全国地级市道观数量
一行代表一个地级市或代管县级市。数据覆盖全国主要地级行政区，记录各地的道观数量。
v2 生效中 · 2026/11/15 发布险种标签：企业财产险责任险数据出处 国泰安数据
- 记录
- 341
- 字段
- 5
- AI 扩增字段
- 1
- 平均非空率
- 81.5%
- 字段完整度
5 个字段，4 个没有空值，1 个 AI 扩增
图片：Aleksander Stypczynski / Unsplash，Unsplash License（在新窗口打开图片的原始页面）
01字段
字段来源，逐一标明
共 5 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 341 行计算。
关于这个数据集
一行代表一个地级市或代管县级市。数据覆盖全国主要地级行政区，记录各地的道观数量。可用于分析宗教场所分布密度及评估相关保险的区域风险敞口。
| 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、地级市扩增得出。键：省份名称。样本里格式符合 100%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 地级市city规律 1：地级市的字段规律字段规律：city_code由省份、地级市扩增得出。键：城市名称。样本里格式符合 93.5%，还没有参照 | 文本 | 原生 | 100% | — | ||
| 道观数量taoist_temple_count | 整数 | 原生 | 100% | 单位：座 | ||
| 代管县级市county_city | 文本 | 原生 | 7.3% | — | ||
| 地级市区划代码city_code规律 1：地级市区划代码的字段规律字段规律：city_code由省份、地级市扩增得出。键：市级区划代码。样本里格式符合 100%，95.9% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：地级市区划代码 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 由省份、地级市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 | 地级市city | 道观数量taoist_temple_count | 代管县级市county_city | 地级市区划代码city_code |
|---|---|---|---|---|---|
| 1 | 安徽省 | 合肥市 | 3 | — | 340100 |
| 2 | 安徽省 | 芜湖市 | 8 | — | 340200 |
| 3 | 安徽省 | 蚌埠市 | 2 | — | 340300 |
| 4 | 安徽省 | 淮南市 | 1 | — | 340400 |
| 5 | 安徽省 | 马鞍山市 | 0 | — | 340500 |
| 6 | 安徽省 | 淮北市 | 0 | — | 340600 |
| 7 | 安徽省 | 铜陵市 | 0 | — | 340700 |
| 8 | 安徽省 | 安庆市 | 24 | — | 340800 |
| 9 | 安徽省 | 黄山市 | 4 | — | 341000 |
| 10 | 安徽省 | 滁州市 | 6 | — | 341100 |
| 11 | 安徽省 | 阜阳市 | 0 | — | 341200 |
| 12 | 安徽省 | 六安市 | 7 | — | 341500 |
| 13 | 安徽省 | 宣城市 | 4 | — | 341800 |
| 14 | 安徽省 | 亳州市 | 1 | — | 341600 |
| 15 | 北京市 | 北京市 | 13 | — | 110000 |
| 16 | 重庆市 | 重庆市 | 32 | — | 500000 |
| 17 | 福建省 | 福州市 | 185 | — | 350100 |
| 18 | 福建省 | 厦门市 | 10 | — | 350200 |
| 19 | 福建省 | 莆田市 | 184 | — | 350300 |
| 20 | 福建省 | 三明市 | 99 | — | 350400 |
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341 行 · 5 个字段 · 初始导入
版本 v12026/11/15 发布
历史版本341 行 · 5 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 36 个数据集连接。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 能连
215 个数据集 · 本数据集 325 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 325 行（95%）
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 325 行（95%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 city_code、province按城市对上本数据集 325 行（95%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、city_code按城市对上本数据集 325 行（95%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_province、origin_city_code按城市对上本数据集 325 行（95%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province按城市对上本数据集 325 行（95%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、region_code按城市对上本数据集 325 行（95%）
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 city_code、province按城市对上本数据集 325 行（95%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code按城市对上本数据集 325 行（95%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province按城市对上本数据集 325 行（95%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、province按城市对上本数据集 325 行（95%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code按城市对上本数据集 325 行（95%）
按 省份 能连
406 个数据集 · 本数据集 341 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 province_name按省份对上本数据集 341 行（100%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname按省份对上本数据集 341 行（100%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province按省份对上本数据集 341 行（100%）
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province按省份对上本数据集 341 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按省份对上本数据集 341 行（100%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province按省份对上本数据集 341 行（100%）
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province按省份对上本数据集 341 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按省份对上本数据集 341 行（100%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province按省份对上本数据集 341 行（100%）
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province按省份对上本数据集 341 行（100%）
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code按省份对上本数据集 341 行（100%）
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code按省份对上本数据集 341 行（100%）
按 城市 能连
76 个数据集 · 本数据集 325 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 325 行（95%）
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 region_code按城市对上本数据集 324 行（95%）
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 city_code按城市对上本数据集 324 行（95%）
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code按城市对上本数据集 324 行（95%）
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code按城市对上本数据集 324 行（95%）
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code按城市对上本数据集 324 行（95%）
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code按城市对上本数据集 324 行（95%）
- 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 323 行（94%）
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code按城市对上本数据集 323 行（94%）
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code按城市对上本数据集 323 行（94%）
- 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 323 行（94%）
- 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按城市对上本数据集 321 行（94%）
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、地级市扩增得出。
来自字段扩增全国地级市道观数量全国地级市道观数量
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-religious-site-count/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"安徽省"}],"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。