
- 记录
- 8.9 万
- 字段
- 16
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
16 个字段,15 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 89,187 行计算。
关于这个数据集
一行是一个区县一年的夜间灯光统计:平均、总和、最大、最小亮度和标准差,用的是把 DMSP 和 VIIRS 两种卫星数据矫正成一个口径的长序列。覆盖 2877 个县级单位,1992 到 2022 年,共 89187 行。用来看区县长期的开发强度变化,给财产险、工程险的区域暴露分析做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | 全称 | ||
| 省级区划代码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% | 6 位 | ||
| 省级类型province_type | 文本 | 原生 | 100% | 省、自治区、直辖市、特别行政区 | ||
| 城市city键:城市名称。样本里格式符合 95.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级区划代码region_code键:市级区划代码(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% | 6 位 | ||
| 地级类型city_type | 文本 | 原生 | 100% | — | ||
| 区县county键:区县名称。样本里格式符合 99.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 县级区划代码county_code规律 1:县级区划代码的字段规律字段规律:county_code_current由县级区划代码扩增得出。键:县级区划代码(2020 年版)。样本里格式符合 100%,98.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位 | ||
| 县级类型county_type | 文本 | 原生 | 100% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 平均亮度light_mean | 小数 | 原生 | 100% | 区域内像元灯光值的平均 | ||
| 总亮度light_sum | 小数 | 原生 | 100% | 区域内像元灯光值的总和 | ||
| 最大亮度light_max | 小数 | 原生 | 100% | — | ||
| 最小亮度light_min | 小数 | 原生 | 100% | — | ||
| 亮度标准差light_std | 小数 | 原生 | 100% | — | ||
| 县级区划代码(现行)county_code_current规律 1:县级区划代码(现行)的字段规律字段规律:county_code_current由县级区划代码扩增得出。键:县级区划代码。样本里格式符合 100%,98.8% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:县级区划代码(现行) | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 县级区划代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。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。
| # | 省份province | 省级区划代码province_code | 省级类型province_type | 城市city | 地级区划代码region_code | 地级类型city_type | 区县county | 县级区划代码county_code | 县级类型county_type | 年份year | 平均亮度light_mean | 总亮度light_sum | 最大亮度light_max | 最小亮度light_min | 亮度标准差light_std | 县级区划代码(现行)county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 大观区 | 340803 | 市辖区 | 1992 | 7.79710144928 | 2152 | 63 | 0 | 15.5380129576 | 340803 |
| 2 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 怀宁县 | 340822 | 县 | 1992 | 0.81449044586 | 1023 | 11 | 0 | 2.14107841486 | 340822 |
| 3 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 潜山市 | 340882 | 县级市 | 1992 | 0.154255319149 | 261 | 11 | 0 | 1.07263935146 | 340882 |
| 4 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 宿松县 | 340826 | 县 | 1992 | 0.113684210526 | 270 | 9 | 0 | 0.872336309642 | 340826 |
| 5 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 太湖县 | 340825 | 县 | 1992 | 0.18505859375 | 379 | 9 | 0 | 1.11165320497 | 340825 |
| 6 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 桐城市 | 340881 | 县级市 | 1992 | 0.250812215724 | 386 | 12 | 0 | 1.35441100293 | 340881 |
| 7 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 望江县 | 340827 | 县 | 1992 | 0.24432677761 | 323 | 9 | 0 | 1.19317348839 | 340827 |
| 8 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 宜秀区 | 340811 | 市辖区 | 1992 | 3.32296650718 | 1389 | 50 | 0 | 6.6755641522 | 340811 |
| 9 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 迎江区 | 340802 | 市辖区 | 1992 | 2.98039215686 | 608 | 35 | 0 | 5.79719403416 | 340802 |
| 10 | 安徽省 | 340000 | 省 | 安庆市 | 340800 | 地级市 | 岳西县 | 340828 | 县 | 1992 | 0.0670886075949 | 159 | 9 | 0 | 0.673279307497 | 340828 |
| 11 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 蚌山区 | 340303 | 市辖区 | 1992 | 7.74736842105 | 736 | 51 | 0 | 10.7898279788 | 340303 |
| 12 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 固镇县 | 340323 | 县 | 1992 | 0.342815463166 | 470 | 21 | 0 | 1.86504502585 | 340323 |
| 13 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 怀远县 | 340321 | 县 | 1992 | 0.481144934121 | 1059 | 20 | 0 | 2.07136066169 | 340321 |
| 14 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 淮上区 | 340311 | 市辖区 | 1992 | 3.68126520681 | 1513 | 53 | 0 | 8.3300595626 | 340311 |
| 15 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 龙子湖区 | 340302 | 市辖区 | 1992 | 8.08904109589 | 1181 | 54 | 0 | 10.4939129342 | 340302 |
| 16 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 五河县 | 340322 | 县 | 1992 | 0.304163726182 | 431 | 17 | 0 | 1.66873898232 | 340322 |
| 17 | 安徽省 | 340000 | 省 | 蚌埠市 | 340300 | 地级市 | 禹会区 | 340304 | 市辖区 | 1992 | 5.190625 | 1661 | 50 | 0 | 10.2062131621 | 340304 |
| 18 | 安徽省 | 340000 | 省 | 亳州市 | 341600 | 地级市 | 利辛县 | 341623 | 县 | 1992 | 0.234912718204 | 471 | 17 | 0 | 1.44773554537 | 341623 |
| 19 | 安徽省 | 340000 | 省 | 亳州市 | 341600 | 地级市 | 蒙城县 | 341622 | 县 | 1992 | 0.543973941368 | 1169 | 33 | 0 | 2.82851715378 | 341622 |
| 20 | 安徽省 | 340000 | 省 | 亳州市 | 341600 | 地级市 | 谯城区 | 341602 | 市辖区 | 1992 | 0.811229000884 | 1835 | 48 | 0 | 3.47050186477 | 341602 |
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 v12026/11/15 发布
生效中89,187 行 · 16 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 89,187 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 89,187 行(100%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、region_code、division_year、province按城市对上本数据集 89,187 行(100%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、division_year、province按城市对上本数据集 89,187 行(100%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、region_code、year、city_code按城市对上本数据集 88,877 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、county_code、year按城市对上本数据集 88,257 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、approve_date、city_code、province按城市对上本数据集 88,257 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、region_code、layer_year、city_code按城市对上本数据集 88,226 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 87,420 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 city_code、county_code、date、province按城市对上本数据集 87,358 行(97%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 province、founded_year、city_code、county_code按城市对上本数据集 87,327 行(97%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 year、province、city_code、county_code按城市对上本数据集 87,296 行(97%)
- 全国A级景区明细建筑设施 · 1.6 万 行 · 连接字段 publish_date、county_code、province、encoded_address_city_code按城市对上本数据集 87,048 行(97%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 89,187 行有城市- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 89,187 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province、year按城市对上本数据集 89,187 行(100%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year、region_code按城市对上本数据集 89,187 行(100%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 89,187 行(100%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 census_year、province_code、city_code按城市对上本数据集 89,156 行(99%)
- 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 89,125 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 88,877 行(99%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 province、year、region_code按城市对上本数据集 88,350 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code、province按城市对上本数据集 88,288 行(98%)
- 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 88,257 行(98%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_city_code、origin_province按城市对上本数据集 88,257 行(98%)
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 province_code、year、region_code按城市对上本数据集 88,009 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 89,187 行有区县- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 89,187 行(100%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、province、region_code按区县对上本数据集 89,156 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 89,125 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname、adcode按区县对上本数据集 88,722 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 88,226 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 88,164 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、county_code、province_code按区县对上本数据集 88,133 行(98%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code、first_year按区县对上本数据集 88,071 行(98%)
- 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 87,947 行(98%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 87,854 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 87,265 行(97%)
- 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 87,172 行(97%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 89,187 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、province_code、county_code按城市对上本数据集 89,156 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 89,156 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 87,327 行(97%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code、county_code按城市对上本数据集 87,172 行(97%)
- 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 84,723 行(94%)
- 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 84,599 行(94%)
- 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 84,506 行(94%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 82,894 行(92%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code、city_code按城市对上本数据集 79,360 行(88%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、city_code、county_code按城市对上本数据集 71,796 行(80%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 38,936 行(43%)
- 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 22,320 行(25%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 89,187 行有城市- 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 83,855 行(94%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date、applicant_address_county_code按城市对上本数据集 82,553 行(92%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、city_code、region_code_adj按城市对上本数据集 81,127 行(90%)
- 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_county_code、address_city_code按城市对上本数据集 66,309 行(74%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、year、city_code按城市对上本数据集 51,894 行(58%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、established_date、county_code按城市对上本数据集 9,486 行(10%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 89,187 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 region_code、date按省份对上本数据集 89,187 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 89,187 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 89,187 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 89,187 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province、year按省份对上本数据集 89,187 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province、year按省份对上本数据集 89,187 行(100%)
- 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 89,187 行(100%)
- 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 89,187 行(100%)
- 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 88,939 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 88,939 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按省份对上本数据集 88,908 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按省份对上本数据集 88,908 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 89,187 行有城市- 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 88,815 行(99%)
- 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 87,389 行(97%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 87,389 行(97%)
- 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 87,389 行(97%)
- 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 87,389 行(97%)
- 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 87,389 行(97%)
- 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 87,327 行(97%)
- 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 87,048 行(97%)
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code、date按城市对上本数据集 85,374 行(95%)
- 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 85,033 行(95%)
- 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 80,073 行(89%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 78,585 行(88%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 89,187 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 88,319 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 87,513 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 86,552 行(97%)
- 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 84,692 行(94%)
- 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 84,258 行(94%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 83,700 行(93%)
- 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 80,507 行(90%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 province、region_code按城市对上本数据集 76,570 行(85%)
- 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 76,446 行(85%)
- 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 74,369 行(83%)
- 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 74,245 行(83%)
- 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 72,881 行(81%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 89,187 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 88,226 行(98%)
- 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 87,048 行(97%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 85,777 行(96%)
- 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 78,523 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 69,006 行(77%)
- 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 45,539 行(51%)
- 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 23,436 行(26%)
- 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 20,553 行(23%)
- 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 14,632 行(16%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 county_code、date按区县对上本数据集 14,198 行(15%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 89,187 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 89,187 行有城市按 省份 能连
14 个数据集 · 本数据集 89,187 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 89,187 行(100%)
- 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 88,350 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 88,350 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 88,350 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 88,350 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 88,350 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 88,350 行(99%)
- 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 87,854 行(98%)
- 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 86,056 行(96%)
- 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 86,056 行(96%)
- 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 84,227 行(94%)
- 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 81,003 行(90%)
按 区县 能连
9 个数据集 · 本数据集 89,187 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 87,234 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 87,234 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 87,172 行(97%)
- 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 83,266 行(93%)
- 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 81,158 行(90%)
- 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 66,216 行(74%)
- 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 51,832 行(58%)
- 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 40,517 行(45%)
- 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 36,487 行(40%)
按 城市 能连
7 个数据集 · 本数据集 89,187 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 87,823 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 75,237 行(84%)
- 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 74,493 行(83%)
- 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 74,493 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 72,571 行(81%)
- 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 72,261 行(81%)
- 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 14,136 行(15%)
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1
- 扩增得出
county_code_current由县级区划代码扩增得出。
来自字段扩增县级矫正夜间灯光县级矫正夜间灯光
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/night-light-county-panel/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽省"}],"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。