
- 记录
- 401
- 字段
- 17
- AI 扩增字段
- 0
- 平均非空率
- 82.3%
- 字段完整度
17 个字段,2 个没有空值
01字段
字段来源,逐一标明
共 17 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 401 行计算。
关于这个数据集
一行是一个省一年的医疗卫生资源和服务量:三甲医院、基层和公共卫生机构数,床位,执业医师、注册护士、药师人数,医疗机构收入和成本,诊疗人次,入院人数,病死率和人均卫生费用。原表 2022–2024 年的多数值是按前两年线性外推的,已去掉。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份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% | 原表列名:province | ||
| 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% | 原表列名:year | ||
| 三甲医院数tertiary_hospital_count含义:个数(个) | 整数 | 原生 | 98% | 个 原表列名:三甲医院数/个 | ||
| 基层机构数primary_health_inst_count含义:个数(个) | 整数 | 原生 | 78% | 个 原表列名:基层医疗卫生机构数/个 | ||
| 公卫机构数public_health_inst_count含义:个数(个) | 整数 | 原生 | 82% | 个 原表列名:专业公共卫生机构/个 | ||
| 床位数hospital_bed_count含义:个数(张) | 整数 | 原生 | 78% | 张 原表列名:医疗卫生机构床位数/张 | ||
| 执业医师数licensed_physician_count含义:人数(人) | 整数 | 原生 | 77% | 人 原表列名:执业医师数/人 | ||
| 注册护士数registered_nurse_count含义:人数(人) | 整数 | 原生 | 78% | 人 原表列名:注册护士数/人 | ||
| 药师数pharmacist_count含义:人数(人) | 整数 | 原生 | 77% | 人 原表列名:药师数/人 | ||
| 机构收入health_inst_revenue_amount含义:金额(亿元) | 小数 | 原生 | 80% | 亿元 原表列名:医疗卫生机构事业收入/亿元 | ||
| 机构成本health_inst_cost_amount含义:金额(亿元) | 小数 | 原生 | 79% | 原表列名:机构成本。安徽 2012 年的值(446)和公卫机构数一样,像是原表填错了。 | ||
| 诊疗人次outpatient_visit_count含义:个数(万个) | 小数 | 原生 | 77% | 万人次 原表列名:诊疗人次数/万人次 | ||
| 急诊病死率emergency_mortality_rate含义:比率(%) | 小数 | 原生 | 92% | % 原表列名:急诊病死率% | ||
| 入院人数inpatient_count含义:人数(万人) | 小数 | 原生 | 80% | 万人 原表列名:入院人数/万人 | ||
| 住院病死率inpatient_mortality_rate含义:比率(%) | 小数 | 原生 | 80% | % 原表列名:住院病死率% | ||
| 人均卫生费per_capita_health_expense含义:金额(元) | 小数 | 原生 | 70% | 元 原表列名:人均卫生费用/元 | ||
| 医疗支出占比health_expense_ratio含义:比率(%) | 小数 | 原生 | 73% | % 原表列名:城乡居民医疗保健支出占消费性支出 |
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 | 三甲医院数tertiary_hospital_count | 基层机构数primary_health_inst_count | 公卫机构数public_health_inst_count | 床位数hospital_bed_count | 执业医师数licensed_physician_count | 注册护士数registered_nurse_count | 药师数pharmacist_count | 机构收入health_inst_revenue_amount | 机构成本health_inst_cost_amount | 诊疗人次outpatient_visit_count | 急诊病死率emergency_mortality_rate | 入院人数inpatient_count | 住院病死率inpatient_mortality_rate | 人均卫生费per_capita_health_expense | 医疗支出占比health_expense_ratio |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 安徽 | 2012 | 30 | 21812 | 446 | 222315 | 71181 | 95046 | 11817 | 517.09998 | 446 | 23491.539 | 0.08 | 711.65002 | 0.23 | 1857.08 | 7.4299998 |
| 2 | 安徽 | 2013 | 32 | 21872 | 1748 | 235959 | 75936 | 103404 | 12276 | 596.46002 | 530.87 | 25474.34 | 0.08 | 762.58002 | 0.25999999 | 2025.71 | 8.04 |
| 3 | 安徽 | 2014 | 41 | 22014 | 1755 | 252044 | 80525 | 111497 | 12909 | 686.31 | 601.87 | 26282.039 | 0.08 | 821.35999 | 0.30000001 | 2172.6699 | 6.46 |
| 4 | 安徽 | 2015 | 41 | 22030 | 1721 | 267405 | 84620 | 119303 | 13456 | 741.32001 | 682.15002 | 26124 | 0.07 | 842.98999 | 0.30000001 | 2376.98 | 7.29 |
| 5 | 安徽 | 2016 | 41 | 22271 | 983 | 281720 | 90089 | 126350 | 13875 | 812.22998 | 755.92999 | 26300.189 | 0.08 | 897.32001 | 0.30000001 | 2652.1699 | 7.1799998 |
| 6 | 安徽 | 2017 | 43 | 22635 | 666 | 305746 | 97680 | 138139 | 14460 | 917.03003 | 861.66998 | 28012.23 | 0.07 | 996.09003 | 0.30000001 | 2897.3701 | 7.3600001 |
| 7 | 安徽 | 2018 | 46 | 23076 | 604 | 328123 | 103628 | 149723 | 15000 | 1030.85 | 991.47998 | 29701.92 | 0.07 | 1011.06 | 0.30000001 | 3159.72 | 7.1599998 |
| 8 | 安徽 | 2019 | 50 | 24558 | 544 | 347395 | 113502 | 163390 | 15700 | 1187.64 | 1304.4 | 33315.93 | 0.06 | 1035.89 | 0.30000001 | 3518.9299 | 7.7800002 |
| 9 | 安徽 | 2020 | 52 | 27400 | 481 | 407813 | 133307 | 188182 | 16662 | 1232.48 | 1385.96 | 34606.551 | 0.07 | 950.16998 | 0.34999999 | 3995.6599 | 8.3999996 |
| 10 | 安徽 | 2021 | 53 | 27629 | 466 | 411023 | 140783 | 200950 | 17098 | 1369.9399 | 1571.86 | 36406.078 | 0.07 | 949.32001 | 0.38 | — | 9.0100002 |
| 11 | 安徽 | 2022 | 54 | 27858 | 451 | 414233 | — | 213718 | — | — | — | — | 0.07 | — | — | — | 9.6300001 |
| 12 | 安徽 | 2023 | 59 | 29340 | 484 | 454000 | — | 221000 | — | — | — | — | 0.07 | — | — | — | — |
| 13 | 安徽 | 2024 | 64 | — | — | — | — | — | — | — | — | — | 0.07 | — | — | — | — |
| 14 | 北京 | 2012 | 37 | 8837 | — | 100167 | 69810 | 79534 | 11578 | 943.33002 | 866.12 | 18529.75 | 0.08 | 225.00999 | 1.28 | 5750.79 | 7.7399998 |
| 15 | 北京 | 2013 | 44 | 8857 | 118 | 104011 | 72489 | 83879 | 12125 | 1093.61 | 1016.7 | 20466.381 | 0.08 | 246.31 | 1.2 | 6337.3799 | 7.75 |
| 16 | 北京 | 2014 | 45 | 8802 | 117 | 109811 | 75299 | 88488 | 12744 | 1229.0699 | 1162.89 | 21359.92 | 0.07 | 269.81 | 1.1 | 7411.4102 | 7.2399998 |
| 17 | 北京 | 2015 | 53 | 8912 | 113 | 111555 | 80410 | 94626 | 13206 | 1354.88 | 1303.95 | 21780.33 | 0.08 | 276.38 | 1 | 8453.1396 | 6.4899998 |
| 18 | 北京 | 2016 | 54 | 8908 | 112 | 117041 | 84276 | 98082 | 13682 | 1524.25 | 1486.4301 | 23204.971 | 0.09 | 311.89001 | 1.1 | 9429.7305 | 7.0599999 |
| 19 | 北京 | 2017 | 55 | 9090 | 110 | 120645 | 88934 | 103459 | 14082 | 1691.6 | 1676.51 | 22468.66 | 0.09 | 328.64999 | 1 | 10106.42 | 7.1500001 |
| 20 | 北京 | 2018 | 55 | 9172 | 110 | 123626 | 93587 | 107351 | 14389 | 1907.85 | 1883.36 | 23515.801 | 0.1 | 353.60001 | 1 | 11609.06 | 8.0900002 |
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 v32026/11/15 发布
生效中401 行 · 17 个字段 · 初始导入(比 v2 行数减少 1)
版本 v22026/11/15 发布
历史版本402 行 · 17 个字段 · 初始导入(比 v1 行数减少 1)
版本 v12026/11/13 发布
历史版本403 行 · 17 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 401 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 401 行(100%)
- 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 401 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 401 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 401 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 401 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 401 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 401 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 401 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 401 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 401 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 401 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 401 行(100%)
按 省份 能连
47 个数据集 · 本数据集 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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 401 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-medical-resources/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。