地级市淘宝村数量
一行是一个地级市一年的淘宝村数量。覆盖有淘宝村的 189 个地级市，2014–2022 年，共 1701 行，没有淘宝村的年份记 0。
v1 生效中 · 2026/11/15 发布险种标签：企业财产险时间跨度：2014–2022 年数据出处 阿里研究院
- 记录
- 1,701
- 字段
- 4
- AI 扩增字段
- 1
- 平均非空率
- 100%
- 字段完整度
4 个字段，3 个没有空值，1 个 AI 扩增
01字段
字段来源，逐一标明
共 4 个字段，其中 AI 扩增字段 1 个。非空率按当前版本的 1,701 行计算。
关于这个数据集
一行是一个地级市一年的淘宝村数量。覆盖有淘宝村的 189 个地级市，2014–2022 年，共 1701 行，没有淘宝村的年份记 0。用来看各地农村电商的发展，给农村电商、物流和乡村产业相关保险的市场分析做参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 城市city规律 1：城市的字段规律字段规律：city_code由城市扩增得出。键：城市名称。样本里格式符合 97.5%，还没有参照 | 文本 | 原生 | 100% | 原表列名：行 | ||
| 年份year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：列 | ||
| 淘宝村数量taobao_village_count | 整数 | 原生 | 100% | 当年认定的淘宝村个数，单位：个 | ||
| 城市区划代码city_code规律 1：城市区划代码的字段规律字段规律：city_code由城市扩增得出。键：市级区划代码。样本里格式符合 100%，99.5% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：城市区划代码 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 由城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。
| # | 城市city | 年份year | 淘宝村数量taobao_village_count | 城市区划代码city_code |
|---|---|---|---|---|
| 1 | 安庆市 | 2014 | 0 | 340800 |
| 2 | 安庆市 | 2015 | 0 | 340800 |
| 3 | 安庆市 | 2016 | 0 | 340800 |
| 4 | 安庆市 | 2017 | 1 | 340800 |
| 5 | 安庆市 | 2018 | 2 | 340800 |
| 6 | 安庆市 | 2019 | 3 | 340800 |
| 7 | 安庆市 | 2020 | 3 | 340800 |
| 8 | 安庆市 | 2021 | 5 | 340800 |
| 9 | 安庆市 | 2022 | 6 | 340800 |
| 10 | 亳州市 | 2014 | 0 | 341600 |
| 11 | 亳州市 | 2015 | 0 | 341600 |
| 12 | 亳州市 | 2016 | 0 | 341600 |
| 13 | 亳州市 | 2017 | 0 | 341600 |
| 14 | 亳州市 | 2018 | 0 | 341600 |
| 15 | 亳州市 | 2019 | 0 | 341600 |
| 16 | 亳州市 | 2020 | 1 | 341600 |
| 17 | 亳州市 | 2021 | 2 | 341600 |
| 18 | 亳州市 | 2022 | 3 | 341600 |
| 19 | 池州市 | 2014 | 0 | 341700 |
| 20 | 池州市 | 2015 | 0 | 341700 |
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 v12026/11/15 发布
生效中1,701 行 · 4 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 城市 + 年份 能连
252 个数据集 · 本数据集 1,692 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 month、origin_city_code按城市对上本数据集 1,692 行（99%）
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code按城市对上本数据集 1,692 行（99%）
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 city_code、year按城市对上本数据集 1,692 行（99%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year按城市对上本数据集 1,692 行（99%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、date按城市对上本数据集 1,692 行（99%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code按城市对上本数据集 1,692 行（99%）
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_city_code按城市对上本数据集 1,692 行（99%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code按城市对上本数据集 1,692 行（99%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year按城市对上本数据集 1,692 行（99%）
- 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、date按城市对上本数据集 1,692 行（99%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year按城市对上本数据集 1,692 行（99%）
- 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 1,692 行（99%）
按 城市 能连
39 个数据集 · 本数据集 1,692 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按城市对上本数据集 1,692 行（99%）
- 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 1,692 行（99%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code按城市对上本数据集 1,692 行（99%）
- 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按城市对上本数据集 1,692 行（99%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code按城市对上本数据集 1,692 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 1,692 行（99%）
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code按城市对上本数据集 1,692 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 1,683 行（98%）
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code按城市对上本数据集 1,683 行（98%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code按城市对上本数据集 1,683 行（98%）
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code按城市对上本数据集 1,674 行（98%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code按城市对上本数据集 1,674 行（98%）
只按年份能连：833 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
833 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 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
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 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
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
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由城市扩增得出。
来自字段扩增地级市淘宝村数量地级市淘宝村数量
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/taobao-village-count-city/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","op":"eq","value":"安庆市"}],"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。