
全国A级景区点位
一行是一个 A 级旅游景区:名称、等级(1A 到 5A)、所在省市区县、地址、名录发布时间和链接、经纬度。
v1 生效中 · 2026/11/14 发布险种标签:责任险数据出处 研究者按各省文化和旅游部门 2023 年发布的 A 级景区名录整理并地理编码的点位数据,每行带名录链接
- 记录
- 1.5 万
- 字段
- 16
- AI 扩增字段
- 3
- 平均非空率
- 94.5%
- 字段完整度
16 个字段,9 个没有空值,3 个 AI 扩增
01字段
字段来源,逐一标明
共 16 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 14,842 行计算。
关于这个数据集
一行是一个 A 级旅游景区:名称、等级(1A 到 5A)、所在省市区县、地址、名录发布时间和链接、经纬度。按 2023 年各地发布的名录整理,共 14842 个。可用来看人流聚集的地点,做旅游意外险、公众责任险的风险参照。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 景区名称spot_name | 文本 | 原生 | 100% | — | ||
| 等级grade | 文本 | 原生 | 100% | 1A 到 5A | ||
| 省份province规律 2:省份的字段规律字段规律:city_code由省份、城市扩增得出。。county_code由省份、城市、区县扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 城市city规律 2:城市的字段规律字段规律:city_code由省份、城市扩增得出。。county_code由省份、城市、区县扩增得出。键:城市名称。样本里格式符合 97.5%,还没有参照 | 文本 | 原生 | 99% | — | ||
| 区县county规律 1:区县的字段规律字段规律:county_code由省份、城市、区县扩增得出。键:区县名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 97% | — | ||
| 地址address键:地址。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 评定时间rated_date | 文本 | 原生 | 31% | 原表大多没有写 | ||
| 名录发布时间published_date | 文本 | 原生 | 92% | 各地文旅部门发布名录的时间 | ||
| 名录链接source_url | 文本 | 原生 | 96% | 各地文旅部门的名录网页 | ||
| 经度lng_wgs84规律 1:经度的字段规律字段规律:county_code_2由经度、纬度扩增得出。键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84 | ||
| 纬度lat_wgs84规律 1:纬度的字段规律字段规律:county_code_2由经度、纬度扩增得出。键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84 | ||
| 经度(GCJ02)lng_gcj02键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 高德地图坐标 | ||
| 纬度(GCJ02)lat_gcj02键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | 高德地图坐标 | ||
| 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由省份、城市、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 | 由省份、城市、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 | ||
| 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由省份、城市扩增得出。键:市级区划代码。样本里格式符合 100%,99.4% 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 | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 由省份、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 | ||
| 所在区县代码county_code_2规律 1:所在区县代码的字段规律字段规律:county_code_2由经度、纬度扩增得出。键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:所在区县代码 | 100%平均置信度 0.96校验少:不建议单独作为决策依据 | 经度、纬度落在哪个区县,现行的县级区划代码。用县级边界查出,不用模型。离边界不到 1 公里的点置信度较低 |
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。
| # | 景区名称spot_name | 等级grade | 省份province | 城市city | 区县county | 地址address | 评定时间rated_date | 名录发布时间published_date | 名录链接source_url | 经度lng_wgs84 | 纬度lat_wgs84 | 经度(GCJ02)lng_gcj02 | 纬度(GCJ02)lat_gcj02 | 区县区划代码county_code | 城市区划代码city_code | 所在区县代码county_code_2 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 恭王府 | 5A | 北京 | 北京市 | 西城区 | 北京西城区柳荫街甲14号恭王府 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.3800742 | 39.93581441 | 116.38631 | 39.937209 | 110102 | 110000 | 110102 |
| 2 | 八达岭长城风景名胜区 | 5A | 北京 | 北京市 | 延庆区 | 北京延庆区北京市延庆区八达岭旅游公司院内八达岭长城风景名胜区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.0105793 | 40.35489241 | 116.016802 | 40.356188 | 110119 | 110000 | 110119 |
| 3 | 天坛公园 | 5A | 北京 | 北京市 | 东城区 | 北京东城区天坛内东里7号天坛公园管理处天坛公园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.404646 | 39.88054634 | 116.410886 | 39.881949 | 110101 | 110000 | 110101 |
| 4 | 慕田峪长城 | 5A | 北京 | 北京市 | 怀柔区 | 北京怀柔区渤海镇慕田峪村慕田峪长城 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.5581503 | 40.4297075 | 116.564036 | 40.43086 | 110116 | 110000 | 110116 |
| 5 | 故宫博物院 | 5A | 北京 | 北京市 | 东城区 | 北京东城区景山前街4号故宫博物院 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.3907839 | 39.91665658 | 116.397026 | 39.918058 | 110101 | 110000 | 110101 |
| 6 | 圆明园遗址公园 | 5A | 北京 | 北京市 | 海淀区 | 北京海淀区清华西路28号圆明园遗址公园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.3062185 | 39.99932639 | 116.312316 | 40.000601 | 110108 | 110000 | 110108 |
| 7 | 颐和园 | 5A | 北京 | 北京市 | 海淀区 | 北京海淀区北京海淀区宫门前街甲23号颐和园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.2668337 | 39.99120524 | 116.272876 | 39.99243 | 110108 | 110000 | 110108 |
| 8 | 北京市奥林匹克公园 | 5A | 北京 | 北京市 | 朝阳区 | 北京朝阳区朝阳区北辰东路15号北京市奥林匹克公园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.3862845 | 40.01360727 | 116.392536 | 40.01501 | 110105 | 110000 | 110105 |
| 9 | 十三陵 | 5A | 北京 | 北京市 | 昌平区 | 北京昌平区十三陵特区办事处十三陵 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.2427942 | 40.29896978 | 116.248876 | 40.300225 | 110114 | 110000 | 110114 |
| 10 | 通州大运河森林旅游区 | 4A | 北京 | 北京市 | 通州区 | 北京通州区北京市通州区通胡大街奥体公园通州大运河森林旅游区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.6823349 | 39.90737096 | 116.688292 | 39.908522 | 110112 | 110000 | 110112 |
| 11 | 中国园林博物馆 | 4A | 北京 | 北京市 | 丰台区 | 北京丰台区北京市丰台区射击场路15号中国园林博物馆 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.1706773 | 39.8779921 | 116.176854 | 39.879301 | 110106 | 110000 | 110106 |
| 12 | 北京世园公园 | 4A | 北京 | 北京市 | 延庆区 | 北京延庆区北京市延庆区环湖南路北京世园公园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 115.9415808 | 40.44139463 | 115.94761 | 40.442537 | 110119 | 110000 | 110119 |
| 13 | 北京市房山区周口店遗址景区 | 4A | 北京 | 北京市 | 房山区 | 北京房山区周口店大街1号北京市房山区周口店遗址景区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 115.9225267 | 39.68706664 | 115.928439 | 39.68808 | 110111 | 110000 | 110111 |
| 14 | 野鸭湖景区 | 4A | 北京 | 北京市 | 延庆区 | 北京延庆区康庄镇刘浩营村西野鸭湖景区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 115.8516354 | 40.40779041 | 115.857721 | 40.408931 | 110119 | 110000 | 110119 |
| 15 | 国家植物园 | 4A | 北京 | 北京市 | 海淀区 | 北京海淀区北京市植物园(卧佛寺)国家植物园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.2043854 | 39.9903642 | 116.210487 | 39.991619 | 110108 | 110000 | 110108 |
| 16 | 凤凰岭自然风景区 | 4A | 北京 | 北京市 | 海淀区 | 北京海淀区苏家坨镇凤凰岭路19号凤凰岭自然风景区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.0788321 | 40.10481774 | 116.08518 | 40.106216 | 110108 | 110000 | 110108 |
| 17 | 世界公园 | 4A | 北京 | 北京市 | 丰台区 | 北京丰台区花乡大葆台158号世界公园 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.2813674 | 39.80920118 | 116.2874 | 39.81043 | 110106 | 110000 | 110106 |
| 18 | 雁栖湖旅游区 | 4A | 北京 | 北京市 | 怀柔区 | 北京怀柔区北京市怀柔区怀北镇雁水路3号雁栖湖旅游区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.6627402 | 40.39138075 | 116.668702 | 40.39256 | 110116 | 110000 | 110116 |
| 19 | 京东石林峡风景区 | 4A | 北京 | 北京市 | 平谷区 | 北京平谷区北京市平谷区雕窝村73号京东石林峡风景区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 117.2442102 | 40.26034247 | 117.250628 | 40.261612 | 110117 | 110000 | 110117 |
| 20 | 八达岭水关长城景区 | 4A | 北京 | 北京市 | 延庆区 | 北京延庆区八达岭镇石佛寺村八达岭水关长城景区 | — | 2023-02-16 | https://data.beijing.gov.cn/zyml/ajg/slyw/19605.htm | 116.0313888 | 40.33698236 | 116.037676 | 40.338332 | 110119 | 110000 | 110119 |
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 v12026/11/14 发布
生效中14,842 行 · 16 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 81 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 + 区县 + 省份 能连
56 个数据集 · 本数据集 14,758 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、county_code、province_code按城市对上本数据集 14,758 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、province、city_code按城市对上本数据集 14,758 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 province、county_code、city_code按城市对上本数据集 14,758 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 14,758 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 province、county_code、city_code按城市对上本数据集 14,758 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、city_code、province按城市对上本数据集 14,758 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、county_code、province按城市对上本数据集 14,758 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、city_code、province按城市对上本数据集 14,758 行(99%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 county_code_2、province_name、city_code_2按城市对上本数据集 14,758 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、region_code、province_code按城市对上本数据集 14,758 行(99%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、province、city_code按城市对上本数据集 14,758 行(99%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、city_code、region_code按城市对上本数据集 14,758 行(99%)
按 城市 + 省份 能连
159 个数据集 · 本数据集 14,758 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 origin_city_code、origin_province按城市对上本数据集 14,758 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 region_code、province按城市对上本数据集 14,758 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、province按城市对上本数据集 14,758 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、province按城市对上本数据集 14,758 行(99%)
- 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 14,758 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、region_code按城市对上本数据集 14,758 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province按城市对上本数据集 14,758 行(99%)
- 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 14,758 行(99%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、province_code按城市对上本数据集 14,758 行(99%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、province按城市对上本数据集 14,758 行(99%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 city_code、province按城市对上本数据集 14,758 行(99%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 province、region_code按城市对上本数据集 14,758 行(99%)
按 区县 + 省份 能连
69 个数据集 · 本数据集 14,366 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 province_code、county_code按区县对上本数据集 14,366 行(96%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 province、region_code按区县对上本数据集 14,366 行(96%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 14,362 行(96%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、region_code按区县对上本数据集 14,362 行(96%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 region_code、province按区县对上本数据集 14,362 行(96%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province、region_code按区县对上本数据集 14,362 行(96%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、province按区县对上本数据集 14,360 行(96%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code按区县对上本数据集 14,360 行(96%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 province、region_code按区县对上本数据集 14,359 行(96%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 adcode、pname按区县对上本数据集 14,354 行(96%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 region_code、province按区县对上本数据集 14,345 行(96%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 province、region_code按区县对上本数据集 14,289 行(96%)
按 城市 + 区县 能连
9 个数据集 · 本数据集 14,758 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code、address_city_code按城市对上本数据集 14,758 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、region_code按城市对上本数据集 14,715 行(99%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、city_code按城市对上本数据集 14,499 行(97%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、applicant_address_county_code按城市对上本数据集 14,218 行(95%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 city_code、region_code_adj按城市对上本数据集 13,913 行(93%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 11,808 行(79%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 city_code、county_code按城市对上本数据集 9,567 行(64%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code、address_city_code按城市对上本数据集 3,583 行(24%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 address_city_code、county_code按城市对上本数据集 2,661 行(17%)
按 省份 能连
337 个数据集 · 本数据集 14,842 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 14,842 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 14,842 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 14,842 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 14,842 行(100%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code按省份对上本数据集 14,842 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 province按省份对上本数据集 14,842 行(100%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 region_code按省份对上本数据集 14,842 行(100%)
- 第三产业统计年鉴省级指标区域底数 · 54.7 万 行 · 连接字段 region_code按省份对上本数据集 14,842 行(100%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 province按省份对上本数据集 14,842 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 14,842 行(100%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code按省份对上本数据集 14,842 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 14,842 行(100%)
按 城市 能连
67 个数据集 · 本数据集 14,758 行有城市- 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 14,758 行(99%)
- 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 14,758 行(99%)
- 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 14,758 行(99%)
- 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 14,758 行(99%)
- 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 14,758 行(99%)
- 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 14,750 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按城市对上本数据集 14,740 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 14,719 行(99%)
- 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 14,706 行(99%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code按城市对上本数据集 14,419 行(97%)
- 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 14,032 行(94%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code按城市对上本数据集 13,839 行(93%)
按 区县 能连
19 个数据集 · 本数据集 14,366 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 old_code按区县对上本数据集 14,366 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 14,301 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 14,247 行(95%)
- 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 14,245 行(95%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code按区县对上本数据集 14,240 行(95%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 county_code按区县对上本数据集 14,092 行(94%)
- 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 13,748 行(92%)
- 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 13,241 行(89%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code按区县对上本数据集 13,194 行(88%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code按区县对上本数据集 11,801 行(79%)
- 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 11,797 行(79%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code按区县对上本数据集 8,102 行(54%)
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3
- 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增全国A级景区点位全国A级景区点位 - 扩增得出
county_code由省份、城市、区县扩增得出。
来自字段扩增全国A级景区点位全国A级景区点位 - 扩增得出
county_code_2由经度、纬度扩增得出。
来自字段扩增全国A级景区点位全国A级景区点位
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/tourism-a-level-scenic-spot/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"spot_name","op":"eq","value":"恭王府"}],"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。