
分省就业人员受教育程度
一行代表一个省份在特定年份的就业人员受教育程度分布及平均受教育年限。覆盖全国各省份。
v1 生效中 · 2026/11/14 发布险种标签:健康险寿险时间跨度:1997–2019 年数据出处 中国劳动统计年鉴
- 记录
- 713
- 字段
- 12
- AI 扩增字段
- 0
- 平均非空率
- 80.9%
- 字段完整度
12 个字段,3 个没有空值
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 713 行计算。
关于这个数据集
一行代表一个省份在特定年份的就业人员受教育程度分布及平均受教育年限。覆盖全国各省份。可用于评估区域人力资本水平,辅助保险定价及风险分析。
| 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% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 未上过学占比no_school_ratio | 小数 | 原生 | 96% | 单位:% 原表列名:未上过学就业人员占比(%) | ||
| 小学占比primary_school_ratio | 小数 | 原生 | 96% | 单位:% 原表列名:小学文化程度就业人员占比(%) | ||
| 初中占比middle_school_ratio | 小数 | 原生 | 96% | 单位:% 原表列名:初中文化程度就业人员占比(%) | ||
| 中职占比secondary_vocational_ratio | 小数 | 原生 | 17% | 单位:% 原表列名:中等职业教育文化程度就业人员占比(%) | ||
| 高中占比high_school_ratio | 小数 | 原生 | 96% | 单位:% 原表列名:高中文化程度就业人员占比(%) | ||
| 高职占比higher_vocational_ratio | 小数 | 原生 | 17% | 单位:% 原表列名:高等职业教育文化程度就业人员占比(%) | ||
| 大专占比college_ratio | 小数 | 原生 | 96% | 单位:% 原表列名:大学专科文化程度就业人员占比(%) | ||
| 本科占比bachelor_ratio | 小数 | 原生 | 82% | 单位:% 原表列名:大学本科文化程度就业人员占比(%) | ||
| 研究生占比graduate_ratio | 小数 | 原生 | 76% | 单位:% 原表列名:研究生文化程度就业人员占比(%) | ||
| 平均受教育年限avg_education_years | 小数 | 原生 | 100% | 单位:年 原表列名:就业人员平均受教育年限(年) |
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 | 年份year | 未上过学占比no_school_ratio | 小学占比primary_school_ratio | 初中占比middle_school_ratio | 中职占比secondary_vocational_ratio | 高中占比high_school_ratio | 高职占比higher_vocational_ratio | 大专占比college_ratio | 本科占比bachelor_ratio | 研究生占比graduate_ratio | 平均受教育年限avg_education_years |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 安徽省 | 1997 | 15.5 | 36.6 | 37.4 | — | 8.1 | — | 2.3 | — | — | 6.902 |
| 2 | 安徽省 | 1998 | 16.2 | 37.7 | 36.1 | — | 7.7 | — | 2.3 | — | — | 6.803 |
| 3 | 安徽省 | 1999 | 16.2 | 35.6 | 39.4 | — | 6.8 | — | 2 | — | — | 6.8180000000000005 |
| 4 | 安徽省 | 2000 | — | — | — | — | — | — | — | — | — | 7.1295 |
| 5 | 安徽省 | 2001 | 12.6 | 32.6 | 41.2 | — | 9.2 | — | 3.1 | 1.3 | — | 7.441 |
| 6 | 安徽省 | 2002 | 13.5 | 32.1 | 44.4 | — | 7 | — | 2.1 | 0.8 | 0.1 | 7.224 |
| 7 | 安徽省 | 2003 | 9.99 | 30 | 45.21 | — | 9.46 | — | 3.8 | 1.51 | — | 7.8157 |
| 8 | 安徽省 | 2004 | 10.2 | 28.6 | 45.4 | — | 10 | — | 4.1 | 1.6 | 0.08 | 7.8882 |
| 9 | 安徽省 | 2005 | 15.7711 | 30.5678 | 40.7498 | — | 8.0244 | — | 3.3541 | 1.4676 | 0.0656 | 7.214872999999999 |
| 10 | 安徽省 | 2006 | 13.6048 | 31.0853 | 44.4058 | — | 7.2209 | — | 2.5776 | 1.0582 | 0.0505 | 7.293695 |
| 11 | 安徽省 | 2007 | 14.262 | 30.1233 | 44.8673 | — | 7.2578 | — | 2.6383 | 0.8325 | 0.0188 | 7.248908000000001 |
| 12 | 安徽省 | 2008 | 11.2887 | 30.1592 | 46.6187 | — | 7.8746 | — | 2.9156 | 1.0684 | 0.0748 | 7.572683 |
| 13 | 安徽省 | 2009 | 10.5171 | 28.1115 | 49.3018 | — | 8.2154 | — | 2.6747 | 1.0903 | 0.0893 | 7.7023199999999985 |
| 14 | 安徽省 | 2010 | 8.1568 | 26.6816 | 48.0776 | — | 9.5542 | — | 4.7425 | 2.5655 | 0.2216 | 8.238343 |
| 15 | 安徽省 | 2011 | 4.7274 | 25.6066 | 50.6457 | — | 10.3712 | — | 5.4801 | 2.8683 | 0.3007 | 8.677128999999999 |
| 16 | 安徽省 | 2012 | 3.827 | 23.2396 | 52.482 | — | 10.7767 | — | 5.6585 | 3.6857 | 0.3305 | 8.912241999999999 |
| 17 | 安徽省 | 2013 | 5.6892 | 22.7848 | 49.9667 | — | 11.4169 | — | 6.0843 | 3.7482 | 0.3098 | 8.805338 |
| 18 | 安徽省 | 2014 | 4.9 | 20.7 | 51.7 | — | 11.1 | — | 6.8 | 4.4 | 0.4 | 9.027 |
| 19 | 安徽省 | 2015 | 7.3521 | 20.6372 | 45.1659 | 3.9344 | 8.8591 | 0.7756 | 7.3261 | 5.5694 | 0.3802 | 9.01698 |
| 20 | 安徽省 | 2016 | 7.147 | 20.3008 | 45.7848 | 3.447 | 8.6817 | 0.8907 | 7.6512 | 5.6204 | 0.4763 | 9.06517 |
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713 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 省份 + 年份 能连
574 个数据集 · 本数据集 713 行有省份- 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 year、province_code按省份对上本数据集 713 行(100%)
- 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 713 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 713 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 713 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 713 行(100%)
- 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按省份对上本数据集 713 行(100%)
- 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按省份对上本数据集 713 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 713 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 713 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 713 行(100%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province按省份对上本数据集 713 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year按省份对上本数据集 713 行(100%)
按 省份 能连
47 个数据集 · 本数据集 713 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 713 行(100%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 713 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 713 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 713 行(100%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 713 行(100%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 713 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 713 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 713 行(100%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 713 行(100%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 713 行(100%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 713 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 713 行(100%)
只按年份能连:511 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
511 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 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
- 全国格点逐年极端降水自然灾害 · 602.3 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
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。
还没有发现这个数据集的字段规律。
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/province-employment-education/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。