% | — | ||
| 股票简称stock_short_name含义:名称 | 文本 | 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 2:省份的字段规律字段规律:city_code由省份、城市扩增得出。。county_code由省份、城市、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规律 2:城市的字段规律字段规律:city_code由省份、城市扩增得出。。county_code由省份、城市、区县扩增得出。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% | — | ||
| 区县county规律 1:区县的字段规律字段规律:county_code由省份、城市、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% | — | ||
| 试点城市标识pilot_city_flag含义:是否 | 整数 | 原生 | 100% | 1为是,0为否 原表列名:试点城市 | ||
| 最早试点年份earliest_pilot_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 | 57% | — | ||
| 双重差分变量did含义:是否 | 整数 | 原生 | 100% | 处理组标识 原表列名:DID | ||
| 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、城市、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%,98.8% 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 | 99%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、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 | ||
| 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 0.97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 | 股票简称stock_short_name | 公司全称company_name | 省份province | 城市city | 区县county | 上市状态listing_status | 试点城市标识pilot_city_flag | 最早试点年份earliest_pilot_year | 双重差分变量did | 区县区划代码county_code | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2000 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 2 | 000001 | 2001 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 3 | 000001 | 2002 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 4 | 000001 | 2003 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 5 | 000001 | 2004 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 6 | 000001 | 2005 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 7 | 000001 | 2006 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 8 | 000001 | 2007 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 9 | 000001 | 2008 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 10 | 000001 | 2009 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 11 | 000001 | 2010 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 12 | 000001 | 2011 | 深发展A | 深圳发展银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 13 | 000001 | 2012 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 14 | 000001 | 2013 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 15 | 000001 | 2014 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 16 | 000001 | 2015 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 17 | 000001 | 2016 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 18 | 000001 | 2017 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 0 | 440303 | 440300 |
| 19 | 000001 | 2018 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 1 | 440303 | 440300 |
| 20 | 000001 | 2019 | 平安银行 | 平安银行股份有限公司 | 广东省 | 深圳 | 罗湖区 | 正常上市 | 1 | 2018 | 1 | 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58,072 行 · 13 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 57,792 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、province、stock_code、city_code按城市对上本数据集 57,792 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、city_code、stock_code、province、county_code按城市对上本数据集 57,782 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、year、stock_code、province、county_code按城市对上本数据集 57,671 行(99%)
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 province、city_code、stock_code、year、county_code按城市对上本数据集 56,275 行(96%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、stock_code、contract_date、buyer_city_code、region_code按城市对上本数据集 46,131 行(79%)
按 城市 + 区县 + 省份 + 年份 能连
37 个数据集 · 本数据集 57,792 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province、region_code按城市对上本数据集 57,792 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 city_code、date、county_code、province按城市对上本数据集 57,792 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year、county_code、province按城市对上本数据集 57,792 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、city_code、approve_date、province按城市对上本数据集 57,792 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、city_code、province、region_code按城市对上本数据集 57,792 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、province、region_code、county_code按城市对上本数据集 57,792 行(99%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 province、city_code、year、county_code按城市对上本数据集 57,792 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、founded_year、county_code、city_code按城市对上本数据集 57,792 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、year、city_code_2、county_code_2按城市对上本数据集 57,792 行(99%)
- 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、province按城市对上本数据集 57,792 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、province、division_year、region_code按城市对上本数据集 57,792 行(99%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、layer_year、city_code、region_code按城市对上本数据集 57,792 行(99%)
按 城市 + 省份 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 57,792 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、stock_code、year、province按城市对上本数据集 57,792 行(99%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 year、stock_code、province、city_code按城市对上本数据集 57,791 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 province、city_code_2、stock_code、year按城市对上本数据集 57,784 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 province、year、stock_code、city_code_2按城市对上本数据集 57,784 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、year、city_code_2、province按城市对上本数据集 57,782 行(99%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 city_code_2、province、year、stock_code按城市对上本数据集 57,781 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、stock_code、province、city_code_2按城市对上本数据集 57,758 行(99%)
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、province、city_code_2、stock_code按城市对上本数据集 57,758 行(99%)
- 上市公司注册与经营概况企业主体 · 4,213 行 · 连接字段 province、setup_date、city_code、stock_code按城市对上本数据集 57,692 行(99%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 stock_code、city_code、province、year按城市对上本数据集 57,608 行(99%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 year、city_code、stock_code、province按城市对上本数据集 57,608 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、region_code、stock_code、year按城市对上本数据集 57,554 行(99%)
按 区县 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 57,348 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 stock_code、county_code、year、province按区县对上本数据集 57,341 行(98%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 stock_code、year、province、county_code按区县对上本数据集 57,311 行(98%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、province、county_code、year按区县对上本数据集 57,306 行(98%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 year、county_code、province、stock_code按区县对上本数据集 57,306 行(98%)
- 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、province、county_code按区县对上本数据集 57,138 行(98%)
- 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、province按区县对上本数据集 57,054 行(98%)
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 county_code、year、province、stock_code按区县对上本数据集 56,769 行(97%)
- 上市公司代理成本指标企业主体 · 5.8 万 行 · 连接字段 province、stock_code、year、county_code按区县对上本数据集 56,491 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 province、cutoff_date、region_code、stock_code按区县对上本数据集 56,171 行(96%)
- 上市公司对外投资企业主体 · 2.1 万 行 · 连接字段 stock_code、year、province、county_code按区县对上本数据集 54,892 行(94%)
- 上市公司供应链上下游企业主体 · 1.2 万 行 · 连接字段 region_code、year、stock_code、province按区县对上本数据集 53,055 行(91%)
按 城市 + 区县 + 股票代码 + 年份 能连
2 个数据集 · 本数据集 57,792 行有城市按 城市 + 省份 + 年份 能连
129 个数据集 · 本数据集 57,792 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_province、month、origin_city_code按城市对上本数据集 57,792 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code、province按城市对上本数据集 57,792 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 57,792 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 57,792 行(99%)
- 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、origin_province、year按城市对上本数据集 57,792 行(99%)
- 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 57,792 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 57,792 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 57,792 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 57,792 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code、year按城市对上本数据集 57,792 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、year、province按城市对上本数据集 57,792 行(99%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 year、region_code、province按城市对上本数据集 57,792 行(99%)
按 区县 + 省份 + 年份 能连
54 个数据集 · 本数据集 57,348 行有区县- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 province_code、taobao_village_year、county_code按区县对上本数据集 57,348 行(98%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、region_code按区县对上本数据集 57,348 行(98%)
- 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 57,332 行(98%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 57,332 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、province按区县对上本数据集 57,332 行(98%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、year、province按区县对上本数据集 57,327 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 57,225 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 57,215 行(98%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 county_code、create_date、province按区县对上本数据集 57,151 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、province按区县对上本数据集 57,151 行(98%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year、province按区县对上本数据集 57,151 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、province、year按区县对上本数据集 57,086 行(98%)
按 省份 + 股票代码 + 年份 能连
33 个数据集 · 本数据集 58,057 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、list_date、province按省份对上本数据集 58,057 行(99%)
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 stkcd、establish_date、province按省份对上本数据集 58,057 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 58,057 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、province、year按省份对上本数据集 58,057 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 58,057 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 58,057 行(99%)
- 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 58,057 行(99%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 58,057 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 stock_code、year、region_code按省份对上本数据集 58,057 行(99%)
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 58,057 行(99%)
- 上市公司供应链风险企业主体 · 4.4 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 58,057 行(99%)
- 上市公司ESG工具变量企业主体 · 4 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 58,057 行(99%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 57,792 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、city_code、province_code按城市对上本数据集 57,792 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 57,792 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 region_code、city_code、province_code按城市对上本数据集 57,792 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、city_code、province按城市对上本数据集 57,769 行(99%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code、region_code按城市对上本数据集 57,416 行(98%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code、province按城市对上本数据集 50,307 行(86%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、province_code、city_code按城市对上本数据集 46,131 行(79%)
- 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、province按城市对上本数据集 46,025 行(79%)
- 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 45,549 行(78%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 region_code、city_code、province按城市对上本数据集 45,495 行(78%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code、city_code按城市对上本数据集 44,521 行(76%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 44,258 行(76%)
按 城市 + 区县 + 年份 能连
4 个数据集 · 本数据集 57,792 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、city_code、year按城市对上本数据集 57,753 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_county_code、applicant_address_city_code按城市对上本数据集 57,673 行(99%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year、county_code按城市对上本数据集 53,436 行(92%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code、established_date按城市对上本数据集 18,517 行(31%)
按 城市 + 省份 + 股票代码 能连
1 个数据集 · 本数据集 57,792 行有城市按 省份 + 年份 能连
290 个数据集 · 本数据集 58,057 行有省份- 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 58,057 行(99%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province、date按省份对上本数据集 58,057 行(99%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 year、province按省份对上本数据集 58,057 行(99%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 province、year按省份对上本数据集 58,057 行(99%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 born_date、province按省份对上本数据集 58,057 行(99%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 year、province按省份对上本数据集 58,057 行(99%)
- 绿色债券发行明细与上市公司匹配企业主体 · 2,561 行 · 连接字段 province、value_date按省份对上本数据集 58,057 行(99%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 year、province按省份对上本数据集 58,057 行(99%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 58,057 行(99%)
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 city、year按省份对上本数据集 58,057 行(99%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 year、region_code按省份对上本数据集 58,057 行(99%)
- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 province_name、year按省份对上本数据集 58,054 行(99%)
按 股票代码 + 年份 能连
230 个数据集 · 本数据集 58,072 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 58,072 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 58,072 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 58,072 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 58,072 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 58,066 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 58,034 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 listed_date、stock_code按股票代码对上本数据集 58,034 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 report_date、stock_code按股票代码对上本数据集 58,034 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 58,031 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 stock_code、year按股票代码对上本数据集 57,834 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 57,813 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 57,802 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 57,792 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 month、city_code按城市对上本数据集 57,792 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 57,792 行(99%)
- 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 57,792 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 57,792 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 57,792 行(99%)
- 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 57,792 行(99%)
- 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 57,770 行(99%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code、date按城市对上本数据集 57,744 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 57,567 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 57,428 行(98%)
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 year、city_code按城市对上本数据集 57,354 行(98%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 57,354 行(98%)
按 城市 + 省份 能连
14 个数据集 · 本数据集 57,792 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 57,792 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 57,766 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code、province按城市对上本数据集 57,739 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 57,547 行(99%)
- 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 57,449 行(98%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 57,333 行(98%)
- 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 57,293 行(98%)
- 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 57,066 行(98%)
- 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 56,434 行(97%)
- 地级市家谱数量和人口区域底数 · 228 行 · 连接字段 province、city_code按城市对上本数据集 53,495 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 51,794 行(89%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 46,131 行(79%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 57,348 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 57,348 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 56,218 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 52,211 行(89%)
- 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 40,110 行(69%)
- 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 38,550 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 29,119 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 23,244 行(40%)
- 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 21,998 行(37%)
- 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 16,139 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 8,943 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 57,348 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 57,792 行有城市按 省份 能连
14 个数据集 · 本数据集 58,057 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 58,057 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 58,054 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 58,054 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 58,054 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 58,054 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 58,054 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 58,054 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 57,782 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 57,782 行(99%)
- 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 56,585 行(97%)
- 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 54,895 行(94%)
- 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 53,029 行(91%)
按 区县 能连
9 个数据集 · 本数据集 57,348 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 57,002 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 56,957 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 56,474 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 49,749 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 46,539 行(80%)
- 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 45,962 行(79%)
- 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 34,870 行(60%)
- 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 18,337 行(31%)
- 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 14,829 行(25%)
按 城市 能连
7 个数据集 · 本数据集 57,792 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 57,780 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 57,314 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 57,299 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 57,299 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 56,808 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 52,003 行(89%)
- 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 29,955 行(51%)
按 股票代码 能连
2 个数据集 · 本数据集 58,072 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2
- 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供应链城市试点匹配上市公司供应链城市试点匹配 - 扩增得出
county_code由省份、城市、区县扩增得出。
来自字段扩增上市公司供应链城市试点匹配上市公司供应链城市试点匹配
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-supply-chain-digital-city/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。