区县淘宝村数量
一行是一个区县一年的淘宝村数量。覆盖出现过淘宝村的 687 个区县，2014–2022 年，共 6183 行，没有淘宝村的年份记为 0。
v1 生效中 · 2026/11/15 发布险种标签：农业保险时间跨度：2014–2022 年数据出处 阿里研究院淘宝村名单（汇编者整理）
- 记录
- 6,183
- 字段
- 4
- AI 扩增字段
- 1
- 平均非空率
- 99.2%
- 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 6,183 行计算。
关于这个数据集
一行是一个区县一年的淘宝村数量。覆盖出现过淘宝村的 687 个区县，2014–2022 年，共 6183 行，没有淘宝村的年份记为 0。原表没有省份和城市列，重名区县在名称后加了括号，如“市中区（济南）”“通州区（北京）”。有 2 行是地级市名（揭阳市、西安市），是汇编者没分到区县的村。区划按原表：2020 年崇川区和港闸区合并，海门、孟津、南和、任县、龙海等撤县设区后用新名。逐村名单见“淘宝村名单”。可用来看农村电商在各区县的分布，辅助农村地区的财产险和农业保险评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 区县county规律 1：区县的字段规律字段规律：county_code由区县扩增得出。键：区县名称。样本里格式符合 99%，还没有参照 | 文本 | 原生 | 100% | 原表列名：行。重名区县带括号注明所属城市 | ||
| 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value | 整数 | 原生 | 100% | 单位：个。原表列名：值 | ||
| 区县区划代码county_code规律 1：区县区划代码的字段规律字段规律：county_code由区县扩增得出。键：县级区划代码。样本里格式符合 100%，96.8% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：区县区划代码 | 97%平均置信度 1.00校验少：不建议单独作为决策依据 | 由区县查行政区划参照得出的现行县级区划代码。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。
| # | 区县county | 年份year | 淘宝村数量value | 区县区划代码county_code |
|---|---|---|---|---|
| 1 | 安次区 | 2014 | 0 | 131002 |
| 2 | 安次区 | 2015 | 0 | 131002 |
| 3 | 安次区 | 2016 | 0 | 131002 |
| 4 | 安次区 | 2017 | 0 | 131002 |
| 5 | 安次区 | 2018 | 0 | 131002 |
| 6 | 安次区 | 2019 | 0 | 131002 |
| 7 | 安次区 | 2020 | 1 | 131002 |
| 8 | 安次区 | 2021 | 1 | 131002 |
| 9 | 安次区 | 2022 | 2 | 131002 |
| 10 | 安国市 | 2014 | 0 | 130683 |
| 11 | 安国市 | 2015 | 0 | 130683 |
| 12 | 安国市 | 2016 | 0 | 130683 |
| 13 | 安国市 | 2017 | 1 | 130683 |
| 14 | 安国市 | 2018 | 2 | 130683 |
| 15 | 安国市 | 2019 | 2 | 130683 |
| 16 | 安国市 | 2020 | 4 | 130683 |
| 17 | 安国市 | 2021 | 5 | 130683 |
| 18 | 安国市 | 2022 | 5 | 130683 |
| 19 | 安吉县 | 2014 | 0 | 330523 |
| 20 | 安吉县 | 2015 | 3 | 330523 |
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6,183 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 区县 + 年份 能连
123 个数据集 · 本数据集 5,985 行有区县- 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 region_code、year按区县对上本数据集 5,985 行（96%）
- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 old_code、valid_from按区县对上本数据集 5,985 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、county_code按区县对上本数据集 5,985 行（96%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、region_code按区县对上本数据集 5,985 行（96%）
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、year按区县对上本数据集 5,985 行（96%）
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 county_code、year按区县对上本数据集 5,985 行（96%）
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 valid_from、region_code按区县对上本数据集 5,985 行（96%）
- 县级土地利用现状（三调口径）区域底数 · 9,752 行 · 连接字段 region_code、year按区县对上本数据集 5,985 行（96%）
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、first_year按区县对上本数据集 5,985 行（96%）
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、division_year按区县对上本数据集 5,985 行（96%）
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 division_year、region_code按区县对上本数据集 5,985 行（96%）
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、page_publish_time按区县对上本数据集 5,976 行（96%）
按 区县 能连
30 个数据集 · 本数据集 5,985 行有区县- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code按区县对上本数据集 5,985 行（96%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code按区县对上本数据集 5,985 行（96%）
- 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 region_code按区县对上本数据集 5,985 行（96%）
- 县级地形起伏度自然灾害 · 2,873 行 · 连接字段 region_code按区县对上本数据集 5,976 行（96%）
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 5,967 行（96%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code按区县对上本数据集 5,967 行（96%）
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 county_code按区县对上本数据集 5,967 行（96%）
- 医保定点医疗机构医疗药械 · 57.8 万 行 · 连接字段 region_code按区县对上本数据集 5,949 行（96%）
- 医保定点零售药店医疗药械 · 50.5 万 行 · 连接字段 region_code按区县对上本数据集 5,940 行（96%）
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 5,931 行（95%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code按区县对上本数据集 5,913 行（95%）
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 5,877 行（95%）
只按年份能连：962 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
962 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
- 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
- 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
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_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
county_code由区县扩增得出。
来自字段扩增区县淘宝村数量区县淘宝村数量
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-county/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"county","op":"eq","value":"安次区"}],"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。