政治精英地区编码
一行代表一个行政区划代码及其层级关系。覆盖中国省、市、县三级行政区划。
v1 生效中 · 2026/11/14 发布时间跨度：1940–2012 年数据出处 中国政治精英数据库
- 记录
- 3,843
- 字段
- 12
- AI 扩增字段
- 3
- 平均非空率
- 97.9%
- 字段完整度
12 个字段，9 个没有空值，3 个 AI 扩增
01字段
字段来源，逐一标明
共 12 个字段，其中 AI 扩增字段 3 个。非空率按当前版本的 3,843 行计算。
关于这个数据集
一行代表一个行政区划代码及其层级关系。覆盖中国省、市、县三级行政区划。用于将政治精英数据中的地区名称标准化为统一代码。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地区编码region_code规律 1：地区编码的字段规律字段规律：region_code_current由地区编码扩增得出。键：县级区划代码（2005 年版）。样本里格式符合 94.8%，91.4% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 原表列名：编码 | ||
| 地区名称region_name键：区县名称。样本里格式符合 87.8%，还没有参照 | 文本 | 原生 | 100% | 原表列名：名称 | ||
| 上级编码parent_code | 文本 | 原生 | 100% | — | ||
| 上级名称parent_name | 文本 | 原生 | 100% | — | ||
| 起始日期start_date键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 终止日期end_date规律 1：终止日期的字段规律字段规律：end_year由终止日期扩增得出。键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 100% | — | ||
| 别名编码alias_code规律 1：别名编码的字段规律字段规律：alias_code_current由别名编码扩增得出。键：县级区划代码（2005 年版）。样本里格式符合 94.8%，92.8% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 别名名称alias_name键：区县名称。样本里格式符合 87.8%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 行政级别level | 文本 | 原生 | 94% | 省、地级市、县等 原表列名：级别 | ||
| 别名编码（现行）alias_code_current规律 1：别名编码（现行）的字段规律字段规律：alias_code_current由别名编码扩增得出。键：县级区划代码。样本里格式符合 100%，91.3% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：别名编码（现行） | 91%平均置信度 0.99校验少：不建议单独作为决策依据 | 别名编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 | ||
| 地区编码（现行）region_code_current规律 1：地区编码（现行）的字段规律字段规律：region_code_current由地区编码扩增得出。键：县级区划代码。样本里格式符合 100%，89.9% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源：地区编码（现行） | 90%平均置信度 0.99校验少：不建议单独作为决策依据 | 地区编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 | ||
| 终止年份end_year规律 1：终止年份的字段规律字段规律：end_year由终止日期扩增得出。键：年份。样本里格式符合 100%，还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源：终止年份 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 从终止日期算出的年份 |
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。
| # | 地区编码region_code | 地区名称region_name | 上级编码parent_code | 上级名称parent_name | 起始日期start_date | 终止日期end_date | 别名编码alias_code | 别名名称alias_name | 行政级别level | 别名编码（现行）alias_code_current | 地区编码（现行）region_code_current | 终止年份end_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110000 | 北京市 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110000 | 北京市 | 省 | 110000 | 110000 | 2013 |
| 2 | 110101 | 东城区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110101 | 东城区 | 地级市（区） | 110101 | 110101 | 2013 |
| 3 | 110102 | 西城区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110102 | 西城区 | 地级市（区） | 110102 | 110102 | 2013 |
| 4 | 110103 | 崇文区 | 110000 | 北京市 | 2002-12-31 | 2010-10-31 | 110103 | 崇文区 | 地级市（区） | 110101 | 110101 | 2010 |
| 5 | 110104 | 宣武区 | 110000 | 北京市 | 2002-12-31 | 2010-10-31 | 110104 | 宣武区 | 地级市（区） | 110102 | 110102 | 2010 |
| 6 | 110105 | 朝阳区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110105 | 朝阳区 | 地级市（区） | 110105 | 110105 | 2013 |
| 7 | 110106 | 丰台区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110106 | 丰台区 | 地级市（区） | 110106 | 110106 | 2013 |
| 8 | 110107 | 石景山区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110107 | 石景山区 | 地级市（区） | 110107 | 110107 | 2013 |
| 9 | 110108 | 海淀区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110108 | 海淀区 | 地级市（区） | 110108 | 110108 | 2013 |
| 10 | 110109 | 门头沟区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110109 | 门头沟区 | 地级市（区） | 110109 | 110109 | 2013 |
| 11 | 110111 | 房山区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110111 | 房山区 | 地级市（区） | 110111 | 110111 | 2013 |
| 12 | 110112 | 通州区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110112 | 通州区 | 地级市（区） | 110112 | 110112 | 2013 |
| 13 | 110113 | 顺义区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110113 | 顺义区 | 地级市（区） | 110113 | 110113 | 2013 |
| 14 | 110114 | 昌平区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110114 | 昌平区 | 地级市（区） | 110114 | 110114 | 2013 |
| 15 | 110115 | 大兴区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110115 | 大兴区 | 地级市（区） | 110115 | 110115 | 2013 |
| 16 | 110116 | 怀柔区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110116 | 怀柔区 | 地级市（区） | 110116 | 110116 | 2013 |
| 17 | 110117 | 平谷区 | 110000 | 北京市 | 2002-12-31 | 2013-08-31 | 110117 | 平谷区 | 地级市（区） | 110117 | 110117 | 2013 |
| 18 | 110224 | 大兴县 | 110000 | 北京市 | 2000-11-01 | 2000-11-01 | 110224 | 大兴县 | 地级市（区） | 110115 | 110115 | 2000 |
| 19 | 110226 | 平谷县 | 110000 | 北京市 | 2000-11-01 | 2000-11-01 | 110226 | 平谷县 | 地级市（区） | 110117 | 110117 | 2000 |
| 20 | 110227 | 怀柔县 | 110000 | 北京市 | 2000-11-01 | 2000-11-01 | 110227 | 怀柔县 | 地级市（区） | 110116 | 110116 | 2000 |
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 v12026/11/14 发布
生效中3,843 行 · 12 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 24 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 区县 + 年份 能连
123 个数据集 · 本数据集 3,843 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 region_code、year按区县对上本数据集 3,514 行（91%）
- 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 3,514 行（91%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code按区县对上本数据集 3,514 行（91%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、issue_date按区县对上本数据集 3,474 行（90%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 region_code、date按区县对上本数据集 3,341 行（86%）
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 year、region_code按区县对上本数据集 3,341 行（86%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、adcode按区县对上本数据集 3,242 行（84%）
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 year、province_city_county_code按区县对上本数据集 3,227 行（83%）
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province_city_county_code、year按区县对上本数据集 3,227 行（83%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、region_code按区县对上本数据集 3,092 行（80%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、region_code按区县对上本数据集 3,090 行（80%）
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、layer_year按区县对上本数据集 3,090 行（80%）
按 区县 能连
30 个数据集 · 本数据集 3,843 行有区县- 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按区县对上本数据集 3,487 行（90%）
- 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 3,456 行（89%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 3,442 行（89%）
- 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 3,137 行（81%）
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code按区县对上本数据集 3,092 行（80%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code按区县对上本数据集 3,086 行（80%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code按区县对上本数据集 3,084 行（80%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code按区县对上本数据集 3,080 行（80%）
- 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 3,079 行（80%）
- 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 3,077 行（80%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code按区县对上本数据集 3,068 行（79%）
- 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 3,063 行（79%）
只按年份能连：962 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
962 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date
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
alias_code_current由别名编码扩增得出。
来自字段扩增政治精英地区编码政治精英地区编码 - 扩增得出
end_year由终止日期扩增得出。
来自字段扩增政治精英地区编码政治精英地区编码 - 扩增得出
region_code_current由地区编码扩增得出。
来自字段扩增政治精英地区编码政治精英地区编码
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/political-region-codes/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110000"}],"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。