全国行政区划变更明细
一行记录一次具体的行政区划调整事件。覆盖全国各省份，包含撤县设市、撤县设区、新设地级市等多种变更类型及批准时间。
v2 生效中 · 2026/11/13 发布时间跨度：1993–2023 年数据出处 民政部
- 记录
- 1,163
- 字段
- 25
- AI 扩增字段
- 10
- 平均非空率
- 23.6%
- 字段完整度
25 个字段，2 个没有空值，10 个 AI 扩增
01字段
字段来源，逐一标明
共 25 个字段，其中 AI 扩增字段 10 个。非空率按当前版本的 1,163 行计算。
关于这个数据集
一行记录一次具体的行政区划调整事件。覆盖全国各省份，包含撤县设市、撤县设区、新设地级市等多种变更类型及批准时间。可用于构建历史行政区划映射表，辅助地理信息的历史回溯与匹配。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 省份province规律 10：省份的字段规律字段规律：county_to_city_new_code由省份、新设地级市、撤县设市新市名扩增得出。。county_to_city_old_code由省份、新设地级市、撤县设市原县名扩增得出。。county_to_district_new_code由省份、新设地级市、撤县市设区现区扩增得出。。county_to_district_old_code由省份、新设地级市、撤县市设区原县市扩增得出。。district_to_county_new_code由省份、新设地级市、撤区设县县名扩增得出。。jurisdiction_expanded_code由省份、新设地级市、管辖范围扩张的区或县扩增得出。。jurisdiction_reduced_code由省份、新设地级市、管辖范围缩小的区或县扩增得出。。new_prefecture_city_code由省份、新设地级市扩增得出。。province_direct_county_code由省份、新设地级市、省直辖县市扩增得出。。suburb_rename_code由省份、新设地级市、郊区更名扩增得出。含义：地区键：省份名称。样本里格式符合 99.3%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 批准时间approval_date含义：日期或时间键：日期。样本里格式符合 100%，还没有参照 | 日期 | 原生 | 95% | 格式如19930105 | ||
| 撤县设市原县名county_to_city_old_name规律 1：撤县设市原县名的字段规律字段规律：county_to_city_old_code由省份、新设地级市、撤县设市原县名扩增得出。含义：地区键：区县名称。样本里格式符合 98.7%，还没有参照 | 文本 | 原生 | 18% | — | ||
| 撤县设市新市名county_to_city_new_name规律 1：撤县设市新市名的字段规律字段规律：county_to_city_new_code由省份、新设地级市、撤县设市新市名扩增得出。含义：地区键：区县名称。样本里格式符合 98.8%，还没有参照 | 文本 | 原生 | 19% | — | ||
| 撤县市设区原县市county_to_district_old_name规律 1：撤县市设区原县市的字段规律字段规律：county_to_district_old_code由省份、新设地级市、撤县市设区原县市扩增得出。含义：地区键：区县名称。样本里格式符合 89.1%，还没有参照 | 文本 | 原生 | 29% | 原表列名：撤县市设区-原县市 | ||
| 撤县市设区现区county_to_district_new_name规律 1：撤县市设区现区的字段规律字段规律：county_to_district_new_code由省份、新设地级市、撤县市设区现区扩增得出。含义：地区键：区县名称。样本里格式符合 99.2%，还没有参照 | 文本 | 原生 | 32% | 原表列名：撤县市设区-现区 | ||
| 省直辖县市province_direct_county规律 1：省直辖县市的字段规律字段规律：province_direct_county_code由省份、新设地级市、省直辖县市扩增得出。含义：地区键：区县名称。样本里格式符合 98%，还没有参照 | 文本 | 原生 | 14% | 原表列名：省直辖县（市） | ||
| 新设地级市原部分new_prefecture_city_part含义：文字说明 | 文本 | 原生 | 9.6% | 原表列名：新设地级市-原部分 | ||
| 新设地级市new_prefecture_city_name规律 10：新设地级市的字段规律字段规律：county_to_city_new_code由省份、新设地级市、撤县设市新市名扩增得出。。county_to_city_old_code由省份、新设地级市、撤县设市原县名扩增得出。。county_to_district_new_code由省份、新设地级市、撤县市设区现区扩增得出。。county_to_district_old_code由省份、新设地级市、撤县市设区原县市扩增得出。。district_to_county_new_code由省份、新设地级市、撤区设县县名扩增得出。。jurisdiction_expanded_code由省份、新设地级市、管辖范围扩张的区或县扩增得出。。jurisdiction_reduced_code由省份、新设地级市、管辖范围缩小的区或县扩增得出。。new_prefecture_city_code由省份、新设地级市扩增得出。。province_direct_county_code由省份、新设地级市、省直辖县市扩增得出。。suburb_rename_code由省份、新设地级市、郊区更名扩增得出。含义：地区键：城市名称。样本里格式符合 95.6%，还没有参照 | 文本 | 原生 | 9.5% | — | ||
| 郊区更名suburb_rename规律 1：郊区更名的字段规律字段规律：suburb_rename_code由省份、新设地级市、郊区更名扩增得出。含义：地区键：区县名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 3.1% | 部分年份列名为管辖范围扩张的区/县 | ||
| 管辖范围扩张的区或县jurisdiction_expanded规律 1：管辖范围扩张的区或县的字段规律字段规律：jurisdiction_expanded_code由省份、新设地级市、管辖范围扩张的区或县扩增得出。含义：地区键：区县名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 21% | 原表列名：管辖范围扩张的区/县 | ||
| 管辖范围缩小的区或县jurisdiction_reduced规律 1：管辖范围缩小的区或县的字段规律字段规律：jurisdiction_reduced_code由省份、新设地级市、管辖范围缩小的区或县扩增得出。含义：地区键：区县名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 4.1% | 原表列名：管辖范围缩小的区/县 | ||
| 撤区设县原区名district_to_county_old_name含义：名称 | 文本 | 原生 | 0.7% | 原表列名：撤区设县原区名 | ||
| 撤区设县县名district_to_county_new_name规律 1：撤区设县县名的字段规律字段规律：district_to_county_new_code由省份、新设地级市、撤区设县县名扩增得出。含义：地区键：区县名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 0.7% | 原表列名：撤区设县县名 | ||
| 撤县设市新市名区划代码county_to_city_new_code规律 1：撤县设市新市名区划代码的字段规律字段规律：county_to_city_new_code由省份、新设地级市、撤县设市新市名扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，17.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：撤县设市新市名区划代码 | 18%平均置信度 0.99校验少：不建议单独作为决策依据 | 由省份、新设地级市、撤县设市新市名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 | ||
| 撤县设市原县名区划代码county_to_city_old_code规律 1：撤县设市原县名区划代码的字段规律字段规律：county_to_city_old_code由省份、新设地级市、撤县设市原县名扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，16.4% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：撤县设市原县名区划代码 | 16%平均置信度 0.95校验少：不建议单独作为决策依据 | 由省份、新设地级市、撤县设市原县名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 | ||
| 撤县市设区现区区划代码county_to_district_new_code规律 1：撤县市设区现区区划代码的字段规律字段规律：county_to_district_new_code由省份、新设地级市、撤县市设区现区扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，30.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：撤县市设区现区区划代码 | 31%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、撤县市设区现区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 | ||
| 撤县市设区原县市区划代码county_to_district_old_code规律 1：撤县市设区原县市区划代码的字段规律字段规律：county_to_district_old_code由省份、新设地级市、撤县市设区原县市扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，21.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：撤县市设区原县市区划代码 | 21%平均置信度 0.95校验少：不建议单独作为决策依据 | 由省份、新设地级市、撤县市设区原县市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 | ||
| 撤区设县县名区划代码district_to_county_new_code规律 1：撤区设县县名区划代码的字段规律字段规律：district_to_county_new_code由省份、新设地级市、撤区设县县名扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，0.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：撤区设县县名区划代码 | 0.7%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、撤区设县县名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 | ||
| 管辖范围扩张的区或县区划代码jurisdiction_expanded_code规律 1：管辖范围扩张的区或县区划代码的字段规律字段规律：jurisdiction_expanded_code由省份、新设地级市、管辖范围扩张的区或县扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，18.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：管辖范围扩张的区或县区划代码 | 19%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、管辖范围扩张的区或县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 | ||
| 管辖范围缩小的区或县区划代码jurisdiction_reduced_code规律 1：管辖范围缩小的区或县区划代码的字段规律字段规律：jurisdiction_reduced_code由省份、新设地级市、管辖范围缩小的区或县扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，3.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：管辖范围缩小的区或县区划代码 | 3.8%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、管辖范围缩小的区或县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 | ||
| 省直辖县市区划代码province_direct_county_code规律 1：省直辖县市区划代码的字段规律字段规律：province_direct_county_code由省份、新设地级市、省直辖县市扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，13.1% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：省直辖县市区划代码 | 13%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、省直辖县市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 | ||
| 郊区更名区划代码suburb_rename_code规律 1：郊区更名区划代码的字段规律字段规律：suburb_rename_code由省份、新设地级市、郊区更名扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，2.9% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：郊区更名区划代码 | 2.9%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市、郊区更名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 | ||
| 新设地级市区划代码new_prefecture_city_code规律 1：新设地级市区划代码的字段规律字段规律：new_prefecture_city_code由省份、新设地级市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，9.1% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：新设地级市区划代码 | 9.1%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、新设地级市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。
| # | 年份year | 省份province | 批准时间approval_date | 撤县设市原县名county_to_city_old_name | 撤县设市新市名county_to_city_new_name | 撤县市设区原县市county_to_district_old_name | 撤县市设区现区county_to_district_new_name | 省直辖县市province_direct_county | 新设地级市原部分new_prefecture_city_part | 新设地级市new_prefecture_city_name | 郊区更名suburb_rename | 管辖范围扩张的区或县jurisdiction_expanded | 管辖范围缩小的区或县jurisdiction_reduced | 撤区设县原区名district_to_county_old_name | 撤区设县县名district_to_county_new_name | 撤县设市新市名区划代码county_to_city_new_code | 撤县设市原县名区划代码county_to_city_old_code | 撤县市设区现区区划代码county_to_district_new_code | 撤县市设区原县市区划代码county_to_district_old_code | 撤区设县县名区划代码district_to_county_new_code | 管辖范围扩张的区或县区划代码jurisdiction_expanded_code | 管辖范围缩小的区或县区划代码jurisdiction_reduced_code | 省直辖县市区划代码province_direct_county_code | 郊区更名区划代码suburb_rename_code | 新设地级市区划代码new_prefecture_city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1993 | 广东省 | 1993-01-05 | 开平县 | 开平市 | — | — | — | — | — | — | — | — | — | — | 440783 | 440783 | — | — | — | — | — | — | — | — |
| 2 | 1993 | 江苏省 | 1993-01-08 | 太仓县 | 太仓市 | — | — | — | — | — | — | — | — | — | — | 320585 | 320585 | — | — | — | — | — | — | — | — |
| 3 | 1993 | 江苏省 | 1993-01-08 | 南通县 | 通州市 | — | — | — | — | — | — | — | — | — | — | 320612 | 320612 | — | — | — | — | — | — | — | — |
| 4 | 1993 | 湖南省 | 1993-01-16 | 浏阳县 | 浏阳市 | — | — | — | — | — | — | — | — | — | — | 430181 | 430181 | — | — | — | — | — | — | — | — |
| 5 | 1993 | 四川省 | 1993-01-16 | 资阳县 | 资阳市 | — | — | — | — | — | — | — | — | — | — | 512002 | 512002 | — | — | — | — | — | — | — | — |
| 6 | 1993 | 黑龙江省 | 1993-02-08 | — | — | — | — | — | 黑河地区 | 黑河市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 231100 |
| 7 | 1993 | 黑龙江省 | 1993-02-08 | — | — | — | — | 北安市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 231181 | — | — |
| 8 | 1993 | 黑龙江省 | 1993-02-08 | — | — | — | — | 五大连池市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 231182 | — | — |
| 9 | 1993 | 黑龙江省 | 1993-02-12 | 宁安县 | 宁安市 | — | — | — | — | — | — | — | — | — | — | 231084 | 231084 | — | — | — | — | — | — | — | — |
| 10 | 1993 | 海南省 | 1993-03-03 | 儋县 | 儋州市 | — | — | — | — | — | — | — | — | — | — | 460400 | 460400 | — | — | — | — | — | — | — | — |
| 11 | 1993 | 河北省 | 1993-03-03 | 三河县 | 三河市 | — | — | — | — | — | — | — | — | — | — | 131082 | 131082 | — | — | — | — | — | — | — | — |
| 12 | 1993 | 云南省 | 1993-03-25 | 思茅县 | 思茅市 | — | — | — | — | — | — | — | — | — | — | 530802 | 530802 | — | — | — | — | — | — | — | — |
| 13 | 1993 | 浙江省 | 1993-03-26 | 桐乡县 | 桐乡市 | — | — | — | — | — | — | — | — | — | — | 330483 | 330483 | — | — | — | — | — | — | — | — |
| 14 | 1993 | 广东省 | 1993-03-29 | 三水县 | 三水市 | — | — | — | — | — | — | — | — | — | — | 440607 | 440607 | — | — | — | — | — | — | — | — |
| 15 | 1993 | 广东省 | 1993-04-06 | 普宁县 | 普宁市 | — | — | — | — | — | — | — | — | — | — | 445281 | 445281 | — | — | — | — | — | — | — | — |
| 16 | 1993 | 广东省 | 1993-04-08 | 罗定县 | 罗定市 | — | — | — | — | — | — | — | — | — | — | 445381 | 445381 | — | — | — | — | — | — | — | — |
| 17 | 1993 | 广东省 | 1993-04-09 | 潮阳县 | 潮阳市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| 18 | 1993 | 河北省 | 1993-04-09 | 新城县 | 高碑店市 | — | — | — | — | — | — | — | — | — | — | 130684 | 130684 | — | — | — | — | — | — | — | — |
| 19 | 1993 | 湖北省 | 1993-04-10 | — | — | 孝感市（部分） | 孝南区 | — | — | — | — | — | — | — | — | — | — | 420902 | — | — | — | — | — | — | — |
| 20 | 1993 | 湖北省 | 1993-04-10 | — | — | — | — | — | 孝感地区、县级孝感市 | 孝感市 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 420900 |
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 v22026/11/13 发布
生效中1,163 行 · 25 个字段 · 初始导入（比 v1 行数增加 1,079，字段增加 14 个）
版本 v12026/11/13 发布
历史版本84 行 · 11 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 135 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 城市 + 区县 + 省份 + 年份 能连
42 个数据集 · 本数据集 106 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、region_code、year、province按城市对上本数据集 106 行（9.1%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 county_code、date、province、city_code按城市对上本数据集 106 行（9.1%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、county_code、city_code按城市对上本数据集 106 行（9.1%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code、county_code按城市对上本数据集 106 行（9.1%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code、year、region_code按城市对上本数据集 106 行（9.1%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_city_code、buyer_province、contract_date、region_code按城市对上本数据集 106 行（9.1%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 county_code、province、year、region_code按城市对上本数据集 106 行（9.1%）
- 区县数字集群政策DID区域底数 · 5.8 万 行 · 连接字段 region_code、county_code、province、year按城市对上本数据集 106 行（9.1%）
- 区县最低工资标准区域底数 · 5.6 万 行 · 连接字段 year、province、city_code、county_code按城市对上本数据集 106 行（9.1%）
- 银行监管处罚明细司法监管 · 5.3 万 行 · 连接字段 county_code、province、disclosure_date、city_code按城市对上本数据集 106 行（9.1%）
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、city_code、province、founded_year按城市对上本数据集 106 行（9.1%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、province_name、county_code_2、year按城市对上本数据集 106 行（9.1%）
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 106 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_city_code、month、origin_province按城市对上本数据集 106 行（9.1%）
- 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、city_code按城市对上本数据集 106 行（9.1%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、year、province按城市对上本数据集 106 行（9.1%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date、region_code按城市对上本数据集 106 行（9.1%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、province、year按城市对上本数据集 106 行（9.1%）
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 province、region_code、year按城市对上本数据集 106 行（9.1%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、year、origin_city_code按城市对上本数据集 106 行（9.1%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、province、region_code按城市对上本数据集 106 行（9.1%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year、province按城市对上本数据集 106 行（9.1%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year、province按城市对上本数据集 106 行（9.1%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 106 行（9.1%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、province、region_code按城市对上本数据集 106 行（9.1%）
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 206 行有区县- 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、county_code按区县对上本数据集 206 行（17%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year、province按区县对上本数据集 206 行（17%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname、adcode按区县对上本数据集 205 行（17%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province、region_code按区县对上本数据集 205 行（17%）
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 province、year、region_code按区县对上本数据集 205 行（17%）
- 县级人口与户数区域底数 · 4.9 万 行 · 连接字段 year、province、region_code按区县对上本数据集 205 行（17%）
- 县级中小学教育统计区域底数 · 4.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 205 行（17%）
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 205 行（17%）
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 205 行（17%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 205 行（17%）
- 区县人口分布（格网汇总）区域底数 · 1.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 205 行（17%）
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 205 行（17%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 106 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code、city_code按城市对上本数据集 106 行（9.1%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code、village_code按城市对上本数据集 106 行（9.1%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 106 行（9.1%）
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 city_code、region_code、province_code按城市对上本数据集 106 行（9.1%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code、county_code按城市对上本数据集 106 行（9.1%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 105 行（9%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code、province、city_code按城市对上本数据集 105 行（9%）
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 99 行（8.5%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code、region_code按城市对上本数据集 99 行（8.5%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 city_code、province、county_code按城市对上本数据集 93 行（8%）
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 36 行（3.1%）
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 7 行（不到 1%）
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 106 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 101 行（8.7%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、region_code_adj、city_code按城市对上本数据集 100 行（8.6%）
- 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、pub_date按城市对上本数据集 97 行（8.3%）
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_city_code、application_date、address_county_code按城市对上本数据集 72 行（6.2%）
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、year、city_code按城市对上本数据集 47 行（4%）
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、established_date、address_city_code按城市对上本数据集 9 行（不到 1%）
按 省份 + 年份 能连
323 个数据集 · 本数据集 1,156 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、year按省份对上本数据集 1,156 行（99%）
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 1,156 行（99%）
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 1,156 行（99%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 1,156 行（99%）
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code、year按省份对上本数据集 1,156 行（99%）
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 year、province按省份对上本数据集 1,156 行（99%）
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 1,156 行（99%）
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 year、region_code按省份对上本数据集 1,156 行（99%）
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province、year按省份对上本数据集 1,156 行（99%）
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 year、region_code按省份对上本数据集 1,156 行（99%）
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 1,156 行（99%）
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 1,156 行（99%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 106 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、date按城市对上本数据集 106 行（9.1%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 106 行（9.1%）
- 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、month按城市对上本数据集 106 行（9.1%）
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 106 行（9.1%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 106 行（9.1%）
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 106 行（9.1%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 106 行（9.1%）
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 city_code、year按城市对上本数据集 106 行（9.1%）
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 year、region_code按城市对上本数据集 106 行（9.1%）
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 region_code、year按城市对上本数据集 106 行（9.1%）
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 region_code、year按城市对上本数据集 106 行（9.1%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 106 行（9.1%）
按 城市 + 省份 能连
15 个数据集 · 本数据集 106 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 106 行（9.1%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 106 行（9.1%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 105 行（9%）
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 region_code、province按城市对上本数据集 105 行（9%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 102 行（8.8%）
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 102 行（8.8%）
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code、province按城市对上本数据集 99 行（8.5%）
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 97 行（8.3%）
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 95 行（8.2%）
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 95 行（8.2%）
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 89 行（7.7%）
- 高铁动车列车运行时刻交通运输 · 5.2 万 行 · 连接字段 arr_city_code、dep_province按城市对上本数据集 81 行（7%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 206 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 valid_from、old_code按区县对上本数据集 206 行（17%）
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 205 行（17%）
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 199 行（17%）
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 195 行（16%）
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 191 行（16%）
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 region_code、year按区县对上本数据集 129 行（11%）
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 113 行（9.7%）
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 75 行（6.4%）
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date、county_code按区县对上本数据集 63 行（5.4%）
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 date、county_code按区县对上本数据集 19 行（1.6%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 206 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 106 行有城市按 省份 能连
14 个数据集 · 本数据集 1,156 行有省份- 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 1,156 行（99%）
- 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 1,156 行（99%）
- 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 1,156 行（99%）
- 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 1,156 行（99%）
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 1,156 行（99%）
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 1,156 行（99%）
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 1,156 行（99%）
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 1,144 行（98%）
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 1,142 行（98%）
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 1,142 行（98%）
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 1,101 行（94%）
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 1,080 行（92%）
按 区县 能连
9 个数据集 · 本数据集 206 行有区县- 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 199 行（17%）
- 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 198 行（17%）
- 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 193 行（16%）
- 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 189 行（16%）
- 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 184 行（15%）
- 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 180 行（15%）
- 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 103 行（8.9%）
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 102 行（8.8%）
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 100 行（8.6%）
按 城市 能连
7 个数据集 · 本数据集 106 行有城市- 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 105 行（9%）
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 98 行（8.4%）
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 95 行（8.2%）
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 95 行（8.2%）
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 87 行（7.5%）
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 86 行（7.4%）
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 8 行（不到 1%）
只按年份能连：435 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
435 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
- 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
- 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
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 上市公司专利申请明细企业主体 · 224.2 万 行 · 连接字段 year
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10
- 扩增得出
county_to_city_new_code由省份、新设地级市、撤县设市新市名扩增得出。
来自字段扩增 - 扩增得出
county_to_city_old_code由省份、新设地级市、撤县设市原县名扩增得出。
来自字段扩增 - 扩增得出
county_to_district_new_code由省份、新设地级市、撤县市设区现区扩增得出。
来自字段扩增 - 扩增得出
county_to_district_old_code由省份、新设地级市、撤县市设区原县市扩增得出。
来自字段扩增 - 扩增得出
district_to_county_new_code由省份、新设地级市、撤区设县县名扩增得出。
来自字段扩增 - 扩增得出
jurisdiction_expanded_code由省份、新设地级市、管辖范围扩张的区或县扩增得出。
来自字段扩增 - 扩增得出
jurisdiction_reduced_code由省份、新设地级市、管辖范围缩小的区或县扩增得出。
来自字段扩增 - 扩增得出
new_prefecture_city_code由省份、新设地级市扩增得出。
来自字段扩增 - 扩增得出
province_direct_county_code由省份、新设地级市、省直辖县市扩增得出。
来自字段扩增 - 扩增得出
suburb_rename_code由省份、新设地级市、郊区更名扩增得出。
来自字段扩增
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-admin-division-changes/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"广东省"}],"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。