
淘宝村名单
一行是一个年份认定的一个淘宝村,有所在的省、市、区县、乡镇和村名,2017 年起有名单编号,2022 年有村代码。
v1 生效中 · 2026/11/15 发布时间跨度:2014–2022 年数据出处 阿里研究院
- 记录
- 3.2 万
- 字段
- 9
- AI 扩增字段
- 0
- 平均非空率
- 79.5%
- 字段完整度
9 个字段,5 个没有空值
01字段
字段来源,逐一标明
共 9 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 32,162 行计算。
关于这个数据集
一行是一个年份认定的一个淘宝村,有所在的省、市、区县、乡镇和村名,2017 年起有名单编号,2022 年有村代码。覆盖 2014 到 2022 年,共 32162 行,2014 年 212 个,2022 年 7780 个,同一个村每年各占一行。可以用来找电商产业集中的农村地区,给农村财产险、物流和产品责任险做区域参考。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 年份year键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | 名单年份 | ||
| 省份province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键:城市名称。样本里格式符合 97.8%,还没有参照 | 文本 | 原生 | 100% | 直辖市写直辖市名称 | ||
| 区县county键:区县名称。样本里格式符合 99.5%,还没有参照 | 文本 | 原生 | 98% | 东莞、中山这类不设区的市没有区县 | ||
| 乡镇街道town | 文本 | 原生 | 100% | — | ||
| 村village | 文本 | 原生 | 100% | 村或社区名称,照原表 | ||
| 村代码village_code键:县级区划代码(2019 年版)。样本里格式符合 100%,99.3% 的行对上参照 region-code-by-year | 文本 | 原生 | 24% | 12 位统计用区划代码,只有 2022 年有 | ||
| 名单编号tbv_id | 文本 | 原生 | 93% | 阿里研究院给的编号,2017 年起有 | ||
| 主营产品main_product | 文本 | 原生 | 0.7% | 只有 2014 年有 |
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。
| # | 年份year | 省份province | 地级市city | 区县county | 乡镇街道town | 村village | 村代码village_code | 名单编号tbv_id | 主营产品main_product |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2014 | 福建省 | 福建省 | 闽侯县 | 上街镇 | 建平村 | — | — | 家具 |
| 2 | 2014 | 福建省 | 龙岩市 | 新罗区 | 小池镇 | 培斜村 | — | — | 竹席 |
| 3 | 2014 | 福建省 | 莆田市 | 涵江区 | 梧塘镇 | 松东村 | — | — | 鞋 |
| 4 | 2014 | 福建省 | 莆田市 | 荔城区 | 黄石镇 | 清前村 | — | — | 女装 |
| 5 | 2014 | 福建省 | 莆田市 | 荔城区 | 黄石镇 | 西洪村 | — | — | 女装 |
| 6 | 2014 | 福建省 | 莆田市 | 荔城区 | 新度镇 | 东郊村 | — | — | 女装、男装 |
| 7 | 2014 | 福建省 | 莆田市 | 仙游县 | 榜头镇 | 坝下村 | — | — | 木雕 |
| 8 | 2014 | 福建省 | 莆田市 | 仙游县 | 榜头镇 | 泉山村 | — | — | 家具 |
| 9 | 2014 | 福建省 | 莆田市 | 仙游县 | 榜头镇 | 紫泽村 | — | — | 木雕 |
| 10 | 2014 | 福建省 | 莆田市 | 仙游县 | 枫亭镇 | 海安村 | — | — | 服装 |
| 11 | 2014 | 福建省 | 莆田市 | 秀屿区 | 东峤镇 | 上塘村 | — | — | 饰品 |
| 12 | 2014 | 福建省 | 泉州市 | 安溪县 | 尚卿乡 | 翰卿村 | — | — | 藤铁家具、工艺品 |
| 13 | 2014 | 福建省 | 泉州市 | 安溪县 | 尚卿乡 | 翰苑村 | — | — | 藤铁家具、工艺品 |
| 14 | 2014 | 福建省 | 泉州市 | 安溪县 | 尚卿乡 | 新楼村 | — | — | 藤铁家具、工艺品 |
| 15 | 2014 | 福建省 | 泉州市 | 安溪县 | 尚卿乡 | 灶坑村 | — | — | 藤铁家具、工艺品 |
| 16 | 2014 | 福建省 | 泉州市 | 安溪县 | 尚卿乡 | 灶美村 | — | — | 藤铁家具、工艺品 |
| 17 | 2014 | 福建省 | 泉州市 | 德化县 | 龙浔镇 | 宝美村 | — | — | 陶瓷 |
| 18 | 2014 | 福建省 | 泉州市 | 德化县 | 浔中镇 | 浔中村 | — | — | 陶瓷 |
| 19 | 2014 | 福建省 | 泉州市 | 晋江市 | 陈埭镇 | 高坑村 | — | — | 鞋、跑步机 |
| 20 | 2014 | 福建省 | 泉州市 | 晋江市 | 陈埭镇 | 仙石村 | — | — | 鞋、包 |
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32,162 行 · 9 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 72 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 + 省份 + 年份 能连
107 个数据集 · 本数据集 7,780 行有区县- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 county_code、taobao_village_year、province_code按区县对上本数据集 7,780 行(24%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、province、year按区县对上本数据集 7,732 行(24%)
- 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、region_code按区县对上本数据集 7,724 行(24%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code、issue_date按区县对上本数据集 7,724 行(24%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、county_code_2、province_name按区县对上本数据集 7,724 行(24%)
- 县级区域夜光指数区域底数 · 1.7 万 行 · 连接字段 province、county_code、year按区县对上本数据集 7,724 行(24%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、valid_from、region_code按区县对上本数据集 7,724 行(24%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 region_code、province、first_year按区县对上本数据集 7,724 行(24%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 division_year、region_code、province按区县对上本数据集 7,724 行(24%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 region_code、province、division_year按区县对上本数据集 7,724 行(24%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、region_code、province按区县对上本数据集 7,722 行(24%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、province、year按区县对上本数据集 7,722 行(24%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 32,162 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 year、province_name按省份对上本数据集 32,162 行(100%)
- 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 32,162 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 32,162 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 32,162 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、province按省份对上本数据集 32,162 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 32,162 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 year、region_code按省份对上本数据集 32,162 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 year、region_code按省份对上本数据集 32,162 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 year、region_code按省份对上本数据集 32,162 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、province按省份对上本数据集 32,162 行(100%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、province按省份对上本数据集 32,162 行(100%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 year、province按省份对上本数据集 32,162 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 7,780 行有区县- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 7,762 行(24%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 7,724 行(24%)
- 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 province_code、region_code按区县对上本数据集 7,724 行(24%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 7,722 行(24%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、county_code按区县对上本数据集 7,647 行(23%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province、region_code按区县对上本数据集 7,624 行(23%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code按区县对上本数据集 7,405 行(23%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 7,355 行(22%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province、county_code按区县对上本数据集 7,277 行(22%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 7,216 行(22%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、region_code按区县对上本数据集 6,578 行(20%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province、county_code按区县对上本数据集 5,028 行(15%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 7,780 行有区县- 行政区划新旧代码对照参照区域底数 · 7,388 行 · 连接字段 valid_from、old_code按区县对上本数据集 7,724 行(24%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code、year按区县对上本数据集 7,701 行(23%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 start_date、region_code按区县对上本数据集 7,696 行(23%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 county_code、year按区县对上本数据集 7,522 行(23%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 7,398 行(23%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_county_code按区县对上本数据集 7,265 行(22%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 7,164 行(22%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 year、region_code按区县对上本数据集 6,485 行(20%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 application_date、address_county_code按区县对上本数据集 4,994 行(15%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 commissioning_year、county_code按区县对上本数据集 3,786 行(11%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code按区县对上本数据集 3,328 行(10%)
- 全国及城市建成区绿地指标区域底数 · 8.1 万 行 · 连接字段 year、region_code按区县对上本数据集 2,967 行(9.2%)
按 省份 能连
29 个数据集 · 本数据集 32,162 行有省份- 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 32,162 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 32,162 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 32,162 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 32,162 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 32,162 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 32,162 行(100%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 32,162 行(100%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 32,162 行(100%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 32,162 行(100%)
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 32,162 行(100%)
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 32,162 行(100%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 32,162 行(100%)
按 区县 能连
12 个数据集 · 本数据集 7,780 行有区县- 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 7,735 行(24%)
- 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 7,713 行(23%)
- 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 7,708 行(23%)
- 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 7,654 行(23%)
- 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 7,615 行(23%)
- 全国矿产地分布建筑设施 · 22.8 万 行 · 连接字段 county_code按区县对上本数据集 7,300 行(22%)
- 全国医保经办机构保险市场 · 6,045 行 · 连接字段 region_code按区县对上本数据集 6,917 行(21%)
- 城投公司基本信息企业主体 · 1.2 万 行 · 连接字段 region_code按区县对上本数据集 6,901 行(21%)
- 跨省异地就医定点机构医疗药械 · 65 万 行 · 连接字段 region_code按区县对上本数据集 4,104 行(12%)
- 医院可达性验证交通运输 · 20.9 万 行 · 连接字段 dest_county_code按区县对上本数据集 3,609 行(11%)
- 全国 1 到 5 级河流自然灾害 · 1,830 行 · 连接字段 label_county_code按区县对上本数据集 3,351 行(10%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 545 行(1.7%)
只按年份能连:495 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
495 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
- 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
- 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
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 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。
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/taobao-village-list/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"福建省"}],"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。