
分省能源消费量
一行是一个省一年的能源消费量,包含能源消费总量(万吨标准煤)和煤炭、石油、天然气、电力的消费量。
- 记录
- 959
- 字段
- 7
- AI 扩增字段
- 0
- 平均非空率
- 79.7%
- 字段完整度
7 个字段,2 个没有空值
01字段
字段来源,逐一标明
共 7 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 959 行计算。
关于这个数据集
一行是一个省一年的能源消费量,包含能源消费总量(万吨标准煤)和煤炭、石油、天然气、电力的消费量。覆盖全国合计和各省、自治区、直辖市,1990–2019 年。另一份 2004–2020 年的分省能源消费总量表在 2004–2019 年的 480 行和原表逐格相同,它的 2020 年 30 省全部是按 2018、2019 年线性外推的(北京 7270、7360、7450),没有收。用来衡量各地的能源消耗和高耗能程度,给能源企业、高耗能产业相关保险做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地区province键:省份名称。样本里格式符合 97.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 总能耗total_energy_consumption | 小数 | 原生 | 81% | 万吨标煤 原表列名:能源消费量(万吨标煤) | ||
| 煤炭消费coal_consumption | 小数 | 原生 | 81% | 万吨 原表列名:煤炭消费量(万吨) | ||
| 石油消费oil_consumption | 小数 | 原生 | 42% | 万吨 原表列名:石油消费量(万吨) | ||
| 天然气消费gas_consumption | 小数 | 原生 | 73% | 亿立方米 原表列名:天然气消费量(亿立方米) | ||
| 电力消费electricity_consumption | 小数 | 原生 | 81% | 亿千瓦时 原表列名:电力消费量(亿千瓦小时) |
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。
| # | 地区province | 年份year | 总能耗total_energy_consumption | 煤炭消费coal_consumption | 石油消费oil_consumption | 天然气消费gas_consumption | 电力消费electricity_consumption |
|---|---|---|---|---|---|---|---|
| 1 | 全国 | 2019 | — | — | — | — | — |
| 2 | 北京 | 2019 | 7360 | 182.8 | 1752.39 | 189.4 | 1166.4 |
| 3 | 天津 | 2019 | 8241 | 3766.11 | 1580.47 | 110.61 | 964.3 |
| 4 | 河北 | 2019 | 32545 | 28738.44 | 1341.22 | 165.48 | 4064.91 |
| 5 | 山西 | 2019 | 20859 | 51331.61 | 648.13 | 91.7 | 2340.06 |
| 6 | 内蒙古 | 2019 | 25346 | 49035.95 | 947.67 | 64.18 | 3653.01 |
| 7 | 辽宁 | 2019 | 23749 | 18710.78 | 4891.63 | 75.01 | 2482.86 |
| 8 | 吉林 | 2019 | 7132 | 8730.65 | 1011.41 | 30.17 | 780.37 |
| 9 | 黑龙江 | 2019 | 11614 | 14142.64 | 1500.15 | 44.37 | 1018.47 |
| 10 | 上海 | 2019 | 11696 | 4238.28 | 3509.72 | 99.4 | 1568.58 |
| 11 | 江苏 | 2019 | 32526 | 24902.05 | 3286.02 | 288.06 | 6264.36 |
| 12 | 浙江 | 2019 | 22393 | 13676.9 | 2549 | 147.2 | 4706.22 |
| 13 | 安徽 | 2019 | 13870 | 16699.74 | 1586.17 | 59.64 | 2300.68 |
| 14 | 福建 | 2019 | 13718 | 8718.32 | 2229.25 | 52.77 | 2402.34 |
| 15 | 江西 | 2019 | 9665 | 7995.94 | 1257.21 | 26.96 | 1535.7 |
| 16 | 山东 | 2019 | 41390 | 43132.99 | 4102.82 | 189.98 | 6831.31 |
| 17 | 河南 | 2019 | 22300 | 20045.45 | 2404.54 | 109.34 | 3604.67 |
| 18 | 湖北 | 2019 | 17316 | 11768.33 | 2926.7 | 68.46 | 2323.31 |
| 19 | 湖南 | 2019 | 16001 | 10664.02 | 2112.29 | 32.9 | 1864.33 |
| 20 | 广东 | 2019 | 34142 | 16833.87 | 6417.06 | 206.18 | 6695.85 |
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 v32026/11/15 发布
生效中959 行 · 7 个字段 · 初始导入(比 v2 行数减少 30)
版本 v22026/11/15 发布
历史版本989 行 · 7 个字段 · 初始导入(比 v1 行数增加 30)
版本 v12026/11/14 发布
历史版本959 行 · 7 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 24 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 省份 + 年份 能连
574 个数据集 · 本数据集 929 行有省份- 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 province_code、year按省份对上本数据集 929 行(96%)
- 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 929 行(96%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 929 行(96%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 929 行(96%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 929 行(96%)
- 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、taobao_village_year按省份对上本数据集 929 行(96%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 929 行(96%)
- 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按省份对上本数据集 929 行(96%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 929 行(96%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 929 行(96%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、year按省份对上本数据集 929 行(96%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、year按省份对上本数据集 929 行(96%)
按 省份 能连
47 个数据集 · 本数据集 929 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 929 行(96%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 929 行(96%)
- 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 929 行(96%)
- 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 929 行(96%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 929 行(96%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 929 行(96%)
- 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 929 行(96%)
- 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 929 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 929 行(96%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 929 行(96%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 929 行(96%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 929 行(96%)
只按年份能连:511 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
511 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 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
- 全国格点逐年极端降水自然灾害 · 602.3 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
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-energy-consumption/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"全国"}],"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。