全国环保行政处罚统计
一行代表一个行政区域在特定年份的环保行政处罚案件总数。覆盖全国省、市、县三级行政区，主要记录各地区的处罚案件数量。
v1 生效中 · 2026/11/12 发布险种标签：企业财产险责任险时间跨度：2011–2022 年数据出处 出处待核实
- 记录
- 4.7 万
- 字段
- 9
- AI 扩增字段
- 2
- 平均非空率
- 94.4%
- 字段完整度
9 个字段，5 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 9 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 46,716 行计算。
关于这个数据集
一行代表一个行政区域在特定年份的环保行政处罚案件总数。覆盖全国省、市、县三级行政区，主要记录各地区的处罚案件数量。可用于评估区域环境合规风险及企业环境违法概率。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地区代码region_code含义：代码或编号 | 文本 | 原生 | 100% | 行政区划代码 | ||
| 地区名称region_name规律 1：地区名称的字段规律字段规律：region_code_2由省份、所属地级市、地区名称扩增得出。含义：地区键：区县名称。样本里格式符合 87.3%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 地区等级region_level含义：类别 | 整数 | 原生 | 100% | 1为省级/中央，2为市级等 | ||
| 省份province规律 2：省份的字段规律字段规律：city_code由省份、所属地级市扩增得出。。region_code_2由省份、所属地级市、地区名称扩增得出。含义：地区键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 99% | — | ||
| 所属地级市city规律 2：所属地级市的字段规律字段规律：city_code由省份、所属地级市扩增得出。。region_code_2由省份、所属地级市、地区名称扩增得出。含义：地区键：城市名称。样本里格式符合 92.3%，还没有参照 | 文本 | 原生 | 89% | — | ||
| 处罚年份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% | — | ||
| 案件数目penalty_count含义：个数（件） | 整数 | 原生 | 100% | 单位：件 | ||
| 地区区划代码region_code_2规律 1：地区区划代码的字段规律字段规律：region_code_2由省份、所属地级市、地区名称扩增得出。含义：代码或编号键：县级区划代码。样本里格式符合 100%，74.6% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：地区区划代码 | 75%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、所属地级市、地区名称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 | ||
| 所属地级市区划代码city_code规律 1：所属地级市区划代码的字段规律字段规律：city_code由省份、所属地级市扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，86.9% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：所属地级市区划代码 | 86%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、所属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。
| # | 地区代码region_code | 地区名称region_name | 地区等级region_level | 省份province | 所属地级市city | 处罚年份year | 案件数目penalty_count | 地区区划代码region_code_2 | 所属地级市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 1 | 中央 | 1 | — | — | 2022 | 4 | — | — |
| 2 | 11 | 北京市 | 1 | — | — | 2022 | 862 | — | — |
| 3 | 1100 | 省级机关 | 2 | 北京市 | — | 2022 | 4 | — | — |
| 4 | 1101 | 市辖区 | 2 | 北京市 | — | 2022 | 848 | — | — |
| 5 | 110101 | 东城区 | 3 | 北京市 | 市辖区 | 2022 | 2 | 110101 | — |
| 6 | 110102 | 西城区 | 3 | 北京市 | 市辖区 | 2022 | 2 | 110102 | — |
| 7 | 110105 | 朝阳区 | 3 | 北京市 | 市辖区 | 2022 | 242 | 110105 | — |
| 8 | 110106 | 丰台区 | 3 | 北京市 | 市辖区 | 2022 | 26 | 110106 | — |
| 9 | 110107 | 石景山区 | 3 | 北京市 | 市辖区 | 2022 | 0 | 110107 | — |
| 10 | 110108 | 海淀区 | 3 | 北京市 | 市辖区 | 2022 | 41 | 110108 | — |
| 11 | 110109 | 门头沟区 | 3 | 北京市 | 市辖区 | 2022 | 7 | 110109 | — |
| 12 | 110111 | 房山区 | 3 | 北京市 | 市辖区 | 2022 | 1 | 110111 | — |
| 13 | 110112 | 通州区 | 3 | 北京市 | 市辖区 | 2022 | 65 | 110112 | — |
| 14 | 110113 | 顺义区 | 3 | 北京市 | 市辖区 | 2022 | 79 | 110113 | — |
| 15 | 110114 | 昌平区 | 3 | 北京市 | 市辖区 | 2022 | 4 | 110114 | — |
| 16 | 110115 | 大兴区 | 3 | 北京市 | 市辖区 | 2022 | 379 | 110115 | — |
| 17 | 110116 | 怀柔区 | 3 | 北京市 | 市辖区 | 2022 | 0 | 110116 | — |
| 18 | 110117 | 平谷区 | 3 | 北京市 | 市辖区 | 2022 | 0 | 110117 | — |
| 19 | 1102 | 县 | 2 | 北京市 | — | 2022 | 6 | — | — |
| 20 | 110228 | 密云区(原密云县) | 3 | 北京市 | 县 | 2022 | 0 | — | — |
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 v12026/11/12 发布
生效中46,716 行 · 9 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 40,248 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、year、city_code、province按城市对上本数据集 40,248 行（86%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、year、city_code、province按城市对上本数据集 40,248 行（86%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、city_code、province、approve_date按城市对上本数据集 40,248 行（86%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、year、county_code、region_code按城市对上本数据集 40,248 行（86%）
- 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 40,248 行（86%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、city_code、province、division_year按城市对上本数据集 40,248 行（86%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、division_year、city_code、region_code按城市对上本数据集 40,248 行（86%）
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 layer_year、city_code、province、region_code按城市对上本数据集 40,248 行（86%）
- 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 40,224 行（86%）
- 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、prefecture_code、region_code、year按城市对上本数据集 40,200 行（86%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、city_code、county_code、province按城市对上本数据集 40,200 行（86%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、year、city_code、region_code按城市对上本数据集 40,200 行（86%）
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 40,248 行有城市- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date、city_code按城市对上本数据集 40,248 行（86%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、region_code、year按城市对上本数据集 40,248 行（86%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 40,248 行（86%）
- 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 40,248 行（86%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 40,248 行（86%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 40,248 行（86%）
- 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 40,248 行（86%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、city_code、province_code按城市对上本数据集 40,248 行（86%）
- 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 40,248 行（86%）
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、year、region_code按城市对上本数据集 40,248 行（86%）
- 地级市矫正夜间灯光区域底数 · 1.2 万 行 · 连接字段 region_code、year、province按城市对上本数据集 40,248 行（86%）
- 地级市绿色专利申请区域底数 · 1.1 万 行 · 连接字段 year、province、city_code按城市对上本数据集 40,248 行（86%）
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 34,836 行有区县- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time、pname按区县对上本数据集 34,800 行（74%）
- 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 34,788 行（74%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code、first_year按区县对上本数据集 34,728 行（74%）
- 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 34,692 行（74%）
- 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 34,680 行（74%）
- 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 34,668 行（74%）
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 34,668 行（74%）
- 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 34,668 行（74%）
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province、year按区县对上本数据集 34,656 行（74%）
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 34,644 行（74%）
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 34,416 行（73%）
- 第七次人口普查分县详细指标区域底数 · 2,976 行 · 连接字段 year、province、county_code按区县对上本数据集 34,368 行（73%）
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 40,248 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、county_code、city_code按城市对上本数据集 40,248 行（86%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、village_code、province_code按城市对上本数据集 40,248 行（86%）
- 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、city_code、province_code按城市对上本数据集 40,248 行（86%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 40,200 行（86%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code、city_code按城市对上本数据集 40,200 行（86%）
- 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 40,140 行（85%）
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、province、county_code按城市对上本数据集 39,408 行（84%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 38,688 行（82%）
- 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 36,468 行（78%）
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code、city_code按城市对上本数据集 34,164 行（73%）
- 区县代码匹配表区域底数 · 162 行 · 连接字段 city_code、region_code、province_name按城市对上本数据集 16,944 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 8,844 行（18%）
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 40,248 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 38,664 行（82%）
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date、applicant_address_city_code按城市对上本数据集 38,040 行（81%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、year、region_code_adj按城市对上本数据集 37,500 行（80%）
- 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、application_date按城市对上本数据集 30,276 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 23,484 行（50%）
- 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 4,500 行（9.6%）
按 省份 + 年份 能连
323 个数据集 · 本数据集 46,296 行有省份- 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 46,296 行（99%）
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 province、date按省份对上本数据集 46,296 行（99%）
- 省级逐月降水量自然灾害 · 5 万 行 · 连接字段 province、year按省份对上本数据集 46,296 行（99%）
- 省级逐月风速自然灾害 · 3.5 万 行 · 连接字段 year、province按省份对上本数据集 46,296 行（99%）
- 省级逐月闪电自然灾害 · 4,080 行 · 连接字段 year、province按省份对上本数据集 46,296 行（99%）
- 省级矫正夜间灯光区域底数 · 1,054 行 · 连接字段 year、province按省份对上本数据集 46,296 行（99%）
- 城市环境治理关注指数区域底数 · 816 行 · 连接字段 year、city按省份对上本数据集 46,296 行（99%）
- 省级环境关注度年度均值区域底数 · 816 行 · 连接字段 region_code、year按省份对上本数据集 46,296 行（99%）
- 倒闭新经济公司企业主体 · 6,291 行 · 连接字段 born_date、province按省份对上本数据集 46,284 行（99%）
- 省级逐年降水量自然灾害 · 2,409 行 · 连接字段 province、year按省份对上本数据集 46,284 行（99%）
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 province、year按省份对上本数据集 46,272 行（99%）
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 year、province按省份对上本数据集 46,272 行（99%）
按 城市 + 年份 能连
60 个数据集 · 本数据集 40,248 行有城市- 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 40,248 行（86%）
- 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 40,248 行（86%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 40,248 行（86%）
- 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 40,248 行（86%）
- 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 40,248 行（86%）
- 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 40,200 行（86%）
- 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 40,200 行（86%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code、date按城市对上本数据集 40,128 行（85%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 39,792 行（85%）
- 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 38,532 行（82%）
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 37,116 行（79%）
- 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 36,000 行（77%）
按 城市 + 省份 能连
15 个数据集 · 本数据集 40,248 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 40,248 行（86%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 40,248 行（86%）
- 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 39,948 行（85%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 39,876 行（85%）
- 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 38,832 行（83%）
- 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 38,580 行（82%）
- 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 37,032 行（79%）
- 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 35,544 行（76%）
- 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 35,532 行（76%）
- 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 34,548 行（73%）
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 34,092 行（72%）
- 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 34,020 行（72%）
按 区县 + 年份 能连
10 个数据集 · 本数据集 34,836 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 34,836 行（74%）
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 34,692 行（74%）
- 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 33,732 行（72%）
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 30,756 行（65%）
- 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 27,720 行（59%）
- 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 18,012 行（38%）
- 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 9,552 行（20%）
- 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 8,052 行（17%）
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 year、region_code按区县对上本数据集 6,504 行（13%）
- 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 6,156 行（13%）
按 区县 + 省份 能连
4 个数据集 · 本数据集 34,836 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 40,248 行有城市按 省份 能连
14 个数据集 · 本数据集 46,296 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 46,296 行（99%）
- 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 46,260 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 46,260 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 46,260 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 46,260 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 46,260 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 46,260 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 46,020 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 45,180 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 45,180 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 44,292 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 42,540 行（91%）
按 区县 能连
9 个数据集 · 本数据集 34,836 行有区县- 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 34,548 行（73%）
- 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 34,344 行（73%）
- 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 34,332 行（73%）
- 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 32,748 行（70%）
- 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 31,944 行（68%）
- 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 26,400 行（56%）
- 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 20,496 行（43%）
- 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 16,380 行（35%）
- 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 14,388 行（30%）
按 城市 能连
7 个数据集 · 本数据集 40,248 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 40,164 行（85%）
- 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 35,016 行（74%）
- 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 34,668 行（74%）
- 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 34,668 行（74%）
- 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 33,480 行（71%）
- 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 33,336 行（71%）
- 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 6,048 行（12%）
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2
- 扩增得出
city_code由省份、所属地级市扩增得出。
来自字段扩增全国环保行政处罚统计全国环保行政处罚统计 - 扩增得出
region_code_2由省份、所属地级市、地区名称扩增得出。
来自字段扩增全国环保行政处罚统计全国环保行政处罚统计
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-environmental-penalty/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"1"}],"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。