
省级进出口月度
一行代表一个省份在某一月份的进出口数据。覆盖全国各省,包含一般贸易、来料加工、进料加工等细分贸易方式的金额。
v1 生效中 · 2026/11/14 发布险种标签:企业财产险时间跨度:2002 年 1 月–2021 年 12 月数据出处 出处待核实
- 记录
- 7,440
- 字段
- 15
- AI 扩增字段
- 1
- 平均非空率
- 96.8%
- 字段完整度
15 个字段,4 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 7,440 行计算。
关于这个数据集
一行代表一个省份在某一月份的进出口数据。覆盖全国各省,包含一般贸易、来料加工、进料加工等细分贸易方式的金额。可用于监测区域贸易波动及评估供应链风险。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 时间date规律 1:时间的字段规律字段规律:date_year由时间扩增得出。键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | Excel序列号,需转换 | ||
| 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% | — | ||
| 一般出口general_export_amount | 小数 | 原生 | 99% | 美元 原表列名:一般贸易出口额 | ||
| 来料出口processing_export_amount | 小数 | 原生 | 91% | 美元 原表列名:来料加工装配贸易出口额 | ||
| 进料出口imported_material_export_amount | 小数 | 原生 | 95% | 美元 原表列名:进料加工贸易出口额 | ||
| 出口总额total_export_amount | 小数 | 原生 | 99% | 美元 | ||
| 一般进口general_import_amount | 小数 | 原生 | 99% | 美元 原表列名:一般贸易进口额 | ||
| 来料进口processing_import_amount | 小数 | 原生 | 90% | 美元 原表列名:来料加工装配贸易进口额 | ||
| 进料进口imported_material_import_amount | 小数 | 原生 | 94% | 美元 原表列名:进料加工贸易进口额 | ||
| 进口总额total_import_amount | 小数 | 原生 | 99% | 美元 | ||
| 一般总额general_trade_amount | 小数 | 原生 | 100% | 美元 原表列名:一般贸易进出口总数 | ||
| 来料总额processing_trade_amount | 小数 | 原生 | 93% | 美元 原表列名:来料加工装配贸易进出口总数 | ||
| 进料总额imported_material_trade_amount | 小数 | 原生 | 95% | 美元 原表列名:进料加工贸易进出口总数 | ||
| 进出口总额total_trade_amount | 小数 | 原生 | 99% | 美元 原表列名:进出口总数 | ||
| 年份date_year规律 1:年份的字段规律字段规律:date_year由时间扩增得出。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:年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从时间算出的年份 |
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。
| # | 时间date | 省份province | 一般出口general_export_amount | 来料出口processing_export_amount | 进料出口imported_material_export_amount | 出口总额total_export_amount | 一般进口general_import_amount | 来料进口processing_import_amount | 进料进口imported_material_import_amount | 进口总额total_import_amount | 一般总额general_trade_amount | 来料总额processing_trade_amount | 进料总额imported_material_trade_amount | 进出口总额total_trade_amount | 年份date_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2002-01-01 | 北京 | 322427157 | 37542135 | 173284429 | 614001338 | 953074868 | 18486955 | 118423649 | 1194661666 | 1275502025 | 56029090 | 291708078 | 1808663004 | 2002 |
| 2 | 2002-01-01 | 天津 | 205623117 | 56255146 | 428551288 | 702078779 | 239790790 | 33960724 | 283738556 | 703228390 | 445413907 | 90215870 | 712289844 | 1405307169 | 2002 |
| 3 | 2002-01-01 | 河北 | 241554739 | 14103602 | 34582114 | 293568407 | 115908520 | 9035067 | 15509924 | 150940442 | 357463259 | 23138669 | 50092038 | 444508849 | 2002 |
| 4 | 2002-01-01 | 山西 | 147034192 | 390522 | 5000803 | 152819541 | 39696981 | 15430 | 1871429 | 43872945 | 186731173 | 405952 | 6872232 | 196692486 | 2002 |
| 5 | 2002-01-01 | 内蒙古 | 48377048 | 1217377 | 7599056 | 59542260 | 31813939 | 739028 | 982601 | 148970212 | 80190987 | 1956405 | 8581657 | 208512472 | 2002 |
| 6 | 2002-01-01 | 辽宁 | 208842983 | 55925011 | 221339509 | 502422170 | 279610448 | 59926267 | 240719773 | 672531258 | 488453431 | 115851278 | 462059282 | 1174953428 | 2002 |
| 7 | 2002-01-01 | 吉林 | 55567520 | 4687795 | 12268965 | 76180557 | 115291496 | 5011476 | 4400342 | 141859714 | 170859016 | 9699271 | 16669307 | 218040271 | 2002 |
| 8 | 2002-01-01 | 黑龙江 | 59266982 | 7301155 | 6094556 | 97140941 | 67866616 | 8979749 | 3833667 | 153914368 | 127133598 | 16280904 | 9928223 | 251055309 | 2002 |
| 9 | 2002-01-01 | 上海 | 941825443 | 245243446 | 765710339 | 1999233418 | 1126625024 | 206390378 | 496477629 | 2479957852 | 2068450467 | 451633824 | 1262187968 | 4479191270 | 2002 |
| 10 | 2002-01-01 | 江苏 | 1202922283 | 278518205 | 1135853656 | 2621941652 | 816228914 | 168136772 | 687763549 | 1957189154 | 2019151197 | 446654977 | 1823617205 | 4579130806 | 2002 |
| 11 | 2002-01-01 | 浙江 | 1715920640 | 86338458 | 297780009 | 2115848084 | 631297886 | 42131514 | 130194784 | 892211079 | 2347218526 | 128469972 | 427974793 | 3008059163 | 2002 |
| 12 | 2002-01-01 | 安徽 | 143090933 | 2527479 | 29516377 | 175755220 | 101357843 | 1341776 | 11005956 | 120172011 | 244448776 | 3869255 | 40522333 | 295927231 | 2002 |
| 13 | 2002-01-01 | 福建 | 616533027 | 81984939 | 435909114 | 1195311286 | 326908083 | 47297155 | 335456706 | 858546970 | 943441110 | 129282094 | 771365820 | 2053858256 | 2002 |
| 14 | 2002-01-01 | 江西 | 65164844 | 3285221 | 4078646 | 72592997 | 37508870 | 2321603 | 2001378 | 42797287 | 102673714 | 5606824 | 6080024 | 115390284 | 2002 |
| 15 | 2002-01-01 | 山东 | 720601732 | 228997786 | 466473302 | 1433530063 | 537141632 | 149743047 | 285917717 | 1114375207 | 1257743364 | 378740833 | 752391019 | 2547905270 | 2002 |
| 16 | 2002-01-01 | 河南 | 111896581 | 411589 | 44870668 | 160009704 | 59642758 | 453406 | 18639455 | 84157115 | 171539339 | 864995 | 63510123 | 244166819 | 2002 |
| 17 | 2002-01-01 | 湖北 | 112550159 | 22443999 | 10663135 | 148414790 | 175758065 | 10803545 | 6663193 | 206801811 | 288308224 | 33247544 | 17326328 | 355216601 | 2002 |
| 18 | 2002-01-01 | 湖南 | 114972620 | 2987483 | 9840389 | 128627185 | 73143572 | 1853492 | 5532858 | 84425407 | 188116192 | 4840975 | 15373247 | 213052592 | 2002 |
| 19 | 2002-01-01 | 广东 | 1559920386 | 2406541138 | 4138941180 | 8340005542 | 2037725556 | 1608823432 | 2943933609 | 7184288820 | 3597645942 | 4015364570 | 7082874789 | 15524294362 | 2002 |
| 20 | 2002-01-01 | 广西 | 93772866 | 5756248 | 9387933 | 114619487 | 65386782 | 6017686 | 3714182 | 87032036 | 159159648 | 11773934 | 13102115 | 201651523 | 2002 |
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7,440 行 · 15 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 province_code、taobao_village_year按省份对上本数据集 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 行(100%)
按 省份 能连
47 个数据集 · 本数据集 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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 7,440 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。
本数据集内1
- 扩增得出
date_year由时间扩增得出。
来自字段扩增省级进出口月度省级进出口月度
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-trade-monthly/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京"}],"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。