
- 记录
- 1,392
- 字段
- 8
- AI 扩增字段
- 2
- 平均非空率
- 97.5%
- 字段完整度
8 个字段,4 个没有空值,2 个 AI 扩增
01字段
字段来源,逐一标明
共 8 个字段,其中 AI 扩增字段 2 个。非空率按当前版本的 1,392 行计算。
关于这个数据集
一行代表一个区县,记录该区县的书院数量及其所属地级市和省份的汇总数量。数据覆盖全国各省市县,包含省、市、区三级行政区划的书院统计信息。可用于分析历史文化设施的空间分布密度,辅助评估文化遗产保护状况或区域文化资产分布。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份名称province规律 2:省份名称的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。。county_code由省份名称、地级市名称、区县名称扩增得出。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 | ||
| 地级市名称city规律 2:地级市名称的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。。county_code由省份名称、地级市名称、区县名称扩增得出。键:城市名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 98% | 原表列名:City | ||
| 区县名称county规律 1:区县名称的字段规律字段规律:county_code由省份名称、地级市名称、区县名称扩增得出。键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Region | ||
| 省份书院数量province_academy_count | 整数 | 原生 | 100% | 单位:个 原表列名:Proacade | ||
| 地级市书院数量city_academy_count | 整数 | 原生 | 99% | 单位:个 原表列名:Citacade | ||
| 区县书院数量county_academy_count | 整数 | 原生 | 100% | 单位:个 原表列名:Regacade | ||
| 区县区划代码county_code规律 1:区县区划代码的字段规律字段规律:county_code由省份名称、地级市名称、区县名称扩增得出。键:县级区划代码。样本里格式符合 100%,85.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:区县区划代码 | 85%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份名称、地级市名称、区县名称查行政区划参照得出的现行县级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 地级市区划代码city_code规律 1:地级市区划代码的字段规律字段规律:city_code由省份名称、地级市名称扩增得出。键:市级区划代码。样本里格式符合 100%,98.1% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:地级市区划代码 | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份名称、地级市名称查行政区划参照得出的现行地级区划代码。程序查表,不用模型。对不上或置信度低的为空 |
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。
| # | 省份名称province | 地级市名称city | 区县名称county | 省份书院数量province_academy_count | 地级市书院数量city_academy_count | 区县书院数量county_academy_count | 区县区划代码county_code | 地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|
| 1 | 安徽省 | 安庆市 | 怀宁县 | 317 | 32 | 3 | 340822 | 340800 |
| 2 | 安徽省 | 安庆市 | 潜山市 | 317 | 32 | 8 | 340882 | 340800 |
| 3 | 安徽省 | 安庆市 | 宿松县 | 317 | 32 | 2 | 340826 | 340800 |
| 4 | 安徽省 | 安庆市 | 太湖县 | 317 | 32 | 4 | 340825 | 340800 |
| 5 | 安徽省 | 安庆市 | 桐城市 | 317 | 32 | 8 | 340881 | 340800 |
| 6 | 安徽省 | 安庆市 | 望江县 | 317 | 32 | 2 | 340827 | 340800 |
| 7 | 安徽省 | 安庆市 | 市区 | 317 | 32 | 5 | — | 340800 |
| 8 | 安徽省 | 蚌埠市 | 怀远县 | 317 | 5 | 4 | 340321 | 340300 |
| 9 | 安徽省 | 蚌埠市 | 五河县 | 317 | 5 | 1 | 340322 | 340300 |
| 10 | 安徽省 | 亳州市 | 蒙城县 | 317 | 5 | 2 | 341622 | 341600 |
| 11 | 安徽省 | 亳州市 | 涡阳县 | 317 | 5 | 1 | 341621 | 341600 |
| 12 | 安徽省 | 亳州市 | 市区 | 317 | 5 | 2 | — | 341600 |
| 13 | 安徽省 | 池州市 | 东至县 | 317 | 26 | 2 | 341721 | 341700 |
| 14 | 安徽省 | 池州市 | 青阳县 | 317 | 26 | 11 | 341723 | 341700 |
| 15 | 安徽省 | 池州市 | 石台县 | 317 | 26 | 1 | 341722 | 341700 |
| 16 | 安徽省 | 池州市 | 市区 | 317 | 26 | 12 | — | 341700 |
| 17 | 安徽省 | 滁州市 | 定远县 | 317 | 24 | 3 | 341125 | 341100 |
| 18 | 安徽省 | 滁州市 | 凤阳县 | 317 | 24 | 4 | 341126 | 341100 |
| 19 | 安徽省 | 滁州市 | 来安县 | 317 | 24 | 5 | 341122 | 341100 |
| 20 | 安徽省 | 滁州市 | 全椒县 | 317 | 24 | 5 | 341124 | 341100 |
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 v12026/11/15 发布
生效中1,392 行 · 8 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 81 个数据集连接。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 城市 + 区县 + 省份 能连
56 个数据集 · 本数据集 1,366 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code、city_code按城市对上本数据集 1,366 行(98%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 1,366 行(98%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、city_code按城市对上本数据集 1,366 行(98%)
- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 1,366 行(98%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code、village_code按城市对上本数据集 1,366 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 1,366 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 1,366 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、province、city_code按城市对上本数据集 1,366 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code、region_code按城市对上本数据集 1,366 行(98%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_city_code、region_code、buyer_province按城市对上本数据集 1,366 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、region_code按城市对上本数据集 1,366 行(98%)
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 region_code、province、county_code按城市对上本数据集 1,366 行(98%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 1,366 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 1,366 行(98%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、city_code按城市对上本数据集 1,366 行(98%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、province按城市对上本数据集 1,366 行(98%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 1,366 行(98%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province按城市对上本数据集 1,366 行(98%)
- 地级市数字经济政策词频区域底数 · 41.3 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、city_code按城市对上本数据集 1,366 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、region_code按城市对上本数据集 1,366 行(98%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 1,186 行有区县- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、pname按区县对上本数据集 1,186 行(85%)
- 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、county_code按区县对上本数据集 1,186 行(85%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code按区县对上本数据集 1,186 行(85%)
- 县级财政收支区域底数 · 15.9 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县域数字乡村指数区域底数 · 9.2 万 行 · 连接字段 province、county_code按区县对上本数据集 1,186 行(85%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县级人口与户数区域底数 · 4.9 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县域地区生产总值及指数区域底数 · 4.4 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县级工业企业指标区域底数 · 2.9 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 1,186 行(85%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code按区县对上本数据集 1,186 行(85%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 1,366 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 1,366 行(98%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、county_code按城市对上本数据集 1,364 行(97%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code、parent_code按城市对上本数据集 1,363 行(97%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、applicant_address_city_code按城市对上本数据集 1,339 行(96%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj按城市对上本数据集 1,312 行(94%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 1,111 行(79%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 city_code、county_code按城市对上本数据集 843 行(60%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code、address_county_code按城市对上本数据集 197 行(14%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code按城市对上本数据集 159 行(11%)
按 省份 能连
337 个数据集 · 本数据集 1,392 行有省份- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 province_name按省份对上本数据集 1,392 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province按省份对上本数据集 1,392 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code按省份对上本数据集 1,392 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code按省份对上本数据集 1,392 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code按省份对上本数据集 1,392 行(100%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province按省份对上本数据集 1,392 行(100%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code按省份对上本数据集 1,392 行(100%)
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 region_code按省份对上本数据集 1,392 行(100%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province按省份对上本数据集 1,392 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 1,392 行(100%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code按省份对上本数据集 1,392 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 1,392 行(100%)
按 城市 能连
67 个数据集 · 本数据集 1,366 行有城市- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 region_code按城市对上本数据集 1,366 行(98%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code按城市对上本数据集 1,366 行(98%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code按城市对上本数据集 1,366 行(98%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code按城市对上本数据集 1,366 行(98%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code按城市对上本数据集 1,366 行(98%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code按城市对上本数据集 1,366 行(98%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code按城市对上本数据集 1,366 行(98%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code按城市对上本数据集 1,366 行(98%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code按城市对上本数据集 1,365 行(98%)
- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 1,364 行(97%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code按城市对上本数据集 1,363 行(97%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code按城市对上本数据集 1,316 行(94%)
按 区县 能连
19 个数据集 · 本数据集 1,186 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code按区县对上本数据集 1,186 行(85%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code按区县对上本数据集 1,186 行(85%)
- 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 1,185 行(85%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code按区县对上本数据集 1,184 行(85%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code按区县对上本数据集 1,183 行(84%)
- 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 1,173 行(84%)
- 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 1,173 行(84%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 1,155 行(82%)
- 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 1,130 行(81%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code按区县对上本数据集 1,097 行(78%)
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 1,020 行(73%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 741 行(53%)
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2
- 扩增得出
city_code由省份名称、地级市名称扩增得出。
来自字段扩增全国区县书院数量全国区县书院数量 - 扩增得出
county_code由省份名称、地级市名称、区县名称扩增得出。
来自字段扩增全国区县书院数量全国区县书院数量
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/region-academy-count/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。