
- 记录
- 9,262
- 字段
- 16
- AI 扩增字段
- 1
- 平均非空率
- 98.7%
- 字段完整度
16 个字段,15 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 9,262 行计算。
关于这个数据集
一行代表一个行政区在特定年份的高质量发展综合指数及分项指标。数据覆盖全国地级市及部分区县,包含产业结构、创新、环境、人均经济及公共服务等维度。可用于评估区域经济发展质量、产业结构优化程度及社会公共服务水平。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 1:省份的字段规律字段规律:city_code由省份、地区扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 地区city规律 1:地区的字段规律字段规律:city_code由省份、地区扩增得出。键:城市名称。样本里格式符合 80.3%,还没有参照 | 文本 | 原生 | 100% | 包含地级市及区县名称 | ||
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 高质量发展指数hq_dev_index | 小数 | 原生 | 100% | 综合指数 | ||
| 产业结构高级化ind_structure_adv | 小数 | 原生 | 100% | — | ||
| 产业结构合理化ind_structure_rat | 小数 | 原生 | 100% | — | ||
| 生产性服务业占比prod_serv_ratio | 小数 | 原生 | 100% | — | ||
| 包容性TFP指数inclusive_tfp | 小数 | 原生 | 100% | — | ||
| 创新指数innovation_index | 小数 | 原生 | 100% | — | ||
| 二氧化硫去除率so2_removal_rate | 小数 | 原生 | 100% | — | ||
| 工业固废利用率ind_waste_util_rate | 小数 | 原生 | 100% | 原表列名:工业固废综合利用率 | ||
| PM2.5pm25 | 小数 | 原生 | 100% | 浓度或指数,单位含义不清 | ||
| 人均GDPgdp_per_capita | 小数 | 原生 | 100% | 元 | ||
| 人均教育支出edu_exp_per_capita | 小数 | 原生 | 100% | 元 | ||
| 人均医院床位数hospital_beds_per_capita | 小数 | 原生 | 100% | 张/人 | ||
| 地区区划代码city_code规律 1:地区区划代码的字段规律字段规律:city_code由省份、地区扩增得出。键:市级区划代码。样本里格式符合 100%,79.1% 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 | 79%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、地区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。
| # | 省份province | 地区city | 年份year | 高质量发展指数hq_dev_index | 产业结构高级化ind_structure_adv | 产业结构合理化ind_structure_rat | 生产性服务业占比prod_serv_ratio | 包容性TFP指数inclusive_tfp | 创新指数innovation_index | 二氧化硫去除率so2_removal_rate | 工业固废利用率ind_waste_util_rate | PM2.5pm25 | 人均GDPgdp_per_capita | 人均教育支出edu_exp_per_capita | 人均医院床位数hospital_beds_per_capita | 地区区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | 东城区 | 2000 | 0.36532 | 0.54268286 | 0.3222158932 | 0.2184321344 | 0.157251994 | 0.3123741724 | 0.19114638359999997 | 0.17523669760000002 | 0.16987745319999997 | 30744.96588 | 10915.03096 | 0.2958653616 | — |
| 2 | 北京市 | 东城区 | 2001 | 0.415674 | 0.4723303662 | 0.3711968819999999 | 0.2228220477 | 0.16888834619999998 | 0.35345591567999995 | 0.23660995428 | 0.16735450914 | 0.17788353156 | 33919.829748 | 11556.984222 | 0.36705261222 | — |
| 3 | 北京市 | 东城区 | 2002 | 0.425964 | 0.507110142 | 0.34034949564 | 0.25016013792 | 0.1838673606 | 0.35166735912 | 0.22647653952 | 0.17439392124000003 | 0.18874038876 | 34207.039020000004 | 11483.98944 | 0.36466352076 | — |
| 4 | 北京市 | 东城区 | 2003 | 0.43125 | 0.72475875 | 0.3024830625 | 0.21994181250000003 | 0.215098875 | 0.3661528125 | 0.2328965625 | 0.1907979375 | 0.18414375 | 36036.975 | 10964.1 | 0.35715262500000006 | — |
| 5 | 北京市 | 东城区 | 2004 | 0.469056 | 0.6978615168 | 0.34955460287999995 | 0.27633965184 | 0.19758514944 | 0.41706583296 | 0.26731032384 | 0.23218741056 | 0.20751506496 | 39056.416895999995 | 11026.568448 | 0.39613655424 | — |
| 6 | 北京市 | 东城区 | 2005 | 0.4527 | 0.89331291 | 0.388982475 | 0.263797344 | 0.196711731 | 0.381997314 | 0.250365735 | 0.187444962 | 0.192601215 | 40243.2192 | 9774.6984 | 0.363069927 | — |
| 7 | 北京市 | 东城区 | 2006 | 0.483288 | 0.6248430551999999 | 0.4047053712 | 0.24202096463999995 | 0.23029639776 | 0.43030030368 | 0.2672824284 | 0.225212208 | 0.20316460944 | 42899.05932 | 10655.533824 | 0.42180410064 | — |
| 8 | 北京市 | 东城区 | 2007 | 0.506034 | 0.7598100509999999 | 0.43624179072 | 0.26994889764 | 0.24609951522 | 0.40943716973999994 | 0.25953977825999996 | 0.22136963364 | 0.2270068524 | 41923.398798 | 13068.32805 | 0.40997862612 | — |
| 9 | 北京市 | 东城区 | 2008 | 0.559104 | 1.0432880640000002 | 0.5013876940800001 | 0.29296490496 | 0.27789705216000005 | 0.48818724864 | 0.28927481856000004 | 0.27048333312 | 0.22635884544 | 46582.308864000006 | 14368.413696 | 0.4491338342400001 | — |
| 10 | 北京市 | 东城区 | 2009 | 0.571474 | 0.8855561104 | 0.51199498608 | 0.33613529206 | 0.26945570574 | 0.51150923318 | 0.30147539396000006 | 0.2403333907 | 0.25663182918000005 | 47695.22004 | 12810.161184 | 0.47647787698 | — |
| 11 | 北京市 | 东城区 | 2010 | 0.57978 | 0.5929410059999999 | 0.4836002958 | 0.30727180439999996 | 0.28350082439999996 | 0.5173608852 | 0.3212503002 | 0.233187516 | 0.27035141399999996 | 50280.84072 | 15612.31584 | 0.5048144459999999 | — |
| 12 | 北京市 | 东城区 | 2011 | 0.589124 | 1.0765651976 | 0.47069240228 | 0.29477408464 | 0.2858429648 | 0.49028077528 | 0.29470338976 | 0.24263661064 | 0.23788237996 | 49758.591288 | 17130.547672 | 0.4753346993999999 | — |
| 13 | 北京市 | 东城区 | 2012 | 0.6 | 1.1739 | 0.522756 | 0.34557 | 0.241932 | 0.4842419999999999 | 0.32830799999999993 | 0.249102 | 0.270642 | 48378 | 16044.6 | 0.52674 | — |
| 14 | 北京市 | 东城区 | 2013 | 0.620928 | 0.8525962368000001 | 0.4591452096 | 0.34050449664 | 0.28036141056 | 0.5103966067200001 | 0.32049819648 | 0.26736538752 | 0.28154117376000004 | 55211.05497600001 | 15885.201024000002 | 0.508695264 | — |
| 15 | 北京市 | 东城区 | 2014 | 0.631788 | 0.9853997436 | 0.5023030494 | 0.34988419439999996 | 0.25450316004 | 0.53383558848 | 0.32313429048000003 | 0.27213636312 | 0.28732454664 | 52742.294028 | 16471.976736 | 0.52717022508 | — |
| 16 | 北京市 | 东城区 | 2015 | 0.68649 | 1.0002159300000002 | 0.5059088055000001 | 0.346402854 | 0.333359544 | 0.5911365390000001 | 0.3775832298 | 0.3403548771 | 0.31575107550000003 | 56488.51614000001 | 19998.82668 | 0.5608554651 | — |
| 17 | 北京市 | 东城区 | 2016 | 0.65736 | 0.743868576 | 0.5079749400000001 | 0.3650254344 | 0.3137710752 | 0.5827036248 | 0.37518822 | 0.26502783120000006 | 0.3261031488 | 54850.11840000001 | 16915.84488 | 0.5803371288000001 | — |
| 18 | 北京市 | 东城区 | 2017 | 0.715802 | 0.7284001152 | 0.5221202948400001 | 0.41895175258 | 0.32455894284000003 | 0.60547543774 | 0.4290159287 | 0.35437209614 | 0.33142348402000005 | 63947.603274 | 15002.494118 | 0.61987021596 | — |
| 19 | 北京市 | 东城区 | 2018 | 0.72998 | 0.7666249959999999 | 0.6168987981999999 | 0.4310458902 | 0.3427548092 | 0.628695275 | 0.3806261716 | 0.32743252899999997 | 0.360464124 | 59643.0159 | 14714.936839999998 | 0.6361556705999999 | — |
| 20 | 北京市 | 东城区 | 2019 | 0.722436 | 1.348788012 | 0.5936617829999999 | 0.38687892672 | 0.3426875166 | 0.62988472404 | 0.37672147656 | 0.32151291744 | 0.33960993923999994 | 64611.786096 | 20881.290144 | 0.6354185837999999 | — |
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9,262 行 · 16 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 7,326 行有城市- 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、origin_city_code按城市对上本数据集 7,326 行(79%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 city_code、province、reg_date按城市对上本数据集 7,326 行(79%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province按城市对上本数据集 7,326 行(79%)
- 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、year、origin_province按城市对上本数据集 7,326 行(79%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code、date按城市对上本数据集 7,326 行(79%)
- 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 7,326 行(79%)
- 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、province按城市对上本数据集 7,326 行(79%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、province、year按城市对上本数据集 7,326 行(79%)
- 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 7,326 行(79%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、city_code、approve_date按城市对上本数据集 7,326 行(79%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、province、year按城市对上本数据集 7,326 行(79%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、city_code、date按城市对上本数据集 7,326 行(79%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 9,262 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 9,262 行(100%)
- 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 9,262 行(100%)
- 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 9,262 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 9,262 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 9,262 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 9,262 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 9,262 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 9,262 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 9,262 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 year、province按省份对上本数据集 9,262 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 9,262 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 9,262 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 7,326 行有城市- 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 7,326 行(79%)
- 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 7,304 行(78%)
- 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 7,304 行(78%)
- 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 7,304 行(78%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 7,304 行(78%)
- 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 7,304 行(78%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 7,304 行(78%)
- 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 7,282 行(78%)
- 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 7,260 行(78%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、city_code按城市对上本数据集 7,018 行(75%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 6,974 行(75%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date按城市对上本数据集 6,886 行(74%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 7,326 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 7,326 行(79%)
- 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 province_code、city_code按城市对上本数据集 7,326 行(79%)
- 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 7,326 行(79%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code按城市对上本数据集 7,304 行(78%)
- 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 7,304 行(78%)
- 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 7,304 行(78%)
- 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 7,304 行(78%)
- 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 7,282 行(78%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、city_code按城市对上本数据集 7,238 行(78%)
- 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 7,238 行(78%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code按城市对上本数据集 7,106 行(76%)
- 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 7,040 行(76%)
按 省份 能连
18 个数据集 · 本数据集 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 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 9,262 行(100%)
- 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 9,086 行(98%)
- 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 9,086 行(98%)
按 城市 能连
10 个数据集 · 本数据集 7,326 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 7,326 行(79%)
- 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 7,282 行(78%)
- 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 7,282 行(78%)
- 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 6,270 行(67%)
- 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 6,204 行(66%)
- 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 6,204 行(66%)
- 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 6,006 行(64%)
- 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 5,896 行(63%)
- 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 1,166 行(12%)
- 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 990 行(10%)
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。
本数据集内1
- 扩增得出
city_code由省份、地区扩增得出。
来自字段扩增区县高质量发展指标区县高质量发展指标
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-high-quality-development-panel/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。