
全国A级景区明细
一行代表一个A级旅游景区。覆盖全国各省份,包含景区名称、等级、地址、经纬度及发布时间等信息。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险责任险时间跨度:2020–2025 年数据出处 各地文旅厅官网
- 记录
- 1.6 万
- 字段
- 12
- AI 扩增字段
- 4
- 平均非空率
- 100%
- 字段完整度
12 个字段,10 个没有空值,4 个 AI 扩增
01字段
字段来源,逐一标明
共 12 个字段,其中 AI 扩增字段 4 个。非空率按当前版本的 15,695 行计算。
关于这个数据集
一行代表一个A级旅游景区。覆盖全国各省份,包含景区名称、等级、地址、经纬度及发布时间等信息。可用于评估景区客流风险、旅游责任险定价及自然灾害对旅游设施的影响。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 景区名称attraction_name含义:名称 | 文本 | 原生 | 100% | — | ||
| 景区等级level含义:类别 | 文本 | 原生 | 100% | 如5A, 4A等 原表列名:等级 | ||
| 详细地址address含义:地址 | 文本 | 原生 | 100% | 原表列名:地址 | ||
| 省份province含义:地区键:省份名称。样本里格式符合 95.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:省级 | ||
| 发布时间publish_date规律 1:发布时间的字段规律字段规律:publish_year由发布时间扩增得出。含义:日期或时间键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | 原表列名:相关文件发布时间 | ||
| 编码地址encoded_address规律 2:编码地址的字段规律字段规律:encoded_address_city_code由编码地址扩增得出。。encoded_address_county_code由编码地址扩增得出。含义:地址键:地址。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 含义不清,疑似地理编码中间结果 | ||
| 经度lng规律 1:经度的字段规律字段规律:county_code由经度、纬度扩增得出。含义:经纬度(度)键:经度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84坐标系 原表列名:lng_wgs84 | ||
| 纬度lat规律 1:纬度的字段规律字段规律:county_code由经度、纬度扩增得出。含义:经纬度(度)键:纬度。样本里格式符合 100%,还没有参照 | 小数 | 原生 | 100% | WGS84坐标系 原表列名:lat_wgs84 | ||
| 所在区县代码county_code规律 1:所在区县代码的字段规律字段规律:county_code由经度、纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,99.8% 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 | ||
| 发布年份publish_year规律 1:发布年份的字段规律字段规律:publish_year由发布时间扩增得出。含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源:发布年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从发布时间算出的年份 | ||
| 编码地址所在区县代码encoded_address_county_code规律 1:编码地址所在区县代码的字段规律字段规律:encoded_address_county_code由编码地址扩增得出。键:县级区划代码。样本里格式符合 100%,97.5% 的行对上参照 region-name-alias | 文本 | AI 扩增AI 抽取第 3 级扩增查看溯源:编码地址所在区县代码 | 98%平均置信度 0.97校验少:不建议单独作为决策依据 | 本地模型从编码地址里抽出省、市、县的名称,程序再查行政区划参照得出现行的县级代码。模型不给代码。置信度低的等运营人员确认 | ||
| 编码地址所在城市代码encoded_address_city_code规律 1:编码地址所在城市代码的字段规律字段规律:encoded_address_city_code由编码地址扩增得出。键:市级区划代码。样本里格式符合 100%,98.6% 的行对上参照 region-name-alias | 文本 | AI 扩增AI 抽取第 3 级扩增查看溯源:编码地址所在城市代码 | 99%平均置信度 0.97校验少:不建议单独作为决策依据 | 本地模型从编码地址里抽出省、市、县的名称,程序再查行政区划参照得出现行的地级代码。模型不给代码。没有把握的等运营人员确认 |
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attraction_name | 景区等级level | 详细地址address | 省份province | 发布时间publish_date | 编码地址encoded_address | 经度lng | 纬度lat | 所在区县代码county_code | 发布年份publish_year | 编码地址所在区县代码encoded_address_county_code | 编码地址所在城市代码encoded_address_city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京(通州)大运河文化旅游景区 | 5A | 北京市通州区张家湾镇北运河桥南400米 | 北京市 | 2025-04-15 | 北京市北京市通州区张家湾镇北运河桥南400米北京(通州)大运河文化旅游景区 | 116.661651418222 | 39.9129814806265 | 110112 | 2025 | 110112 | 110000 |
| 2 | 文化和旅游部恭王府博物馆 | 5A | 北京市西城区柳荫街甲14号 | 北京市 | 2025-04-15 | 北京市北京市西城区柳荫街甲14号文化和旅游部恭王府博物馆 | 116.380277872995 | 39.9347960684553 | 110102 | 2025 | 110102 | 110000 |
| 3 | 八达岭长城景区 | 5A | 北京市延庆区八达岭旅游公司院内 | 北京市 | 2025-04-15 | 北京市北京市延庆区八达岭旅游公司院内八达岭长城景区 | 116.011349533001 | 40.355181731004 | 110119 | 2025 | 110119 | 110000 |
| 4 | 天坛公园景区 | 5A | 北京市东城区天坛内东里7号天坛公园管理处 | 北京市 | 2025-04-15 | 北京市北京市东城区天坛内东里7号天坛公园管理处天坛公园景区 | 116.412194325213 | 39.8771832556178 | 110101 | 2025 | 110101 | 110000 |
| 5 | 故宫博物院 | 5A | 北京市东城区景山前街4号 | 北京市 | 2025-04-15 | 北京市北京市东城区景山前街4号故宫博物院 | 116.390802772786 | 39.9163482106941 | 110101 | 2025 | 110101 | 110000 |
| 6 | 北京市昌平区十三陵景区 | 5A | 北京市昌平区十三陵特区办事处 | 北京市 | 2025-04-15 | 北京市北京市昌平区十三陵特区办事处北京市昌平区十三陵景区 | 116.221854701024 | 40.2931073168994 | 110114 | 2025 | 110114 | 110000 |
| 7 | 圆明园遗址公园景区 | 5A | 北京市海淀区清华西路28号 | 北京市 | 2025-04-15 | 北京市北京市海淀区清华西路28号圆明园遗址公园景区 | 116.307400489261 | 39.9997687512829 | 110108 | 2025 | 110108 | 110000 |
| 8 | 颐和园景区 | 5A | 北京市海淀区宫门前街甲23号 | 北京市 | 2025-04-15 | 北京市北京市海淀区宫门前街甲23号颐和园景区 | 116.276642160272 | 39.9952281714818 | 110108 | 2025 | 110108 | 110000 |
| 9 | 北京市奥林匹克公园景区 | 5A | 北京市朝阳区北辰东路15号 | 北京市 | 2025-04-15 | 北京市北京市朝阳区北辰东路15号北京市奥林匹克公园景区 | 116.393930646781 | 39.9899091135649 | 110105 | 2025 | 110105 | 110000 |
| 10 | 慕田峪长城景区 | 5A | 北京市怀柔区渤海镇慕田峪村 | 北京市 | 2025-04-15 | 北京市北京市怀柔区渤海镇慕田峪村慕田峪长城景区 | 116.559160224108 | 40.4305511731669 | 110116 | 2025 | 110116 | 110000 |
| 11 | 北京市东城区地坛公园景区 | 4A | 北京市东城区安定门外大街200号 | 北京市 | 2025-04-15 | 北京市北京市东城区安定门外大街200号北京市东城区地坛公园景区 | 116.408705241006 | 39.9522538109914 | 110101 | 2025 | 110101 | 110000 |
| 12 | 中国紫檀博物馆 | 4A | 北京市朝阳区建国路23号 | 北京市 | 2025-04-15 | 北京市北京市朝阳区建国路23号中国紫檀博物馆 | 116.520239787591 | 39.9093597776724 | 110105 | 2025 | 110105 | 110000 |
| 13 | 北京野生动物园景区 | 4A | 北京市大兴区榆垡镇万亩林 | 北京市 | 2025-04-15 | 北京市北京市大兴区榆垡镇万亩林北京野生动物园景区 | 116.32918407085 | 39.4959791460823 | 110115 | 2025 | 110115 | 110000 |
| 14 | 北京国际鲜花港景区 | 4A | 北京市顺义区杨镇鲜花港南路9号(白马路北侧) | 北京市 | 2025-04-15 | 北京市北京市顺义区杨镇鲜花港南路9号(白马路北侧)北京国际鲜花港景区 | 116.790943921939 | 40.1806135856037 | 110113 | 2025 | 110113 | 110000 |
| 15 | 小汤山现代农业科技示范园景区 | 4A | 北京市昌平区小汤山镇立汤路马坊 | 北京市 | 2025-04-15 | 北京市北京市昌平区小汤山镇立汤路马坊小汤山现代农业科技示范园景区 | 116.426868212599 | 40.153852834557 | 110114 | 2025 | 110114 | 110000 |
| 16 | 仙居谷风景区 | 4A | 北京市密云区太师屯镇令公村甲一号 | 北京市 | 2025-04-15 | 北京市北京市密云区太师屯镇令公村甲一号仙居谷风景区 | 117.231545884703 | 40.5872136575055 | 110118 | 2025 | 110118 | 110000 |
| 17 | 世界公园景区 | 4A | 北京市丰台区花乡大葆台158号 | 北京市 | 2025-04-15 | 北京市北京市丰台区花乡大葆台158号世界公园景区 | 116.28162731008 | 39.8092289180298 | 110106 | 2025 | 110106 | 110000 |
| 18 | 北京凤凰岭景区 | 4A | 北京市海淀区苏家坨镇凤凰岭路19号 | 北京市 | 2025-04-15 | 北京市北京市海淀区苏家坨镇凤凰岭路19号北京凤凰岭景区 | 116.091176736129 | 40.1033465834474 | 110108 | 2025 | 110108 | 110000 |
| 19 | 平谷区京东石林峡风景区 | 4A | 北京市平谷区雕窝村73号 | 北京市 | 2025-04-15 | 北京市北京市平谷区雕窝村73号平谷区京东石林峡风景区 | 117.235715267251 | 40.2611748362145 | 110117 | 2025 | 110117 | 110000 |
| 20 | 北京雁栖湖景区 | 4A | 北京市怀柔区怀北镇雁水路3号 | 北京市 | 2025-04-15 | 北京市北京市怀柔区怀北镇雁水路3号北京雁栖湖景区 | 116.6782457776 | 40.3966084630096 | 110116 | 2025 | 110116 | 110000 |
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 v12026/11/13 发布
生效中15,695 行 · 12 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 135 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 + 区县 + 省份 + 年份 能连
42 个数据集 · 本数据集 15,471 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 region_code、year、province、city_code按城市对上本数据集 15,471 行(98%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、county_code、province、city_code按城市对上本数据集 15,471 行(98%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、county_code、year、province按城市对上本数据集 15,471 行(98%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 county_code、province、approve_date、city_code按城市对上本数据集 15,471 行(98%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 region_code、city_code、province、year按城市对上本数据集 15,471 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 province、region_code、county_code、year按城市对上本数据集 15,471 行(98%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 province、county_code、year、city_code按城市对上本数据集 15,471 行(98%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 county_code、province、founded_year、city_code按城市对上本数据集 15,471 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 year、province_name、county_code_2、city_code_2按城市对上本数据集 15,471 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 city_code、province、division_year、region_code按城市对上本数据集 15,471 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、region_code、city_code、division_year按城市对上本数据集 15,471 行(98%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 province、region_code、city_code、layer_year按城市对上本数据集 15,471 行(98%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 15,471 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_province、month、origin_city_code按城市对上本数据集 15,471 行(98%)
- 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、province按城市对上本数据集 15,471 行(98%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 15,471 行(98%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code、province按城市对上本数据集 15,471 行(98%)
- 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、year按城市对上本数据集 15,471 行(98%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date、province按城市对上本数据集 15,471 行(98%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 15,471 行(98%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、province、year按城市对上本数据集 15,471 行(98%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、province_code、date按城市对上本数据集 15,471 行(98%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 province、year、region_code按城市对上本数据集 15,471 行(98%)
- 地级市逐年降水量自然灾害 · 2.7 万 行 · 连接字段 province、year、city_code按城市对上本数据集 15,471 行(98%)
- 地级市绿色专利统计区域底数 · 1.3 万 行 · 连接字段 year、region_code、province按城市对上本数据集 15,471 行(98%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 15,663 行有区县- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 year、province、region_code按区县对上本数据集 15,663 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、province、issue_date按区县对上本数据集 15,660 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 15,648 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 15,648 行(99%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 year、region_code、province按区县对上本数据集 15,648 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 first_year、province、region_code按区县对上本数据集 15,645 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、adcode、pname按区县对上本数据集 15,644 行(99%)
- 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、taobao_village_year按区县对上本数据集 15,642 行(99%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 region_code、year、province按区县对上本数据集 15,589 行(99%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 year、region_code、province按区县对上本数据集 15,580 行(99%)
- 县域数字普惠金融指数区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 15,577 行(99%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、province、year按区县对上本数据集 15,556 行(99%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 15,471 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、county_code、city_code按城市对上本数据集 15,471 行(98%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 15,471 行(98%)
- 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、city_code、province_code按城市对上本数据集 15,471 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code、county_code按城市对上本数据集 15,425 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code、city_code按城市对上本数据集 15,135 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、province_code、city_code按城市对上本数据集 14,689 行(93%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、province、county_code按城市对上本数据集 14,627 行(93%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 14,477 行(92%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 county_code、city_code、province按城市对上本数据集 14,133 行(90%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code、city_code按城市对上本数据集 12,970 行(82%)
- 区县代码匹配表区域底数 · 162 行 · 连接字段 region_code、province_name、city_code按城市对上本数据集 6,806 行(43%)
- 区县建筑轮廓汇总区域底数 · 391 行 · 连接字段 province、city_code、region_code按城市对上本数据集 4,298 行(27%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 15,471 行有城市- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 city_code、year、county_code按城市对上本数据集 15,192 行(96%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code、pub_date、applicant_address_county_code按城市对上本数据集 14,852 行(94%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 year、city_code、region_code_adj按城市对上本数据集 14,561 行(92%)
- 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、address_city_code按城市对上本数据集 12,289 行(78%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 county_code、city_code、year按城市对上本数据集 9,786 行(62%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 established_date、county_code、address_city_code按城市对上本数据集 2,417 行(15%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 15,097 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 15,097 行(96%)
- 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 15,097 行(96%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 15,097 行(96%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 15,097 行(96%)
- 省级教育统计面板区域底数 · 143.5 万 行 · 连接字段 region_code、year按省份对上本数据集 15,097 行(96%)
- 省级统计年鉴长序列指标区域底数 · 74.4 万 行 · 连接字段 province、year按省份对上本数据集 15,097 行(96%)
- 劳动统计年鉴省级指标区域底数 · 60.3 万 行 · 连接字段 year、region_code按省份对上本数据集 15,097 行(96%)
- 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、year按省份对上本数据集 15,097 行(96%)
- 分省分行业工业企业指标区域底数 · 50.4 万 行 · 连接字段 year、province按省份对上本数据集 15,097 行(96%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 year、region_code按省份对上本数据集 15,097 行(96%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 identify_year、province按省份对上本数据集 15,097 行(96%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 15,097 行(96%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 15,471 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、year按城市对上本数据集 15,471 行(98%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 15,471 行(98%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 15,471 行(98%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 15,471 行(98%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 15,471 行(98%)
- 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、month按城市对上本数据集 15,456 行(98%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 15,453 行(98%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 region_code、year按城市对上本数据集 15,418 行(98%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 region_code、date按城市对上本数据集 15,124 行(96%)
- 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、date按城市对上本数据集 14,689 行(93%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 14,531 行(92%)
- 城市间高铁连接状态交通运输 · 116.6 万 行 · 连接字段 city1_code、year按城市对上本数据集 13,996 行(89%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 15,471 行有城市- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 15,471 行(98%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 15,420 行(98%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 15,405 行(98%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code、province按城市对上本数据集 15,214 行(96%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 province、city_code按城市对上本数据集 15,090 行(96%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code、province按城市对上本数据集 14,689 行(93%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 city_code、province按城市对上本数据集 14,428 行(91%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 province、city_code_2按城市对上本数据集 13,759 行(87%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 region_code、province按城市对上本数据集 13,685 行(87%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province、city_code按城市对上本数据集 13,506 行(86%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code、province按城市对上本数据集 13,500 行(86%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 city_code、province按城市对上本数据集 13,371 行(85%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 15,663 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、valid_from按区县对上本数据集 15,663 行(99%)
- 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 15,567 行(99%)
- 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 15,390 行(98%)
- 全国百强区县入选状态区域底数 · 4.1 万 行 · 连接字段 region_code、year按区县对上本数据集 14,256 行(90%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 change_year、old_code按区县对上本数据集 12,894 行(82%)
- 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 8,925 行(56%)
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 county_code、date按区县对上本数据集 4,762 行(30%)
- 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 4,605 行(29%)
- 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 3,446 行(21%)
- 城市和区县新冠疫情日度人口健康 · 53.3 万 行 · 连接字段 county_code、date按区县对上本数据集 3,135 行(19%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 15,663 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 15,471 行有城市按 省份 能连
14 个数据集 · 本数据集 15,097 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 15,097 行(96%)
- 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 15,097 行(96%)
- 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 15,097 行(96%)
- 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 15,097 行(96%)
- 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 15,097 行(96%)
- 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 15,097 行(96%)
- 分省景区数量统计区域底数 · 136 行 · 连接字段 province按省份对上本数据集 15,097 行(96%)
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 15,097 行(96%)
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 14,953 行(95%)
- 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 14,949 行(95%)
- 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 14,949 行(95%)
- 高新区创新积分试点名单区域底数 · 133 行 · 连接字段 province按省份对上本数据集 14,098 行(89%)
按 区县 能连
9 个数据集 · 本数据集 15,663 行有区县- 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 15,579 行(99%)
- 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 15,519 行(98%)
- 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 15,490 行(98%)
- 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 14,945 行(95%)
- 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 14,365 行(91%)
- 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 12,734 行(81%)
- 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 8,601 行(54%)
- 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 7,913 行(50%)
- 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 6,999 行(44%)
按 城市 能连
7 个数据集 · 本数据集 15,471 行有城市- 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 15,434 行(98%)
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 13,626 行(86%)
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 13,529 行(86%)
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 13,529 行(86%)
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 13,357 行(85%)
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 13,129 行(83%)
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 2,737 行(17%)
只按年份能连:435 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
435 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
- 上市公司专利申请明细企业主体 · 224.2 万 行 · 连接字段 year
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4
- 扩增得出
county_code由经度、纬度扩增得出。
来自字段扩增全国A级景区明细全国A级景区明细 - 扩增得出
encoded_address_city_code由编码地址扩增得出。
来自字段扩增 - 扩增得出
encoded_address_county_code由编码地址扩增得出。
来自字段扩增 - 扩增得出
publish_year由发布时间扩增得出。
来自字段扩增全国A级景区明细全国A级景区明细
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/tourist-attraction-2025/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"attraction_name","op":"eq","value":"北京(通州)大运河文化旅游景区"}],"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。