
区县和城市到港口和海岸线的距离
一行是一个区县或地级城市(2019 年行政区划):质心经纬度、到最近沿海港口的直线距离、到海岸线的直线距离,单位千米。
v1 生效中 · 2026/11/14 发布险种标签:企业财产险农业保险数据出处 网上公开的 R 语言教程《计算中国各城市和区县距离海岸线和港口的距离》附带的计算结果,按 2019 年行政区划的质心计算。港口位置见沿海港口位置数据集。边界不是官方边界
- 记录
- 3,270
- 字段
- 13
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
13 个字段,12 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 13 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 3,270 行计算。
关于这个数据集
一行是一个区县或地级城市(2019 年行政区划):质心经纬度、到最近沿海港口的直线距离、到海岸线的直线距离,单位千米。共 2899 个区县、371 个城市。可用来衡量沿海暴露程度,例如台风、风暴潮的远近和港口物流条件。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政区划代码region_code规律 1:行政区划代码的字段规律字段规律:region_code_current由行政区划代码扩增得出。键:县级区划代码(2019 年版)。样本里格式符合 100%,98.6% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 2019 年行政区划 | ||
| 名称region_name键:区县名称。样本里格式符合 95.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 层级level | 文本 | 原生 | 100% | 区县或城市 | ||
| 类型county_type | 文本 | 原生 | 100% | 市辖区、县、县级市、地级市、直辖市等 | ||
| 省代码province_code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 | 100% | — | ||
| 省province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 市代码city_code键:市级区划代码(2025 年版)。样本里格式符合 100%,99.2% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 市city键:城市名称。样本里格式符合 93.8%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 质心经度lng键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 质心纬度lat键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | — | ||
| 到最近港口的距离dist_port_km | 小数 | 原生 | 100% | 千米,质心到 45 个沿海主要港口里最近一个的直线距离 | ||
| 到海岸线的距离dist_coast_km | 小数 | 原生 | 100% | 千米,质心到大陆海岸线的直线距离 | ||
| 行政区划代码(现行)region_code_current规律 1:行政区划代码(现行)的字段规律字段规律:region_code_current由行政区划代码扩增得出。键:县级区划代码。样本里格式符合 100%,98.5% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:行政区划代码(现行) | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 行政区划代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 |
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。
| # | 行政区划代码region_code | 名称region_name | 层级level | 类型county_type | 省代码province_code | 省province | 市代码city_code | 市city | 质心经度lng | 质心纬度lat | 到最近港口的距离dist_port_km | 到海岸线的距离dist_coast_km | 行政区划代码(现行)region_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 110101 | 东城区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.41064 | 39.91194 | 154.5 | 145.25 | 110101 |
| 2 | 110102 | 西城区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.3596 | 39.91068 | 157.71 | 148.61 | 110102 |
| 3 | 110105 | 朝阳区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.50944 | 39.95239 | 151.42 | 141.72 | 110105 |
| 4 | 110106 | 丰台区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.24396 | 39.83434 | 160.28 | 151.86 | 110106 |
| 5 | 110107 | 石景山区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.17024 | 39.93219 | 171.82 | 163.12 | 110107 |
| 6 | 110108 | 海淀区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.22705 | 40.0256 | 174.62 | 165.38 | 110108 |
| 7 | 110109 | 门头沟区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 115.78558 | 39.99295 | 202.58 | 194.49 | 110109 |
| 8 | 110111 | 房山区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 115.84756 | 39.71777 | 182.9 | 176.04 | 110111 |
| 9 | 110112 | 通州区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.72672 | 39.80217 | 126.49 | 116.74 | 110112 |
| 10 | 110113 | 顺义区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.71791 | 40.14944 | 156.85 | 144.36 | 110113 |
| 11 | 110114 | 昌平区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.20481 | 40.21414 | 190.35 | 180.52 | 110114 |
| 12 | 110115 | 大兴区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.413 | 39.64638 | 136.59 | 128.79 | 110115 |
| 13 | 110116 | 怀柔区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.58004 | 40.62824 | 208.26 | 193.68 | 110116 |
| 14 | 110117 | 平谷区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 117.13885 | 40.20754 | 145.7 | 128.99 | 110117 |
| 15 | 110118 | 密云区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.98822 | 40.52515 | 183.21 | 166.12 | 110118 |
| 16 | 110119 | 延庆区 | 区县 | 市辖区 | 110000 | 北京市 | 110000 | 北京市 | 116.15762 | 40.53835 | 219.96 | 208.39 | 110119 |
| 17 | 120101 | 和平区 | 区县 | 市辖区 | 120000 | 天津市 | 120000 | 天津市 | 117.18983 | 39.11802 | 50.47 | 46.34 | 120101 |
| 18 | 120102 | 河东区 | 区县 | 市辖区 | 120000 | 天津市 | 120000 | 天津市 | 117.24889 | 39.11953 | 45.67 | 41.26 | 120102 |
| 19 | 120103 | 河西区 | 区县 | 市辖区 | 120000 | 天津市 | 120000 | 天津市 | 117.22259 | 39.07886 | 46.6 | 43.15 | 120103 |
| 20 | 120104 | 南开区 | 区县 | 市辖区 | 120000 | 天津市 | 120000 | 天津市 | 117.14984 | 39.10993 | 53.54 | 49.75 | 120104 |
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3,270 行 · 13 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 3,270 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、city_code、county_code按城市对上本数据集 3,270 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、province、region_code按城市对上本数据集 3,245 行(99%)
- 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 3,245 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、province、region_code按城市对上本数据集 3,245 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、province、city_code按城市对上本数据集 3,245 行(99%)
- 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 3,241 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 3,213 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 3,213 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、city_code、province按城市对上本数据集 3,185 行(97%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 city_code_2、county_code_2、province_name按城市对上本数据集 3,161 行(96%)
- 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、county_code、province按城市对上本数据集 3,159 行(96%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 3,157 行(96%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 3,270 行有城市- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code按城市对上本数据集 3,245 行(99%)
- 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 3,245 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、province按城市对上本数据集 3,245 行(99%)
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 province、region_code按城市对上本数据集 3,245 行(99%)
- 地级市历次普查常住人口区域底数 · 1,110 行 · 连接字段 province_code、city_code按城市对上本数据集 3,245 行(99%)
- 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 3,243 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、province按城市对上本数据集 3,241 行(99%)
- 知识产权示范城市DID区域底数 · 8,326 行 · 连接字段 region_code、province_code按城市对上本数据集 3,223 行(98%)
- 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 3,221 行(98%)
- 地级市银行网点统计区域底数 · 5,888 行 · 连接字段 region_code、province按城市对上本数据集 3,219 行(98%)
- 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、origin_province按城市对上本数据集 3,217 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_city_code、origin_province按城市对上本数据集 3,217 行(98%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 3,270 行有区县- 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 3,204 行(97%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 3,138 行(95%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、region_code按区县对上本数据集 3,073 行(93%)
- 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按区县对上本数据集 3,073 行(93%)
- 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 3,009 行(92%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、province按区县对上本数据集 2,937 行(89%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 province_city_county_code、province按区县对上本数据集 2,931 行(89%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province、province_city_county_code按区县对上本数据集 2,931 行(89%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code按区县对上本数据集 2,891 行(88%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 2,883 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按区县对上本数据集 2,883 行(88%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 province、region_code按区县对上本数据集 2,883 行(88%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 3,270 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 3,159 行(96%)
- 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 3,150 行(96%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、city_code按城市对上本数据集 3,032 行(92%)
- 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 2,984 行(91%)
- 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 2,930 行(89%)
- 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、address_county_code按城市对上本数据集 2,390 行(73%)
- 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、city_code按城市对上本数据集 1,865 行(57%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 653 行(19%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、county_code按城市对上本数据集 348 行(10%)
按 省份 能连
337 个数据集 · 本数据集 3,270 行有省份- 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 3,270 行(100%)
- 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按省份对上本数据集 3,270 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province按省份对上本数据集 3,270 行(100%)
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province按省份对上本数据集 3,270 行(100%)
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 province按省份对上本数据集 3,270 行(100%)
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 province按省份对上本数据集 3,270 行(100%)
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 province按省份对上本数据集 3,270 行(100%)
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 city按省份对上本数据集 3,270 行(100%)
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 region_code按省份对上本数据集 3,270 行(100%)
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 province按省份对上本数据集 3,268 行(99%)
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 province按省份对上本数据集 3,268 行(99%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province按省份对上本数据集 3,223 行(98%)
按 城市 能连
67 个数据集 · 本数据集 3,270 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 region_code按城市对上本数据集 3,228 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 3,192 行(97%)
- 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 3,168 行(96%)
- 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 3,159 行(96%)
- 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 3,159 行(96%)
- 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 3,159 行(96%)
- 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 3,159 行(96%)
- 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 3,159 行(96%)
- 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 3,156 行(96%)
- 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 3,113 行(95%)
- 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 3,088 行(94%)
- 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 2,898 行(88%)
按 区县 能连
19 个数据集 · 本数据集 3,270 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 3,224 行(98%)
- 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 3,184 行(97%)
- 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 2,884 行(88%)
- 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 2,852 行(87%)
- 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 2,850 行(87%)
- 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 2,849 行(87%)
- 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 2,811 行(85%)
- 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 2,726 行(83%)
- 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 2,566 行(78%)
- 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 2,466 行(75%)
- 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 2,180 行(66%)
- 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 1,909 行(58%)
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
region_code_current由行政区划代码扩增得出。
来自字段扩增区县和城市到港口和海岸线的距离区县和城市到港口和海岸线的距离
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-distance-to-coast-port/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110101"}],"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。