
省级宏观经济指标
一行是一个省一年的生产总值、税收收入、第一和第二产业增加值、3 种口径的货物进出口总额,以及当年人民币对美元的平均汇率。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险保证保险时间跨度:2000–2020 年数据出处 国家统计局
- 记录
- 651
- 字段
- 10
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
10 个字段,10 个没有空值
01字段
字段来源,逐一标明
共 10 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 651 行计算。
关于这个数据集
一行是一个省一年的生产总值、税收收入、第一和第二产业增加值、3 种口径的货物进出口总额,以及当年人民币对美元的平均汇率。覆盖 31 个省级地区,是计算省级税收征管力度时用的原始数据,小数位有浮点误差。用来衡量各省的经济规模和外贸依存度,给区域风险画像做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省province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% | 简称,例如“安徽” | ||
| 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% | — | ||
| 地区生产总值gdp_amount含义:金额(亿元) | 小数 | 原生 | 100% | 单位:亿元 | ||
| 税收收入tax_revenue_amount含义:金额(亿元) | 小数 | 原生 | 100% | 单位:亿元 | ||
| 第一产业增加值primary_industry_amount含义:金额(亿元) | 小数 | 原生 | 100% | 单位:亿元 | ||
| 第二产业增加值secondary_industry_amount含义:金额(亿元) | 小数 | 原生 | 100% | 单位:亿元 | ||
| 进出口总额按经营地trade_by_operator_amount含义:金额(万美元) | 小数 | 原生 | 100% | 按经营单位所在地分的货物进出口总额。单位:万美元 | ||
| 进出口总额按目的地trade_by_destination_amount含义:金额(万美元) | 小数 | 原生 | 100% | 按境内目的地和货源地分的货物进出口总额。单位:万美元 | ||
| 外资企业进出口总额foreign_firm_trade_amount含义:金额(万美元) | 小数 | 原生 | 100% | 外商投资企业货物进出口总额。单位:万美元 | ||
| 人民币对美元汇率usd_cny_rate含义:单价(元) | 小数 | 原生 | 100% | 年平均,1 美元兑人民币元 |
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province | 年份year | 地区生产总值gdp_amount | 税收收入tax_revenue_amount | 第一产业增加值primary_industry_amount | 第二产业增加值secondary_industry_amount | 进出口总额按经营地trade_by_operator_amount | 进出口总额按目的地trade_by_destination_amount | 外资企业进出口总额foreign_firm_trade_amount | 人民币对美元汇率usd_cny_rate |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 安徽 | 2000 | 3038.23583984375 | 178.718704223633 | 732.190002441406 | 1296.31201171875 | 334684 | 368983 | 94779 | 8.27838007968128 |
| 2 | 安徽 | 2001 | 3246.71459960938 | 192.181304931641 | 750.070007324219 | 1415.31994628906 | 361997 | 364522 | 99142 | 8.27702055335969 |
| 3 | 安徽 | 2002 | 3519.71948242188 | 200.215393066406 | 772.549987792969 | 1552.2099609375 | 418097 | 420473 | 112891 | 8.27694820717132 |
| 4 | 安徽 | 2003 | 3923.10009765625 | 220.74870300293 | 732.809997558594 | 1780.59997558594 | 594781 | 567499 | 153314.796875 | 8.27704820717131 |
| 5 | 安徽 | 2004 | 4759.31982421875 | 274.628387451172 | 932.419982910156 | 2169.82006835938 | 721155.5 | 699091 | 196206 | 8.27678600823043 |
| 6 | 安徽 | 2005 | 5350.169921875 | 334.016998291016 | 966.489990234375 | 2221.169921875 | 911938.875 | 926371.3125 | 280560 | 8.19089834710745 |
| 7 | 安徽 | 2006 | 6112.5 | 428.026489257813 | 1028.66003417969 | 2648.1298828125 | 1224513.625 | 1225027 | 412620 | 7.97101991701245 |
| 8 | 安徽 | 2007 | 7360.919921875 | 401.879913330078 | 1200.18005371094 | 3289.1201171875 | 1593228.625 | 1573780.125 | 548378.625 | 7.60396404958677 |
| 9 | 安徽 | 2008 | 8851.66015625 | 527.934875488281 | 1418.07995605469 | 4137.35009765625 | 2018384.75 | 1955057.25 | 701237.875 | 6.94514674796748 |
| 10 | 安徽 | 2009 | 10062.8203125 | 629.323608398438 | 1495.44995117187 | 4905.22021484375 | 1567772.625 | 1565521.25 | 523140.0625 | 6.83100532786885 |
| 11 | 安徽 | 2010 | 12359.330078125 | 866.551696777344 | 1729.02001953125 | 6436.6201171875 | 2427337.25 | 2338007.5 | 811938 | 6.76950082644628 |
| 12 | 安徽 | 2011 | 15300.650390625 | 1108.31005859375 | 2015.31005859375 | 8309.3798828125 | 3130924.5 | 3033058 | 1028561.375 | 6.45885491803279 |
| 13 | 安徽 | 2012 | 17212.05078125 | 1305.09326171875 | 2178.73486328125 | 9404.8388671875 | 3928454.25 | 3295934.5 | 997465.625 | 6.31259794238683 |
| 14 | 安徽 | 2013 | 19229.33984375 | 1520.216796875 | 2348.09008789063 | 10403.9599609375 | 4551897 | 3892752.5 | 1194710.625 | 6.1932050420168 |
| 15 | 安徽 | 2014 | 20848.75 | 1692.52001953125 | 2392.38989257813 | 11077.669921875 | 4917730 | 4320262 | 1393858 | 6.14280775510204 |
| 16 | 安徽 | 2015 | 22005.630859375 | 1799.89001464844 | 2456.68994140625 | 10946.8271484375 | 4784453 | 4249288.5 | 1277364.25 | 6.22838319672131 |
| 17 | 安徽 | 2016 | 24407.619140625 | 1857.53002929687 | 2567.71997070313 | 11821.580078125 | 4441286 | 4096883.75 | 1317024 | 6.6422643442623 |
| 18 | 安徽 | 2017 | 27018 | 1970.68078613281 | 2582.26586914063 | 12838.2783203125 | 5363607 | 5061475 | 1697763 | 6.75181639344262 |
| 19 | 安徽 | 2018 | 30006.8203125 | 2180.74194335938 | 2638.01000976563 | 13842.08984375 | 6284031.5 | 5940124.5 | 1942993.375 | 6.61754238683128 |
| 20 | 安徽 | 2019 | 37113.98046875 | 2209.72802734375 | 2915.69995117188 | 15337.900390625 | 6873032.5 | 6377758 | 1955419.625 | 6.89855532786885 |
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651 行 · 10 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 651 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 province_code、year按省份对上本数据集 651 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 651 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 651 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 651 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 651 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 651 行(100%)
- 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按省份对上本数据集 651 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 651 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 651 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 651 行(100%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、year按省份对上本数据集 651 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 651 行(100%)
按 省份 能连
47 个数据集 · 本数据集 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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 651 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-macro-economic-indicators/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽"}],"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。