
省际人口迁徙月度
一行是一个月里一个省级行政区和另一个省级行政区之间的人口迁徙。
v1 生效中 · 2026/11/13 发布时间跨度:2020 年 1 月–2023 年 7 月数据出处 百度
- 记录
- 3.5 万
- 字段
- 10
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
10 个字段,10 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 10 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 35,304 行计算。
关于这个数据集
一行是一个月里一个省级行政区和另一个省级行政区之间的人口迁徙。每行有从对方迁入本省的人口、从本省迁往对方的人口各占全国迁徙人口的百分比,各有月均值和中位数。按百度迁徙数据整理。年度数据见 region-population-migration-annual。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 月份month规律 1:月份的字段规律字段规律:month_year由月份扩增得出。含义:日期或时间键:年月。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | 原表列名:月份 | ||
| 地区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% | — | ||
| 行政区划代码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 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 对方地区counterparty_region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% | 原表列名:迁入来源地or迁出目的地 | ||
| 对方代码counterparty_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% | 原表列名:迁入来源地or迁出目的地-行政区划代码 | ||
| 迁入占全国比例均值inflow_ratio_avg含义:比率(%) | 小数 | 原生 | 100% | 百分比(%):占当期全国迁入(迁出)人口的比例。月均值 | ||
| 迁入占全国比例中位inflow_ratio_median含义:比率(%) | 小数 | 原生 | 100% | 百分比(%):占当期全国迁入(迁出)人口的比例。月中位数 | ||
| 迁出占全国比例均值outflow_ratio_avg含义:比率(%) | 小数 | 原生 | 100% | 百分比(%):占当期全国迁入(迁出)人口的比例。月均值 | ||
| 迁出占全国比例中位outflow_ratio_median含义:比率(%) | 小数 | 原生 | 100% | 百分比(%):占当期全国迁入(迁出)人口的比例。月中位数 | ||
| 月份年份month_year规律 1:月份年份的字段规律字段规律:month_year由月份扩增得出。含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源:月份年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从月份算出的年份 |
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。
| # | 月份month | 地区province | 行政区划代码region_code | 对方地区counterparty_region | 对方代码counterparty_code | 迁入占全国比例均值inflow_ratio_avg | 迁入占全国比例中位inflow_ratio_median | 迁出占全国比例均值outflow_ratio_avg | 迁出占全国比例中位outflow_ratio_median | 月份年份month_year |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2020-01-01 | 北京市 | 110000 | 河北省 | 130000 | 0.889841741935484 | 0.912864 | 1.02047887096774 | 1.02284 | 2020 |
| 2 | 2020-01-01 | 北京市 | 110000 | 山东省 | 370000 | 0.161691516129032 | 0.154674 | 0.202070612903226 | 0.184799 | 2020 |
| 3 | 2020-01-01 | 北京市 | 110000 | 天津市 | 120000 | 0.144044225806452 | 0.138857 | 0.140271258064516 | 0.137365 | 2020 |
| 4 | 2020-01-01 | 北京市 | 110000 | 河南省 | 410000 | 0.112060290322581 | 0.101178 | 0.211610225806452 | 0.195244 | 2020 |
| 5 | 2020-01-01 | 北京市 | 110000 | 辽宁省 | 210000 | 0.0788515806451613 | 0.07287 | 0.096431935483871 | 0.086814 | 2020 |
| 6 | 2020-01-01 | 北京市 | 110000 | 山西省 | 140000 | 0.0783800322580645 | 0.072534 | 0.132125838709677 | 0.109474 | 2020 |
| 7 | 2020-01-01 | 北京市 | 110000 | 内蒙古自治区 | 150000 | 0.0746585483870968 | 0.081184 | 0.0839025806451613 | 0.084042 | 2020 |
| 8 | 2020-01-01 | 北京市 | 110000 | 江苏省 | 320000 | 0.060438935483871 | 0.063985 | 0.0720298709677419 | 0.082173 | 2020 |
| 9 | 2020-01-01 | 北京市 | 110000 | 广东省 | 440000 | 0.0530944193548387 | 0.052644 | 0.0583596451612903 | 0.057491 | 2020 |
| 10 | 2020-01-01 | 北京市 | 110000 | 黑龙江省 | 230000 | 0.0469957419354839 | 0.041144 | 0.0751713548387097 | 0.064516 | 2020 |
| 11 | 2020-01-01 | 北京市 | 110000 | 上海市 | 310000 | 0.0438816774193548 | 0.0468 | 0.0417128064516129 | 0.044849 | 2020 |
| 12 | 2020-01-01 | 北京市 | 110000 | 安徽省 | 340000 | 0.0421982580645161 | 0.030302 | 0.0718174516129032 | 0.06783 | 2020 |
| 13 | 2020-01-01 | 北京市 | 110000 | 陕西省 | 610000 | 0.0398613870967742 | 0.03996 | 0.0548023225806452 | 0.05735 | 2020 |
| 14 | 2020-01-01 | 北京市 | 110000 | 吉林省 | 220000 | 0.0357584193548387 | 0.034944 | 0.0487927741935484 | 0.04256 | 2020 |
| 15 | 2020-01-01 | 北京市 | 110000 | 四川省 | 510000 | 0.0353106774193548 | 0.03336 | 0.0604859032258065 | 0.06928 | 2020 |
| 16 | 2020-01-01 | 北京市 | 110000 | 浙江省 | 330000 | 0.0349256451612903 | 0.036036 | 0.0387592258064516 | 0.040894 | 2020 |
| 17 | 2020-01-01 | 北京市 | 110000 | 湖南省 | 430000 | 0.0288056774193548 | 0.023408 | 0.0376134193548387 | 0.03834 | 2020 |
| 18 | 2020-01-01 | 北京市 | 110000 | 湖北省 | 420000 | 0.0277624838709677 | 0.028556 | 0.0504533225806452 | 0.057057 | 2020 |
| 19 | 2020-01-01 | 北京市 | 110000 | 海南省 | 460000 | 0.0214325483870968 | 0.016745 | 0.0257132258064516 | 0.027876 | 2020 |
| 20 | 2020-01-01 | 北京市 | 110000 | 江西省 | 360000 | 0.0190439032258065 | 0.014784 | 0.0279224516129032 | 0.02926 | 2020 |
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35,304 行 · 10 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 province_code、taobao_village_year按省份对上本数据集 35,304 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 35,304 行(100%)
- 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 35,304 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 35,304 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 35,304 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 35,304 行(100%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 35,304 行(100%)
按 省份 能连
47 个数据集 · 本数据集 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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 35,304 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。
本数据集内1
- 扩增得出
month_year由月份扩增得出。
来自字段扩增省际人口迁徙月度省际人口迁徙月度
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-population-migration-monthly/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。