
地级市一般公共预算收支
一行是一个地级市一年的一般公共预算收入和支出。
v1 生效中 · 2026/11/13 发布险种标签:工程险保证保险时间跨度:2003–2024 年数据出处 出处待核实
- 记录
- 6,534
- 字段
- 15
- AI 扩增字段
- 0
- 平均非空率
- 90.1%
- 字段完整度
15 个字段,5 个没有空值
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 6,534 行计算。
关于这个数据集
一行是一个地级市一年的一般公共预算收入和支出。收入分个人所得税、企业所得税、增值税和税收合计,支出分科学、教育、社会保障和就业、医疗卫生。覆盖全国 297 个地级市,近几年的分项缺值较多。用来衡量一个城市的财政实力和支出结构,给政府项目的付款能力和保证保险的风险评估做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | — | ||
| 省province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 | 100% | — | ||
| 地级市city含义:地区键:城市名称。样本里格式符合 99.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 省代码province_code含义:代码或编号键: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% | 6 位 | ||
| 行政区划代码region_code含义:代码或编号键:市级区划代码(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% | 地级市的 6 位代码 | ||
| 一般公共预算收入budget_revenue_amount含义:金额(万元) | 小数 | 原生 | 99% | 单位:万元 | ||
| 个人所得税收入personal_income_tax_amount含义:金额(万元) | 小数 | 原生 | 77% | 单位:万元 | ||
| 企业所得税收入corporate_income_tax_amount含义:金额(万元) | 小数 | 原生 | 79% | 单位:万元 | ||
| 增值税收入vat_amount含义:金额(万元) | 小数 | 原生 | 79% | 单位:万元 | ||
| 税收收入tax_revenue_amount含义:金额(万元) | 小数 | 原生 | 80% | 单位:万元 | ||
| 一般公共预算支出budget_expenditure_amount含义:金额(万元) | 小数 | 原生 | 99% | 单位:万元 | ||
| 科学支出science_expenditure_amount含义:金额(万元) | 小数 | 原生 | 92% | 单位:万元 | ||
| 教育支出education_expenditure_amount含义:金额(万元) | 小数 | 原生 | 96% | 单位:万元 | ||
| 社保和就业支出social_security_expenditure_amount含义:金额(万元) | 小数 | 原生 | 83% | 单位:万元 | ||
| 医疗卫生支出health_expenditure_amount含义:金额(万元) | 小数 | 原生 | 69% | 单位:万元。含计划生育 |
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province | 地级市city | 省代码province_code | 行政区划代码region_code | 一般公共预算收入budget_revenue_amount | 个人所得税收入personal_income_tax_amount | 企业所得税收入corporate_income_tax_amount | 增值税收入vat_amount | 税收收入tax_revenue_amount | 一般公共预算支出budget_expenditure_amount | 科学支出science_expenditure_amount | 教育支出education_expenditure_amount | 社保和就业支出social_security_expenditure_amount | 医疗卫生支出health_expenditure_amount |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2003 | 北京市 | 北京市 | 110000 | 110000 | 5925388 | 572106 | 937007 | 752553 | 5889553 | 7348043 | 107629 | 988222 | 128102 | 496358 |
| 2 | 2004 | 北京市 | 北京市 | 110000 | 110000 | 7444874 | 733357 | 1216973 | 688797 | 7264974 | 8982756 | 132556 | 1213881 | 226616 | 540662 |
| 3 | 2005 | 北京市 | 北京市 | 110000 | 110000 | 9192098 | 845232 | 1647615 | 975976 | 8861312 | 10583114 | 157439 | 1458723 | 250954 | 656229 |
| 4 | 2006 | 北京市 | 北京市 | 110000 | 110000 | 11171514 | 1022754 | 2138573 | 1177984 | 10768181 | 12968389 | 701448 | 2092136 | 1492179 | 1009530 |
| 5 | 2007 | 北京市 | 北京市 | 110000 | 110000 | 14926380 | 1351997 | 3113296 | 1348424 | 14356700 | 16495023 | 907420 | 2630041 | 1792806 | 1189527 |
| 6 | 2008 | 北京市 | 北京市 | 110000 | 110000 | 18373238 | 1713327 | 4996806 | 1583363 | 17755757 | 19592857 | 1121886 | 3162957 | 2093285 | 1450513 |
| 7 | 2009 | 北京市 | 北京市 | 110000 | 110000 | 20268089 | 1778368 | 4304220 | 1797320 | 19139702 | 23193658 | 1263072 | 3656677 | 2342924 | 1666270 |
| 8 | 2010 | 北京市 | 北京市 | 110000 | 110000 | 23539301 | 2153282 | 5130941 | 2100089 | 22515896 | 27173174 | 1789154 | 4502155 | 2758992 | 1868247 |
| 9 | 2011 | 北京市 | 北京市 | 110000 | 110000 | 30062751 | 2728954 | 6837116 | 2377647 | 28546261 | 32452264 | 1830745 | 5200778 | 3548827 | 2254853 |
| 10 | 2012 | 北京市 | 北京市 | 110000 | 110000 | 33149340 | 2814872 | 7524673 | 3139994 | 31247503 | 36853076 | 1999444 | 6286510 | 4243122 | 2560626 |
| 11 | 2013 | 北京市 | 北京市 | 110000 | 110000 | 36611097 | 3338449 | 8021152 | 5748900 | 35145169 | 41736563 | 2346742 | 6811775 | 4691317 | 2761274 |
| 12 | 2014 | 北京市 | 北京市 | 110000 | 110000 | 40271609 | 3835236 | 9158440 | 6466927 | 38612922 | 45246690 | 2827117 | 7420541 | 5090079 | 3222919 |
| 13 | 2015 | 北京市 | 北京市 | 110000 | 110000 | 47238597 | 4781200 | 10247332 | 7161000 | 42639065 | 57377011 | 2877956 | 8556654 | 7004823 | 3705234 |
| 14 | 2016 | 北京市 | 北京市 | 110000 | 110000 | 50812559 | 5712619 | 10952298 | 12143392 | 44529722 | 64067682 | 2857786 | 8873754 | 7162056 | 3979528 |
| 15 | 2017 | 北京市 | 北京市 | 110000 | 110000 | 54307875 | 6431967 | 12298017 | 16719000 | 46766807 | 68245284 | 3617581 | 9646184 | 7953805 | 4278670 |
| 16 | 2018 | 北京市 | 北京市 | 110000 | 110000 | 57859176 | 7284633 | 12877443 | 18014341 | 49888302 | 74714332 | 4258712 | 10255070 | 8356530 | 4900949 |
| 17 | 2019 | 北京市 | 北京市 | 110000 | 110000 | 58170994 | 5441642 | 12285300 | 18208980 | 48229802 | 74081876 | 4334167 | 11371772 | 9729767 | 5344127 |
| 18 | 2020 | 北京市 | 北京市 | 110000 | 110000 | 54839000 | 6119139 | 11824901 | 16531115 | 46438700 | 67760000 | 4109628 | 11382891 | 10558600 | 6056400 |
| 19 | 2021 | 北京市 | 北京市 | 110000 | 110000 | 59323080 | 7432793 | 13950726 | 17428565 | 51646447 | 72051201 | 4494463 | 11478293 | 10541868 | 6326655 |
| 20 | 2022 | 北京市 | 北京市 | 110000 | 110000 | 57143583 | 7845916 | 14493194 | 13149967 | 48670714 | 74691547 | 4887039 | 11711207 | 10678020 | 7758216 |
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6,534 行 · 15 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 70 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 + 省份 + 年份 能连
186 个数据集 · 本数据集 6,534 行有城市- 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 6,534 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、province、year按城市对上本数据集 6,534 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 6,534 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、province、year按城市对上本数据集 6,534 行(100%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、province、region_code按城市对上本数据集 6,534 行(100%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 6,534 行(100%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province、region_code按城市对上本数据集 6,534 行(100%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code、province按城市对上本数据集 6,534 行(100%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 province、region_code、year按城市对上本数据集 6,534 行(100%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code按城市对上本数据集 6,534 行(100%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、province_code、city_code按城市对上本数据集 6,534 行(100%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、year按城市对上本数据集 6,534 行(100%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 6,534 行有省份- 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 6,534 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 6,534 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 6,534 行(100%)
- 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 6,534 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 6,534 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 6,534 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 6,534 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 year、province按省份对上本数据集 6,534 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 6,534 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 6,534 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 6,534 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 6,534 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 6,534 行有城市- 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 6,534 行(100%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code、year按城市对上本数据集 6,534 行(100%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 6,534 行(100%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 6,534 行(100%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 year、city_code按城市对上本数据集 6,534 行(100%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 year、region_code按城市对上本数据集 6,534 行(100%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 region_code、year按城市对上本数据集 6,534 行(100%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 year、region_code按城市对上本数据集 6,534 行(100%)
- 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 6,534 行(100%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 6,534 行(100%)
- 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 6,534 行(100%)
- 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 6,512 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 6,534 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code、province_code按城市对上本数据集 6,534 行(100%)
- 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 city_code、province_code按城市对上本数据集 6,534 行(100%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 6,534 行(100%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code、province_code按城市对上本数据集 6,534 行(100%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 6,512 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 6,490 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 6,446 行(98%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 6,424 行(98%)
- 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 6,424 行(98%)
- 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 6,424 行(98%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、province按城市对上本数据集 6,402 行(97%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province按城市对上本数据集 6,358 行(97%)
按 省份 能连
18 个数据集 · 本数据集 6,534 行有省份- 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 6,534 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 6,534 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 6,534 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 6,534 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 6,534 行(100%)
- 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 6,534 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 6,534 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 6,534 行(100%)
- 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 6,534 行(100%)
- 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 6,534 行(100%)
- 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 6,512 行(99%)
- 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 6,402 行(97%)
按 城市 能连
10 个数据集 · 本数据集 6,534 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 6,512 行(99%)
- 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 6,512 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 6,490 行(99%)
- 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 6,336 行(96%)
- 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 6,270 行(95%)
- 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 6,270 行(95%)
- 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 5,962 行(91%)
- 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 5,566 行(85%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 1,232 行(18%)
- 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 1,034 行(15%)
只按年份能连:445 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
445 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-fiscal-revenue-expenditure/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京市"}],"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。