
历年县级以上行政区划代码
一行是一年代码表里的一个县级以上行政区划,包含代码、名称、级别、单位类型、上级代码和这个代码的启用、停用年份。
参照v1 生效中 · 2026/11/13 发布时间跨度:1981–2025 年数据出处 民政部《中华人民共和国县以上行政区划代码》1981—2024 年各年版和国家地名信息库行政区划代码(截至 2025 年 12 月 31 日)。按开源整理件 yescallop/areacodes(CC0)录入,和民政部网站上 6 个年份的原表逐条核对数据更新 2025/12/31
- 记录
- 14.3 万
- 字段
- 11
- AI 扩增字段
- 0
- 平均非空率
- 98.5%
- 字段完整度
11 个字段,8 个没有空值
图片:Gary Todd from Xinzheng, China,Public domain(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 11 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 143,470 行计算。
关于这个数据集
一行是一年代码表里的一个县级以上行政区划,包含代码、名称、级别、单位类型、上级代码和这个代码的启用、停用年份。覆盖 1981 到 2025 年每年 1 版,共 143470 行,每年约 2,600 到 3,300 个代码。1981、1982 年缺大部分地级市的市辖区。用来按数据的年份核对旧的区划代码,把历史数据连到当年的区划上。
| 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% | 代码表的年份。数据截至当年 12 月 31 日 | ||
| 行政区划代码region_code含义:代码或编号键:县级区划代码(2005 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 6 位区划代码。保留开头的 0 | ||
| 名称name含义:地区键:区县名称。样本里格式符合 94.8%,还没有参照 | 文本 | 原生 | 100% | 当年代码表里的名称 | ||
| 级别level含义:类别 | 文本 | 原生 | 100% | 省级、地级、县级 | ||
| 单位类型unit_type含义:类别 | 文本 | 原生 | 100% | 直辖市、省、自治区、特别行政区、地级市、地区、自治州、盟、市辖区、县、县级市、自治县、旗、自治旗、特区、林区。按名称推断,2025 年和国家地名信息库的类型逐个核对过 | ||
| 省级代码province_code含义:代码或编号键:省级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 99% | 所属省级单位的代码。省级为空 | ||
| 地级代码prefecture_code含义:代码或编号键:市级区划代码(1992 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 85% | 所属地级单位的代码。省级、地级和省直辖的县级单位为空 | ||
| 上级代码parent_code含义:代码或编号键:市级区划代码(1992 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 99% | 直接上级的代码:县级是地级代码(省直辖的是省级代码),地级是省级代码 | ||
| 启用年份first_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% | 这个代码用这个名称的第一年 | ||
| 最后年份last_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% | 这个代码用这个名称的最后一年。现在仍在用的是 2025 | ||
| 现在的状态status含义:类别 | 文本 | 原生 | 100% | 现行:2025 年仍在用,名称相同。已改名:代码仍在用,名称变了。已停用:代码不再使用 |
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 | 行政区划代码region_code | 名称name | 级别level | 单位类型unit_type | 省级代码province_code | 地级代码prefecture_code | 上级代码parent_code | 启用年份first_year | 最后年份last_year | 现在的状态status |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1981 | 110000 | 北京市 | 省级 | 直辖市 | — | — | — | 1981 | 2025 | 现行 |
| 2 | 1981 | 110101 | 东城区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 3 | 1981 | 110102 | 西城区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 4 | 1981 | 110103 | 崇文区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2009 | 已停用 |
| 5 | 1981 | 110104 | 宣武区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2009 | 已停用 |
| 6 | 1981 | 110105 | 朝阳区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 7 | 1981 | 110106 | 丰台区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 8 | 1981 | 110107 | 石景山区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 9 | 1981 | 110108 | 海淀区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 10 | 1981 | 110109 | 门头沟区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 2025 | 现行 |
| 11 | 1981 | 110110 | 燕山区 | 县级 | 市辖区 | 110000 | — | 110000 | 1981 | 1985 | 已停用 |
| 12 | 1981 | 110221 | 昌平县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 1998 | 已停用 |
| 13 | 1981 | 110222 | 顺义县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 1997 | 已停用 |
| 14 | 1981 | 110223 | 通县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 1996 | 已停用 |
| 15 | 1981 | 110224 | 大兴县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 2000 | 已停用 |
| 16 | 1981 | 110225 | 房山县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 1985 | 已停用 |
| 17 | 1981 | 110226 | 平谷县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 2000 | 已停用 |
| 18 | 1981 | 110227 | 怀柔县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 2000 | 已停用 |
| 19 | 1981 | 110228 | 密云县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 2014 | 已停用 |
| 20 | 1981 | 110229 | 延庆县 | 县级 | 县 | 110000 | — | 110000 | 1981 | 2014 | 已停用 |
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143,470 行 · 11 个字段 · 初始导入
04关联
和其他数据集,按键连起来
这是一个参照数据集:其他数据集的键拿它来核对。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 122,520 行有城市- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、prefecture_code、province_code、region_code按城市对上本数据集 122,520 行(85%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、city_code、province、year按城市对上本数据集 122,127 行(85%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、city_code、county_code按城市对上本数据集 122,127 行(85%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、county_code、approve_date、province按城市对上本数据集 122,127 行(85%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、county_code、year按城市对上本数据集 122,127 行(85%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、city_code_2、county_code_2、province_name按城市对上本数据集 122,127 行(85%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、region_code、division_year、province按城市对上本数据集 122,127 行(85%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、region_code、city_code按城市对上本数据集 122,127 行(85%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 layer_year、city_code、region_code、province按城市对上本数据集 122,127 行(85%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、county_code、province、city_code按城市对上本数据集 122,115 行(85%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code、region_code、year按城市对上本数据集 122,115 行(85%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 county_code、city_code、year、province按城市对上本数据集 122,115 行(85%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 122,520 行有城市- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province、region_code按城市对上本数据集 122,127 行(85%)
- 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 122,127 行(85%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、year、province按城市对上本数据集 122,127 行(85%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date、province按城市对上本数据集 122,127 行(85%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code、province按城市对上本数据集 122,127 行(85%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 122,127 行(85%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、province_code、date按城市对上本数据集 122,127 行(85%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year、region_code按城市对上本数据集 122,127 行(85%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、region_code、year按城市对上本数据集 122,127 行(85%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 122,127 行(85%)
- 地级市人口就业统计区域底数 · 1 万 行 · 连接字段 year、province、region_code按城市对上本数据集 122,127 行(85%)
- 地级市综合创新指数区域底数 · 7,077 行 · 连接字段 region_code、province、year按城市对上本数据集 122,127 行(85%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 143,470 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、issue_date、region_code按区县对上本数据集 141,847 行(98%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、region_code、date按区县对上本数据集 135,812 行(94%)
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 province、region_code、year按区县对上本数据集 135,812 行(94%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time、adcode按区县对上本数据集 132,897 行(92%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 year、province、province_city_county_code按区县对上本数据集 131,365 行(91%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province_city_county_code、year、province按区县对上本数据集 131,365 行(91%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、province、region_code按区县对上本数据集 127,267 行(88%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code、year按区县对上本数据集 127,240 行(88%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、year、region_code按区县对上本数据集 127,049 行(88%)
- 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、taobao_village_year按区县对上本数据集 127,046 行(88%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 127,043 行(88%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 127,043 行(88%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 122,520 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 122,127 行(85%)
- 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 province_code、region_code、city_code按城市对上本数据集 122,127 行(85%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 122,115 行(85%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province、city_code按城市对上本数据集 121,753 行(84%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、city_code、province_code按城市对上本数据集 121,476 行(84%)
- 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 121,476 行(84%)
- 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 118,755 行(82%)
- 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 117,110 行(81%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、province、county_code按城市对上本数据集 111,601 行(77%)
- 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 102,973 行(71%)
- 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 52,962 行(36%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 city_code、region_code、province按城市对上本数据集 27,442 行(19%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 122,520 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 117,185 行(81%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code、applicant_address_city_code按城市对上本数据集 115,080 行(80%)
- 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 113,220 行(78%)
- 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、application_date、address_city_code按城市对上本数据集 91,865 行(64%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 71,452 行(49%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、address_city_code、county_code按城市对上本数据集 13,114 行(9.1%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 141,997 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 year、province_name按省份对上本数据集 141,997 行(98%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 141,997 行(98%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 141,997 行(98%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 122,520 行有城市- 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 122,336 行(85%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 122,127 行(85%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 122,127 行(85%)
- 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 122,127 行(85%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 122,127 行(85%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 122,127 行(85%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 122,040 行(85%)
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date、region_code按城市对上本数据集 121,464 行(84%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 120,965 行(84%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 117,021 行(81%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 111,642 行(77%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 year、city1_code按城市对上本数据集 109,286 行(76%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 122,520 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 122,127 行(85%)
- 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 121,476 行(84%)
- 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 121,314 行(84%)
- 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 121,046 行(84%)
- 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 117,767 行(82%)
- 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 116,812 行(81%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 113,155 行(78%)
- 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 107,166 行(74%)
- 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 106,533 行(74%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 city_code、province按城市对上本数据集 104,061 行(72%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 province、region_code按城市对上本数据集 103,239 行(71%)
- 高铁动车列车运行时刻交通运输 · 5.2 万 行 · 连接字段 dep_province、arr_city_code按城市对上本数据集 103,170 行(71%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 143,470 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、valid_from按区县对上本数据集 143,470 行(100%)
- 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 142,745 行(99%)
- 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 123,587 行(86%)
- 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 114,000 行(79%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 112,214 行(78%)
- 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 66,012 行(46%)
- 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 34,394 行(23%)
- 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 29,789 行(20%)
- 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 22,088 行(15%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 county_code、date按区县对上本数据集 21,005 行(14%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 143,470 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 122,520 行有城市按 省份 能连
14 个数据集 · 本数据集 141,997 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,997 行(98%)
- 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 141,148 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 138,306 行(96%)
- 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 138,306 行(96%)
- 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 135,916 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 130,375 行(90%)
按 区县 能连
9 个数据集 · 本数据集 143,470 行有区县- 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 128,828 行(89%)
- 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 126,596 行(88%)
- 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 126,585 行(88%)
- 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 126,101 行(87%)
- 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 120,074 行(83%)
- 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 96,445 行(67%)
- 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 85,507 行(59%)
- 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 59,325 行(41%)
- 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 53,015 行(36%)
按 城市 能连
7 个数据集 · 本数据集 122,520 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 121,821 行(84%)
- 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 104,721 行(72%)
- 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 103,605 行(72%)
- 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 103,605 行(72%)
- 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 101,201 行(70%)
- 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 100,379 行(69%)
- 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 18,723 行(13%)
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。
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/region-code-by-year/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110000"}],"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。