
- 记录
- 310
- 字段
- 36
- AI 扩增字段
- 0
- 平均非空率
- 85.9%
- 字段完整度
36 个字段,21 个没有空值
01字段
字段来源,逐一标明
共 36 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 310 行计算。
关于这个数据集
一行是一个省级地区一年的经济和金融指标:地区生产总值、财政收支、进出口、银行存贷款、股票市值、上市公司数、保险费收入和赔款支出、保险密度和深度。覆盖 31 个省级地区,2009 到 2018 年,共 310 行。用来比较各省的金融深度和保险渗透率,给区域保险市场分析做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 省份province键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 简称,例如“北京” | ||
| 地区生产总值gdp_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:国内生产总值(亿元) | ||
| 第一产业增加值gdp_primary_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:第一产业国内生产总值(增加值)(亿元) | ||
| 第二产业增加值gdp_secondary_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:第二产业国内生产总值(增加值)(亿元) | ||
| 第三产业增加值gdp_tertiary_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:第三产业国内生产总值(增加值)(亿元) | ||
| 全社会固定资产投资fixed_asset_invest_amount | 小数 | 原生 | 95% | 单位:亿元 原表列名:全社会固定资产投资(亿元) | ||
| 地方财政收入fiscal_revenue_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:地方财政收入(亿元) | ||
| 地方财政支出fiscal_expense_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:地方财政支出(亿元) | ||
| 社会消费品零售总额retail_sales_amount | 小数 | 原生 | 99% | 单位:亿元 原表列名:社会消费品零售总额(亿元) | ||
| 居民消费价格指数cpi | 小数 | 原生 | 100% | 上年为 100。原表列名误带“(亿元)” 原表列名:居民消费价格指数(以上年为100)(亿元) | ||
| 进出口总额trade_amount | 小数 | 原生 | 100% | 单位:亿美元。原表列名误带“(亿元)” 原表列名:进出口总额(亿美元)(亿元) | ||
| 进口额import_amount | 小数 | 原生 | 100% | 单位:亿美元 原表列名:进口(亿美元)(亿元) | ||
| 出口额export_amount | 小数 | 原生 | 100% | 单位:亿美元 原表列名:出口(亿美元)(亿元) | ||
| 各项存款余额deposit_amount | 小数 | 原生 | 100% | 银行业金融机构。单位:亿元 原表列名:银行业金融机构各项存款(余额)(亿元) | ||
| 企事业单位存款deposit_enterprise_amount | 小数 | 原生 | 99% | 单位:亿元 原表列名:企事业单位存款(亿元) | ||
| 财政存款deposit_fiscal_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:财政存款(亿元) | ||
| 城乡储蓄存款deposit_savings_amount | 小数 | 原生 | 99% | 单位:亿元 原表列名:城乡储蓄存款(亿元) | ||
| 各项贷款余额loan_amount | 小数 | 原生 | 100% | 银行业金融机构。单位:亿元 原表列名:银行业金融机构各项贷款(余额)(亿元) | ||
| 短期贷款loan_short_amount | 小数 | 原生 | 99% | 单位:亿元 原表列名:短期贷款(亿元) | ||
| 中长期贷款loan_long_amount | 小数 | 原生 | 99% | 单位:亿元 原表列名:中长期贷款(亿元) | ||
| 现金投放或回笼cash_net_amount | 小数 | 原生 | 29% | 正数是投放,负数是回笼。单位:亿元 原表列名:现金投放(+)回笼(-)(亿元) | ||
| 股票市价总值stock_market_cap_amount | 小数 | 原生 | 100% | 单位:亿元 原表列名:股票市价总值(亿元) | ||
| 股票流通市值stock_float_cap_amount | 小数 | 原生 | 79% | 单位:亿元 原表列名:股票流通市值(亿元) | ||
| 境内上市公司数listed_company_count | 整数 | 原生 | 100% | 单位:家 原表列名:境内上市公司数(家) | ||
| A股公司数a_share_count | 整数 | 原生 | 1.9% | 单位:家 原表列名:A股(家) | ||
| B股公司数b_share_count | 整数 | 原生 | 72% | 单位:家 原表列名:B股(家) | ||
| H股公司数h_share_count | 整数 | 原生 | 76% | 单位:家 原表列名:H股(家) | ||
| A+B股公司数ab_share_count | 整数 | 原生 | 1.9% | 单位:家 原表列名:A+B股(家) | ||
| A+H股公司数ah_share_count | 整数 | 原生 | 1.9% | 单位:家 原表列名:A+H股(家) | ||
| 保险费收入premium_amount | 小数 | 原生 | 100% | 全部保险机构。单位:亿元 原表列名:全部保险机构保险费收入(亿元) | ||
| 保险赔款支出claim_amount | 小数 | 原生 | 100% | 全部保险机构,含满期给付。单位:亿元 原表列名:全部保险机构保险赔款支出(含满期给付)(亿元) | ||
| 保险密度insurance_density | 小数 | 原生 | 100% | 单位:元/人 原表列名:全部保险机构保险密度(元/人) | ||
| 保险深度insurance_depth | 小数 | 原生 | 100% | 单位:% 原表列名:全部保险机构保险深度(%) | ||
| 保险机构总数insurer_count | 整数 | 原生 | 73% | 单位:家 原表列名:保险机构总数(家) | ||
| 保险从业人员数insurance_staff_count | 小数 | 原生 | 69% | 单位:人。原表有 3 个值带小数(13752.9 等),照原样保留 |
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 | 省份province | 地区生产总值gdp_amount | 第一产业增加值gdp_primary_amount | 第二产业增加值gdp_secondary_amount | 第三产业增加值gdp_tertiary_amount | 全社会固定资产投资fixed_asset_invest_amount | 地方财政收入fiscal_revenue_amount | 地方财政支出fiscal_expense_amount | 社会消费品零售总额retail_sales_amount | 居民消费价格指数cpi | 进出口总额trade_amount | 进口额import_amount | 出口额export_amount | 各项存款余额deposit_amount | 企事业单位存款deposit_enterprise_amount | 财政存款deposit_fiscal_amount | 城乡储蓄存款deposit_savings_amount | 各项贷款余额loan_amount | 短期贷款loan_short_amount | 中长期贷款loan_long_amount | 现金投放或回笼cash_net_amount | 股票市价总值stock_market_cap_amount | 股票流通市值stock_float_cap_amount | 境内上市公司数listed_company_count | A股公司数a_share_count | B股公司数b_share_count | H股公司数h_share_count | A+B股公司数ab_share_count | A+H股公司数ah_share_count | 保险费收入premium_amount | 保险赔款支出claim_amount | 保险密度insurance_density | 保险深度insurance_depth | 保险机构总数insurer_count | 保险从业人员数insurance_staff_count |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2018 | 北京 | 30320 | 118.7 | 5647.7 | 24553.6 | 8001.3 | 7860.6 | 10080.6 | 11747.7 | 102.5 | 27182.5 | 22303.9 | 4878.5 | 157092.2 | — | 1682.3 | — | 70483.7 | — | — | — | 115833.63 | 103081.93 | 316 | — | 1 | 78 | — | — | 1793.34 | 629.35 | 8293.1 | 5.91 | — | — |
| 2 | 2018 | 天津 | 18809.64 | 172.71 | 7609.81 | 11027.12 | — | 2106.19 | 3104.53 | — | 102 | 8077.01 | 4869.85 | 3207.16 | 30983.17 | 17205.75 | 441.3 | 10948.86 | 34084.9 | 6956.87 | 12899.12 | — | 3853.01 | 3289.16 | 50 | — | 1 | 3 | — | — | 559.98 | 164.14 | 3590.54 | 3 | — | — |
| 3 | 2018 | 河北 | 36010.3 | 3338 | 16040.1 | 16632.2 | — | 3513.7 | 7720.2 | 16537.1 | 102 | 3551.6 | 1308.7 | 2243 | 66245.2 | 40355.6 | 1659.9 | 13712.3 | 48115.3 | — | — | — | 5979.48 | — | 57 | — | 1 | 2 | — | — | 1790.63 | 541.18 | 2375.5 | 4.97 | — | — |
| 4 | 2018 | 山西 | 16818.1 | 740.6 | 7089.2 | 8988.3 | 6490.93 | 2292.6 | 4285.4 | 7338.5 | 101.8 | 1369.9 | 559.5 | 810.4 | 35339.99 | 13553.53 | 1024.18 | 20439.52 | 25256.43 | 8437.24 | 15005.21 | — | 4307.64 | 3949.7 | 38 | — | — | — | — | — | 824.88 | 267.35 | 2218 | 4.9 | — | — |
| 5 | 2018 | 内蒙古 | 17289.22 | 1753.82 | 6807.3 | 8728.11 | — | 1857.54 | 4806.33 | 7311.07 | 101.8 | 1034.35 | 655.71 | 378.64 | 23342.05 | 10147.74 | 533.14 | 12013.2 | 22195.73 | 7258.7 | 13869.64 | — | 4397.99 | 4280.64 | 26 | — | 2 | 7 | — | — | 659.48 | 193.32 | 2602.59 | 3.81 | — | — |
| 6 | 2018 | 辽宁 | 25315 | 2033 | 10025 | 13257 | — | 2616 | 5324 | 14143 | 102.5 | 7546 | 4331 | 3215 | 59016 | 22334 | 822 | 31312 | 44985 | 15422 | 26084 | — | 5761.76 | 5307.41 | 74 | — | 3 | 5 | — | — | 1188.2 | 407.56 | 2725.66 | 4.7 | — | — |
| 7 | 2018 | 吉林 | 15074.6 | 1160.8 | 6410.9 | 7503 | 13327.8 | 1240.8 | 3789.5 | 7520 | 102.1 | 1362.8 | 1036.8 | 325.8 | 22056.3 | 9095.4 | 414.3 | 12520.8 | 18993.3 | 6885.9 | 11591.9 | — | 2542.8 | 2542.8 | 41 | — | 0 | 1 | — | — | 629.9 | 192.3 | 2329.4 | 4 | — | — |
| 8 | 2018 | 黑龙江 | 16361.6 | 3001.1 | 4030.9 | 9329.7 | — | 1282.5 | 4675.7 | — | 102 | 264.1 | 219.6 | 44.5 | 25486.6 | 4317.7 | 4673.5 | 15745.4 | 20326 | 8858.6 | 9790.6 | — | 2241.79 | — | 36 | — | — | — | — | — | 899.11 | 257.17 | 2373.14 | 5.5 | — | — |
| 9 | 2018 | 上海 | 32679.87 | 104.37 | 9732.54 | 22842.96 | — | 7108.15 | 8351.54 | 12668.69 | 101.6 | 34009.93 | 20343.08 | 13666.85 | 121112.33 | 67017.49 | 2506.38 | 28569.24 | 73272.35 | 17914.96 | 43342.48 | — | 43959 | 35714 | 287 | — | — | 16 | — | — | 1405.79 | 581.56 | 5813 | 4.3 | — | — |
| 10 | 2018 | 江苏 | 92595.4 | 4141.7 | 41248.7 | 47205.2 | 55915.2 | 8630.2 | 11658.2 | 34244.6 | 102.3 | 43802.4 | 17144.7 | 26657.7 | 144227.38 | 81906.2 | 1888.64 | 51373.47 | 117807.9 | 37278.75 | 73342.2 | — | 31986.1 | 22268.19 | 401 | — | 4 | — | — | — | 3317.28 | 997 | 4120 | 4 | — | — |
| 11 | 2018 | 浙江 | 56197.2 | 1967 | 23505.9 | 30724.3 | 33336 | 6598.1 | 8327.5 | 25007.9 | 102.3 | 4324.7 | 1113.2 | 3211.5 | 116512.74 | 59280.52 | 3452.8 | 46457.8 | 105774.91 | 43658.47 | 56857.85 | — | — | — | 432 | — | 2 | 60 | — | — | 2273.2 | 762 | 3990 | 4 | — | — |
| 12 | 2018 | 安徽 | 30006.8 | 2638 | 13842.1 | 13526.7 | 32629.4 | 3048.7 | 6572.1 | 12100.1 | 102 | 629.7 | 267.6 | 362.1 | 51199.2 | 24531.7 | 1312.1 | 23083.8 | 39452.7 | 10633.8 | 26048.2 | — | 8258.5 | 3826.8 | 103 | — | 3 | 11 | — | — | 1209.7 | 419.2 | 1913 | 4.03 | — | — |
| 13 | 2018 | 福建 | 35804.04 | 2379.82 | 17232.36 | 16191.86 | — | 3007.4 | 4836.7 | 14317.4 | 101.5 | 12354.3 | 4738.7 | 7515.6 | 45812.9 | 21544.3 | 1305.8 | 16374.2 | 46503.5 | 15027.5 | 28674.6 | — | 14122.7 | 10498.68 | 133 | — | 1 | 7 | — | — | 1081.4 | 346.3 | 2744 | 3.02 | — | — |
| 14 | 2018 | 江西 | 21984.8 | 1877.33 | 10250.21 | 9857.24 | 24186.91 | 2372.3 | 5669.9 | 7566.4 | 102.1 | 3164.9 | 940.8 | 2224.1 | 35290.69 | 15965.53 | 1261.67 | 17260.14 | 30567.14 | 8715.79 | 20272.83 | — | 3697.63 | 3204.47 | 42 | — | 0 | 18 | — | — | 753.59 | 264.92 | 1621.48 | 3.43 | — | — |
| 15 | 2018 | 山东 | 76469.67 | 4950.52 | 33641.72 | 37877.43 | 56459.68 | 6485.38 | 10098.96 | 36610.11 | 102.5 | 19302.49 | 8732.89 | 10569.6 | 96412.66 | 43645.88 | 1516.86 | 48800.03 | 77810.46 | 28686.54 | 43688.95 | — | 14642.64 | 14214.89 | 196 | — | 5 | 47 | — | — | 2959.83 | 929.9 | 2956.87 | 3.87 | — | — |
| 16 | 2018 | 河南 | 48055.86 | 4289.38 | 22034.83 | 21731.65 | — | 5875.82 | 9225.41 | 20594.74 | 102.3 | 5512.71 | 1933.73 | 3578.99 | 64983 | 25534.1 | 702.4 | 36231.5 | 48870.6 | 15878.3 | 30596.6 | — | 6847.89 | — | 79 | — | — | 26 | — | — | 2262.85 | 654.75 | 2355.91 | 4.71 | — | — |
| 17 | 2018 | 湖北 | 39366.55 | 3547.51 | 17088.95 | 18730.09 | 35378.55 | 3307.03 | 7257.55 | 18333.6 | 101.9 | 3487.2 | 1234 | 2253.2 | 56076.44 | 26911.52 | 1376.33 | 26489.42 | 45805.66 | 8828.86 | 32873.11 | — | 8373.02 | 6614.68 | 102 | — | 3 | 13 | — | — | 1470.92 | 466.89 | 2485.93 | 3.74 | — | — |
| 18 | 2018 | 湖南 | 36425.8 | 3083.6 | 14453.5 | 18888.7 | 34460.9 | 4843 | 7479.2 | 15638.3 | 102 | 3079.5 | 1052.8 | 2026.7 | 48994.6 | 20779.7 | 953.8 | 25381.3 | 36460.5 | 9100.2 | 27360.4 | — | 7053.59 | — | 104 | — | 1 | — | — | — | 1255.07 | 410.65 | 1819.21 | 3.4 | — | — |
| 19 | 2018 | 广东 | 97277.77 | 3831.44 | 40695.15 | 52751.18 | 41488.1 | 12102.9 | 15737.37 | 39501.12 | 102.2 | 71618.35 | 28900.01 | 42718.34 | 208051.16 | 107134.95 | 4370.85 | 70293.46 | 145169.39 | 38991.68 | 95302.64 | — | 76412.44 | 66950.12 | 588 | — | 22 | 38 | — | — | 4683.89 | 1403.46 | 4110.6 | 4.79 | — | — |
| 20 | 2018 | 广西 | 20352.51 | 3019.37 | 8072.94 | 9260.2 | — | 2790.35 | 5310.89 | 8291.59 | 102.3 | 4106.71 | 1930.57 | 2176.14 | 29789.78 | 13201.34 | 488.37 | 15334.39 | 26688.31 | 5130.75 | 20242.86 | — | 2381.48 | — | 37 | — | 0 | — | — | — | 629.2 | 223.8 | 1277 | 3.1 | — | — |
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 v12026/11/15 发布
生效中310 行 · 36 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 310 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 310 行(100%)
- 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 310 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 310 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 310 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 310 行(100%)
- 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按省份对上本数据集 310 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 310 行(100%)
- 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按省份对上本数据集 310 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 310 行(100%)
- 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 310 行(100%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province按省份对上本数据集 310 行(100%)
- 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 310 行(100%)
按 省份 能连
47 个数据集 · 本数据集 310 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
- 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 310 行(100%)
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-financial-economic-stats/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京"}],"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。