
省市县党政主官任职
一行是一位党政主官在一个省、地级市或县区的一次任职,包含职位、任职起止的年月和整理时是否在任。
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:1945–2020 年数据出处 出处待核实
- 记录
- 2.2 万
- 字段
- 19
- AI 扩增字段
- 3
- 平均非空率
- 77.9%
- 字段完整度
19 个字段,7 个没有空值,3 个 AI 扩增
01字段
字段来源,逐一标明
共 19 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 21,691 行计算。
关于这个数据集
一行是一位党政主官在一个省、地级市或县区的一次任职,包含职位、任职起止的年月和整理时是否在任。覆盖全国 31 个省的省委书记、省长和地级、县级的书记、市长、县长、区长,姓名都换成了代码,同一个姓名在全表用同一个代码。用来分析地方主官的任期长短、更替频率和调动,作为评估地区政策稳定性和监管环境的背景。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 人员代码official_code含义:代码或编号 | 文本 | 原生 | 100% | 代替姓名的代码。同一个姓名在全表用同一个代码,同名的不同人会得到同一个代码。职位空缺时为空 | ||
| 职位position含义:类别 | 文本 | 原生 | 100% | 省委书记、省长、市委书记、市长、县委书记、县长、区委书记、区长 | ||
| 是否代理is_acting含义:是否 | 是非 | 原生 | 100% | 原表注明“代市长”“代省长”等时为是 | ||
| 职务备注role_note含义:文字说明 | 文本 | 原生 | 5.6% | 原表在姓名后面括号里的说明,例如代市长、第一书记、革委会主任。“空缺”表示这一段时间职位空缺 | ||
| 性别gender含义:类别 | 文本 | 原生 | 0.5% | 原表只注明了部分女性。空值不表示男性 | ||
| 任职地区region_name规律 1:任职地区的字段规律字段规律:region_code由省、地级市、任职地区扩增得出。含义:地区键:区县名称。样本里格式符合 87%,还没有参照 | 文本 | 原生 | 100% | 省、地级市或县区的名称。少数已撤销的区县按原表的网页补了名称 | ||
| 地区层级region_level含义:类别 | 文本 | 原生 | 100% | 省级、地级、县级。直辖市的区在原表里算地级 | ||
| 省province规律 3:省的字段规律字段规律:city_code由省、地级市扩增得出。。county_code由省、地级市、县区扩增得出。。region_code由省、地级市、任职地区扩增得出。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% | 全称 | ||
| 地级市city规律 3:地级市的字段规律字段规律:city_code由省、地级市扩增得出。。county_code由省、地级市、县区扩增得出。。region_code由省、地级市、任职地区扩增得出。含义:地区键:城市名称。样本里格式符合 96.9%,还没有参照 | 文本 | 原生 | 97% | 地级的任职写它本身,县级的任职写所属的地级市。省级为空 | ||
| 县区county规律 1:县区的字段规律字段规律:county_code由省、地级市、县区扩增得出。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 | 62% | 只有县级的任职有 | ||
| 任职开始年start_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 | 96% | — | ||
| 任职开始月start_month含义:类别键:月份(1–12)。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 93% | 1 到 12 | ||
| 任职结束年end_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 | 69% | 整理时仍在任的为空 | ||
| 任职结束月end_month含义:类别键:月份(1–12)。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 67% | 1 到 12 | ||
| 整理时在任in_office含义:是否 | 是非 | 原生 | 100% | 原表任职结束写“至今”时为是 | ||
| 任期月数tenure_months含义:时长(月) | 整数 | 原生 | 65% | 按起止年月算出。起止年月不全时为空 | ||
| 县区区划代码county_code规律 1:县区区划代码的字段规律字段规律:county_code由省、地级市、县区扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,60.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:县区区划代码 | 61%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省、地级市、县区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 | ||
| 任职地区区划代码region_code规律 1:任职地区区划代码的字段规律字段规律:region_code由省、地级市、任职地区扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,72.5% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:任职地区区划代码 | 73%平均置信度 0.99校验少:不建议单独作为决策依据 | 由省、地级市、任职地区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 | ||
| 地级市区划代码city_code规律 1:地级市区划代码的字段规律字段规律:city_code由省、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%,92.6% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:地级市区划代码 | 93%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省、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 |
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。
| # | 人员代码official_code | 职位position | 是否代理is_acting | 职务备注role_note | 性别gender | 任职地区region_name | 地区层级region_level | 省province | 地级市city | 县区county | 任职开始年start_year | 任职开始月start_month | 任职结束年end_year | 任职结束月end_month | 整理时在任in_office | 任期月数tenure_months | 县区区划代码county_code | 任职地区区划代码region_code | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | P493fde8b | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2016 | 8 | — | — | 是 | — | — | — | — |
| 2 | P34cb85ff | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2015 | 6 | 2016 | 8 | 否 | 14 | — | — | — |
| 3 | Pf6fb38b3 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2010 | 5 | 2015 | 6 | 否 | 61 | — | — | — |
| 4 | Pd56813f1 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2007 | 12 | 2010 | 5 | 否 | 29 | — | — | — |
| 5 | P1246feda | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2004 | 12 | 2007 | 12 | 否 | 36 | — | — | — |
| 6 | P6fc86661 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2000 | 1 | 2004 | 12 | 否 | 59 | — | — | — |
| 7 | P8a3fd73b | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1998 | 9 | 2000 | 1 | 否 | 16 | — | — | — |
| 8 | P04789531 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1988 | 4 | 1998 | 9 | 否 | 125 | — | — | — |
| 9 | P81d97807 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1986 | 4 | 1988 | 4 | 否 | 24 | — | — | — |
| 10 | P83ddf5df | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1983 | 3 | 1986 | 4 | 否 | 37 | — | — | — |
| 11 | P1b78c94d | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1982 | 4 | 1983 | 3 | 否 | 11 | — | — | — |
| 12 | P982f0b02 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1980 | 3 | 1982 | 4 | 否 | 25 | — | — | — |
| 13 | P6eb307a4 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1977 | 6 | 1980 | 3 | 否 | 33 | — | — | — |
| 14 | P041e8649 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1975 | 5 | 1977 | 6 | 否 | 25 | — | — | — |
| 15 | Pa786e0ea | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1971 | 1 | 1974 | 12 | 否 | 47 | — | — | — |
| 16 | Pace3c6ee | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1962 | 2 | — | — | 否 | — | — | — | — |
| 17 | P09232129 | 省委书记 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 1952 | 1 | 1962 | 2 | 否 | 121 | — | — | — |
| 18 | P44114a7b | 省长 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2016 | 9 | — | — | 是 | — | — | — | — |
| 19 | P493fde8b | 省长 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2015 | 7 | 2016 | 8 | 否 | 13 | — | — | — |
| 20 | P34cb85ff | 省长 | 否 | — | — | 安徽省 | 省级 | 安徽省 | — | — | 2013 | 6 | 2015 | 5 | 否 | 23 | — | — | — |
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21,691 行 · 19 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,能和不少于 135 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 + 年份 能连
42 个数据集 · 本数据集 20,084 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year、city_code按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、county_code、year、province按城市对上本数据集 20,084 行(92%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、county_code、approve_date按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_city_code、buyer_province、contract_date、region_code按城市对上本数据集 20,084 行(92%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、region_code、province、county_code按城市对上本数据集 20,084 行(92%)
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 province、year、county_code、region_code按城市对上本数据集 20,084 行(92%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、province、founded_year、county_code按城市对上本数据集 20,084 行(92%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、province_name、year、city_code_2按城市对上本数据集 20,084 行(92%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、city_code、division_year按城市对上本数据集 20,084 行(92%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、city_code、region_code按城市对上本数据集 20,084 行(92%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 20,084 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、origin_city_code、month按城市对上本数据集 20,084 行(92%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 city_code、reg_date、province按城市对上本数据集 20,084 行(92%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、province、year按城市对上本数据集 20,084 行(92%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 20,084 行(92%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 20,084 行(92%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 20,084 行(92%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、province、region_code按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、year、region_code按城市对上本数据集 20,084 行(92%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、city_code、year按城市对上本数据集 20,084 行(92%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 13,171 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 county_code、taobao_village_year、province_code按区县对上本数据集 13,171 行(60%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、year、region_code按区县对上本数据集 13,171 行(60%)
- 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 13,171 行(60%)
- 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 13,169 行(60%)
- 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 13,169 行(60%)
- 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 13,169 行(60%)
- 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、province按区县对上本数据集 13,169 行(60%)
- 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 13,167 行(60%)
- 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 13,163 行(60%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 13,156 行(60%)
- 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 13,156 行(60%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 13,156 行(60%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 20,084 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code、county_code按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 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 20,048 行(92%)
- 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 20,018 行(92%)
- 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 19,886 行(91%)
- 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 19,687 行(90%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、city_code、county_code按城市对上本数据集 18,342 行(84%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code、province按城市对上本数据集 18,109 行(83%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 city_code、province_name、region_code按城市对上本数据集 9,388 行(43%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、city_code、region_code按城市对上本数据集 5,459 行(25%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 20,084 行有城市- 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 19,654 行(90%)
- 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 19,505 行(89%)
- 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 19,354 行(89%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 application_date、address_city_code、address_county_code按城市对上本数据集 16,366 行(75%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 city_code、county_code、year按城市对上本数据集 13,185 行(60%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code、address_city_code按城市对上本数据集 2,357 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 21,691 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 21,691 行(100%)
- 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 21,691 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 21,691 行(100%)
- 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 21,691 行(100%)
- 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按省份对上本数据集 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 20,084 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 20,084 行(92%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 20,084 行(92%)
- 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 20,084 行(92%)
- 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 20,084 行(92%)
- 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 20,084 行(92%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 20,084 行(92%)
- 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 20,061 行(92%)
- 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 20,047 行(92%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 20,005 行(92%)
- 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 19,656 行(90%)
- 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 19,280 行(88%)
- 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 19,014 行(87%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 20,084 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 20,084 行(92%)
- 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 20,075 行(92%)
- 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 19,996 行(92%)
- 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 19,983 行(92%)
- 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 19,751 行(91%)
- 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 19,499 行(89%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 18,986 行(87%)
- 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 18,878 行(87%)
- 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 18,693 行(86%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 18,560 行(85%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 18,101 行(83%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 city_code、province按城市对上本数据集 17,866 行(82%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 13,171 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 13,171 行(60%)
- 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 13,115 行(60%)
- 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 12,821 行(59%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 11,423 行(52%)
- 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 10,719 行(49%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 6,620 行(30%)
- 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 3,752 行(17%)
- 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 3,305 行(15%)
- 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 2,399 行(11%)
- 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 1,553 行(7.2%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 13,171 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 20,084 行有城市按 省份 能连
14 个数据集 · 本数据集 21,691 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,691 行(100%)
- 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 21,574 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 21,417 行(98%)
- 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 21,417 行(98%)
- 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 21,166 行(97%)
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 20,335 行(93%)
按 区县 能连
9 个数据集 · 本数据集 13,171 行有区县- 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 13,116 行(60%)
- 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 13,074 行(60%)
- 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 13,069 行(60%)
- 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 12,393 行(57%)
- 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 12,078 行(55%)
- 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 10,071 行(46%)
- 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 7,312 行(33%)
- 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 6,042 行(27%)
- 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 5,282 行(24%)
按 城市 能连
7 个数据集 · 本数据集 20,084 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 20,059 行(92%)
- 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 18,736 行(86%)
- 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 18,611 行(85%)
- 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 18,611 行(85%)
- 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 18,112 行(83%)
- 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 17,020 行(78%)
- 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 3,540 行(16%)
只按年份能连:435 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
435 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
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 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
- 上市公司专利申请明细企业主体 · 224.2 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
city_code由省、地级市扩增得出。
来自字段扩增省市县党政主官任职省市县党政主官任职 - 扩增得出
county_code由省、地级市、县区扩增得出。
来自字段扩增省市县党政主官任职省市县党政主官任职 - 扩增得出
region_code由省、地级市、任职地区扩增得出。
来自字段扩增省市县党政主官任职省市县党政主官任职
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/local-leader-tenure/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"official_code","op":"eq","value":"P493fde8b"}],"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。