
- 记录
- 926
- 字段
- 11
- AI 扩增字段
- 0
- 平均非空率
- 99.0%
- 字段完整度
11 个字段,10 个没有空值
01字段
字段来源,逐一标明
共 11 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 926 行计算。
关于这个数据集
一行是全国或一个省一年的人口抽样调查结果:抽样比、样本人口数、0-14 岁、15-64 岁、65 岁及以上的样本人口数,以及总抚养比、少儿抚养比、老年抚养比。人口数是抽样调查里的样本人数,不是总人口。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 统计年度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% | 原表列名:SgnYear | ||
| 地区代码region_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 95.8%,96.9% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | 原表列名:AreaCode | ||
| 地区名称province含义:地区键:省份名称。样本里格式符合 95.8%,还没有参照 | 文本 | 原生 | 100% | 原表列名:AreaName | ||
| 抽样比例sampling_fraction含义:比率(‰) | 小数 | 原生 | 90% | 单位:‰ 原表列名:SamplingFraction | ||
| 样本人口数population含义:人数(人) | 整数 | 原生 | 100% | 人。抽样调查的样本人数,不是总人口。原表列名:Population | ||
| 0-14岁样本人口pop_age_0_14含义:人数(人) | 整数 | 原生 | 100% | 单位:人 原表列名:AgeBetween0and14 | ||
| 15-64岁样本人口pop_age_15_64含义:人数(人) | 整数 | 原生 | 100% | 单位:人 原表列名:AgeBetween15and64 | ||
| 65岁及以上样本人口pop_age_65_plus含义:人数(人) | 整数 | 原生 | 100% | 单位:人 原表列名:AgeOver65 | ||
| 总抚养比dependency_ratio含义:比率(%) | 小数 | 原生 | 100% | 单位:% 原表列名:DependencyRatio | ||
| 少儿抚养比children_dependency_ratio含义:比率(%) | 小数 | 原生 | 100% | 单位:% 原表列名:ChildrenDependencyRatio | ||
| 老年抚养比old_dependency_ratio含义:比率(%) | 小数 | 原生 | 100% | 单位:% 原表列名:OldDependencyRatio |
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。
| # | 统计年度year | 地区代码region_code | 地区名称province | 抽样比例sampling_fraction | 样本人口数population | 0-14岁样本人口pop_age_0_14 | 15-64岁样本人口pop_age_15_64 | 65岁及以上样本人口pop_age_65_plus | 总抚养比dependency_ratio | 少儿抚养比children_dependency_ratio | 老年抚养比old_dependency_ratio |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1995 | 156 | 中国 | 10.4 | 12366954 | 3306220 | 8232607 | 828127 | 50.22 | 40.16 | 10.06 |
| 2 | 1995 | 110000 | 北京市 | 10.4 | 129009 | 25304 | 93588 | 10117 | 37.85 | 27.04 | 10.81 |
| 3 | 1995 | 120000 | 天津市 | 10.4 | 97040 | 20875 | 68195 | 7970 | 42.3 | 30.61 | 11.69 |
| 4 | 1995 | 130000 | 河北省 | 10.4 | 662160 | 188241 | 430958 | 42961 | 53.65 | 43.68 | 9.97 |
| 5 | 1995 | 140000 | 山西省 | 10.4 | 316488 | 89846 | 207745 | 18897 | 52.34 | 43.25 | 9.1 |
| 6 | 1995 | 150000 | 内蒙古自治区 | 10.4 | 234917 | 61924 | 161952 | 11041 | 45.05 | 38.24 | 6.82 |
| 7 | 1995 | 210000 | 辽宁省 | 10.4 | 421365 | 90076 | 300652 | 30637 | 40.15 | 29.96 | 10.19 |
| 8 | 1995 | 220000 | 吉林省 | 10.4 | 266885 | 61281 | 190609 | 14995 | 40.02 | 32.15 | 7.87 |
| 9 | 1995 | 230000 | 黑龙江省 | 10.4 | 380940 | 89349 | 274148 | 17443 | 38.95 | 32.59 | 6.36 |
| 10 | 1995 | 310000 | 上海市 | 10.4 | 145817 | 24996 | 104155 | 16666 | 40 | 24 | 16 |
| 11 | 1995 | 320000 | 江苏省 | 10.4 | 727334 | 160769 | 508060 | 58505 | 43.16 | 31.64 | 11.52 |
| 12 | 1995 | 330000 | 浙江省 | 10.4 | 444671 | 96682 | 309536 | 38453 | 43.66 | 31.23 | 12.42 |
| 13 | 1995 | 340000 | 安徽省 | 10.4 | 618435 | 169017 | 407820 | 41598 | 51.64 | 41.44 | 10.2 |
| 14 | 1995 | 350000 | 福建省 | 10.4 | 332885 | 99928 | 211354 | 21603 | 57.5 | 47.28 | 10.22 |
| 15 | 1995 | 360000 | 江西省 | 10.4 | 417343 | 126299 | 264364 | 26680 | 57.87 | 47.77 | 10.09 |
| 16 | 1995 | 370000 | 山东省 | 10.4 | 896253 | 220099 | 609571 | 66583 | 47.03 | 36.11 | 10.92 |
| 17 | 1995 | 410000 | 河南省 | 10.4 | 935439 | 268096 | 605232 | 62111 | 54.56 | 44.3 | 10.26 |
| 18 | 1995 | 420000 | 湖北省 | 10.4 | 593583 | 173809 | 383617 | 36157 | 54.73 | 45.31 | 9.43 |
| 19 | 1995 | 430000 | 湖南省 | 10.4 | 658654 | 182408 | 429419 | 46827 | 53.38 | 42.48 | 10.9 |
| 20 | 1995 | 440000 | 广东省 | 10.4 | 705162 | 218047 | 436873 | 50242 | 61.41 | 49.91 | 11.5 |
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 v22026/11/15 发布
生效中926 行 · 11 个字段 · 初始导入
版本 v12026/11/13 发布
历史版本926 行 · 11 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 926 行有省份- 地区低保人数统计区域底数 · 3,968 行 · 连接字段 region_code、date按省份对上本数据集 926 行(100%)
- 分省财政收支明细区域底数 · 736 行 · 连接字段 region_code、year按省份对上本数据集 926 行(100%)
- 省级互联网发展指标区域底数 · 639 行 · 连接字段 year、region_code按省份对上本数据集 926 行(100%)
- 省级财政涉农支出区域底数 · 606 行 · 连接字段 year、region_code按省份对上本数据集 926 行(100%)
- 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 year、province_code按省份对上本数据集 897 行(96%)
- 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 897 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 897 行(96%)
- 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 897 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 897 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 taobao_village_year、province_code按省份对上本数据集 897 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 897 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 897 行(96%)
按 省份 能连
47 个数据集 · 本数据集 926 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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 897 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-pop-age-dependency/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"156"}],"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。