
行政区划新旧代码对照
一行是一个历史区划代码(一段使用时间)对应的一个现行代码,包含对应方式、主要去向、把握和变更路径。
参照v1 生效中 · 2026/11/13 发布数据出处 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
- 7,388
- 字段
- 14
- AI 扩增字段
- 0
- 平均非空率
- 90.7%
- 字段完整度
14 个字段,12 个没有空值
01字段
字段来源,逐一标明
共 14 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 7,388 行计算。
关于这个数据集
一行是一个历史区划代码(一段使用时间)对应的一个现行代码,包含对应方式、主要去向、把握和变更路径。覆盖 1981 年以来用过的全部 6826 段代码,共 7388 行。一对多的没有面积或人口的权重。用来把按旧区县代码记录的数据连到今天的区县,再按现行区划汇总。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 历史代码old_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,可能已经停用 | ||
| 历史名称old_name含义:地区键:区县名称。样本里格式符合 96.5%,还没有参照 | 文本 | 原生 | 100% | 这段时间里的名称 | ||
| 历史级别old_level含义:类别 | 文本 | 原生 | 100% | 省级、地级、县级 | ||
| 起始年份valid_from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 | ||
| 截止年份valid_to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 | ||
| 现行代码current_code含义:代码或编号键:县级区划代码(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 | 100% | 2025 年代码表里的代码 | ||
| 现行名称current_name含义:地区键:区县名称。样本里格式符合 96.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 现行级别current_level含义:类别 | 文本 | 原生 | 100% | 省级、地级、县级 | ||
| 对应方式mapping含义:类别 | 文本 | 原生 | 100% | 未变:代码现在仍在用。一对一:对应 1 个现行代码。一对多:区域分到几个现行代码。无后继:找不到 | ||
| 现行代码个数target_count含义:个数(个) | 整数 | 原生 | 100% | 这个历史代码对应几个现行代码 | ||
| 主要去向is_primary含义:是否 | 是非 | 原生 | 100% | 一对多时,承接主要区域的那一个为是。判断依据写在说明里 | ||
| 把握certainty含义:类别 | 文本 | 原生 | 100% | 变更链上有一步待核实,就是待核实 | ||
| 变更路径path含义:文字说明 | 文本 | 原生 | 57% | 例如:110228 密云县 → 2015→ 110118 密云区 | ||
| 说明note含义:文字说明 | 文本 | 原生 | 13% | — |
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。
| # | 历史代码old_code | 历史名称old_name | 历史级别old_level | 起始年份valid_from | 截止年份valid_to | 现行代码current_code | 现行名称current_name | 现行级别current_level | 对应方式mapping | 现行代码个数target_count | 主要去向is_primary | 把握certainty | 变更路径path | 说明note |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110000 | 北京市 | 省级 | 1981 | 2025 | 110000 | 北京市 | 省级 | 未变 | 1 | 是 | 确定 | — | — |
| 2 | 110101 | 东城区 | 县级 | 1981 | 2025 | 110101 | 东城区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 3 | 110102 | 西城区 | 县级 | 1981 | 2025 | 110102 | 西城区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 4 | 110103 | 崇文区 | 县级 | 1981 | 2009 | 110101 | 东城区 | 县级 | 一对一 | 1 | 是 | 确定 | 110103 崇文区 → 2010→ 110101 东城区 | — |
| 5 | 110104 | 宣武区 | 县级 | 1981 | 2009 | 110102 | 西城区 | 县级 | 一对一 | 1 | 是 | 确定 | 110104 宣武区 → 2010→ 110102 西城区 | — |
| 6 | 110105 | 朝阳区 | 县级 | 1981 | 2025 | 110105 | 朝阳区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 7 | 110106 | 丰台区 | 县级 | 1981 | 2025 | 110106 | 丰台区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 8 | 110107 | 石景山区 | 县级 | 1981 | 2025 | 110107 | 石景山区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 9 | 110108 | 海淀区 | 县级 | 1981 | 2025 | 110108 | 海淀区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 10 | 110109 | 门头沟区 | 县级 | 1981 | 2025 | 110109 | 门头沟区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 11 | 110110 | 燕山区 | 县级 | 1981 | 1985 | 110111 | 房山区 | 县级 | 一对一 | 1 | 是 | 确定 | 110110 燕山区 → 1986→ 110111 房山区 | — |
| 12 | 110111 | 房山区 | 县级 | 1986 | 2025 | 110111 | 房山区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 13 | 110112 | 通州区 | 县级 | 1997 | 2025 | 110112 | 通州区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 14 | 110113 | 顺义区 | 县级 | 1998 | 2025 | 110113 | 顺义区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 15 | 110114 | 昌平区 | 县级 | 1999 | 2025 | 110114 | 昌平区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 16 | 110115 | 大兴区 | 县级 | 2001 | 2025 | 110115 | 大兴区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 17 | 110116 | 怀柔区 | 县级 | 2001 | 2025 | 110116 | 怀柔区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 18 | 110117 | 平谷区 | 县级 | 2001 | 2025 | 110117 | 平谷区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 19 | 110118 | 密云区 | 县级 | 2015 | 2025 | 110118 | 密云区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
| 20 | 110119 | 延庆区 | 县级 | 2015 | 2025 | 110119 | 延庆区 | 县级 | 未变 | 1 | 是 | 确定 | — | — |
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7,388 行 · 14 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 区县 + 年份 能连
123 个数据集 · 本数据集 7,388 行有区县- 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 region_code、year按区县对上本数据集 7,388 行(100%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 region_code、valid_from按区县对上本数据集 7,388 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 7,333 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、region_code按区县对上本数据集 7,329 行(99%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 region_code、date按区县对上本数据集 7,036 行(95%)
- 县市逐年极端天气天数自然灾害 · 4.4 万 行 · 连接字段 region_code、year按区县对上本数据集 7,036 行(95%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、adcode按区县对上本数据集 6,979 行(94%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 year、province_city_county_code按区县对上本数据集 6,814 行(92%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 year、province_city_county_code按区县对上本数据集 6,814 行(92%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year按区县对上本数据集 6,725 行(91%)
- 县级土地利用现状(三调口径)区域底数 · 9,752 行 · 连接字段 region_code、year按区县对上本数据集 6,720 行(90%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、year按区县对上本数据集 6,720 行(90%)
按 区县 能连
30 个数据集 · 本数据集 7,388 行有区县- 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 region_code按区县对上本数据集 7,348 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 7,235 行(97%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 7,203 行(97%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code按区县对上本数据集 6,725 行(91%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code按区县对上本数据集 6,712 行(90%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code按区县对上本数据集 6,710 行(90%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code按区县对上本数据集 6,705 行(90%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code按区县对上本数据集 6,684 行(90%)
- 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 6,678 行(90%)
- 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 6,662 行(90%)
- 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 6,645 行(89%)
- 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 6,640 行(89%)
只按年份能连:962 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
962 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date
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-crosswalk/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"old_code","op":"eq","value":"110000"}],"limit":10}'
交给 Agent
- 数据查询依赖 5 个数据集 · 一次对话约 0 点
在全部数据集里找数据、看口径、取数据,按键连接和汇总。能处理区划级别不同、新旧代码和按行政区划取。
发给请下载 https://wi.insightworld.cn/skills/data-query.zip 并解压,把里面的 data-query 文件夹装进你自己的技能目录(不确定时装到 ~/.agents/skills/),然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 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。