
飞机航线信息
一行代表一个航班班次,包含起降城市、机场、航空公司、时刻及每周班次频率。数据覆盖国内主要城市间的航空运输网络。
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:2023 年 4 月 17 日–2024 年 12 月 3 日数据出处 民航公开数据
- 记录
- 22.1 万
- 字段
- 26
- AI 扩增字段
- 5
- 平均非空率
- 96.1%
- 字段完整度
26 个字段,19 个没有空值,5 个 AI 扩增
01字段
字段来源,逐一标明
共 26 个字段,其中 AI 扩增字段 5 个。非空率按当前版本的 221,279 行计算。
关于这个数据集
一行代表一个航班班次,包含起降城市、机场、航空公司、时刻及每周班次频率。数据覆盖国内主要城市间的航空运输网络。可用于评估航空运输密度及特定航线的运营稳定性,辅助航空险或物流险评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 起点城市org_city规律 1:起点城市的字段规律字段规律:org_city_code由起点城市所属省份、起点城市扩增得出。含义:地区键:城市名称。样本里格式符合 86.8%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Orgcty | ||
| 起点城市所属地级市org_prefecture规律 1:起点城市所属地级市的字段规律字段规律:org_prefecture_code由起点城市所属省份、起点城市所属地级市扩增得出。含义:地区键:城市名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 83% | 原表列名:Pftn_Org | ||
| 起点城市所属省份org_province规律 2:起点城市所属省份的字段规律字段规律:org_city_code由起点城市所属省份、起点城市扩增得出。。org_prefecture_code由起点城市所属省份、起点城市所属地级市扩增得出。含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Prvn_Org | ||
| 起点机场org_airport含义:名称 | 文本 | 原生 | 100% | 原表列名:Orgap | ||
| 终点城市dst_city规律 1:终点城市的字段规律字段规律:dst_city_code由终点城市所属省份、终点城市扩增得出。含义:地区键:城市名称。样本里格式符合 83.5%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Dstntcty | ||
| 终点城市所属地级市dst_prefecture规律 1:终点城市所属地级市的字段规律字段规律:dst_prefecture_code由终点城市所属省份、终点城市所属地级市扩增得出。含义:地区键:城市名称。样本里格式符合 99.4%,还没有参照 | 文本 | 原生 | 83% | 单位:Dstnt。 原表列名:Pftn_Dstnt | ||
| 终点城市所属省份dst_province规律 2:终点城市所属省份的字段规律字段规律:dst_city_code由终点城市所属省份、终点城市扩增得出。。dst_prefecture_code由终点城市所属省份、终点城市所属地级市扩增得出。含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 单位:Dstnt。 原表列名:Prvn_Dstnt | ||
| 终点机场dst_airport含义:名称 | 文本 | 原生 | 100% | 原表列名:Dstntap | ||
| 航空公司airline含义:名称 | 文本 | 原生 | 100% | 原表列名:Airlines | ||
| 更新日期update_date规律 1:更新日期的字段规律字段规律:update_year由更新日期扩增得出。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:Update | ||
| 航班flight_no含义:代码或编号 | 文本 | 原生 | 100% | 原表列名:Flight | ||
| 出发时间dep_time含义:日期或时间 | 文本 | 原生 | 100% | 格式 HH:MM 原表列名:Dpttm | ||
| 到达时间arr_time含义:日期或时间 | 文本 | 原生 | 100% | 格式 HH:MM 原表列名:Arvtm | ||
| 准点率on_time_rate含义:比率(%) | 文本 | 原生 | 75% | 百分比字符串 原表列名:Ptalt | ||
| 班次_周一freq_mon含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Mon | ||
| 班次_周二freq_tue含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Tur | ||
| 班次_周三freq_wed含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Wes | ||
| 班次_周四freq_thu含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Thur | ||
| 班次_周五freq_fri含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Fri | ||
| 班次_周六freq_sat含义:是否 | 整数 | 原生 | 100% | 单位:Sat。0或1 原表列名:Frqcy_Sat | ||
| 班次_周日freq_sun含义:是否 | 整数 | 原生 | 100% | 0或1 原表列名:Frqcy_Sun | ||
| 终点城市区划代码dst_city_code规律 1:终点城市区划代码的字段规律字段规律:dst_city_code由终点城市所属省份、终点城市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,95.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:终点城市区划代码 | 96%平均置信度 0.97校验少:不建议单独作为决策依据 | 由终点城市所属省份、终点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 | ||
| 终点城市所属地级市区划代码dst_prefecture_code规律 1:终点城市所属地级市区划代码的字段规律字段规律:dst_prefecture_code由终点城市所属省份、终点城市所属地级市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,83% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:终点城市所属地级市区划代码 | 83%平均置信度 1.00校验少:不建议单独作为决策依据 | 由终点城市所属省份、终点城市所属地级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 | ||
| 起点城市区划代码org_city_code规律 1:起点城市区划代码的字段规律字段规律:org_city_code由起点城市所属省份、起点城市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,95.7% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:起点城市区划代码 | 96%平均置信度 0.97校验少:不建议单独作为决策依据 | 由起点城市所属省份、起点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 | ||
| 起点城市所属地级市区划代码org_prefecture_code规律 1:起点城市所属地级市区划代码的字段规律字段规律:org_prefecture_code由起点城市所属省份、起点城市所属地级市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,83% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:起点城市所属地级市区划代码 | 83%平均置信度 1.00校验少:不建议单独作为决策依据 | 由起点城市所属省份、起点城市所属地级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 | ||
| 更新年份update_year规律 1:更新年份的字段规律字段规律:update_year由更新日期扩增得出。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:更新年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从更新日期算出的年份 |
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。
| # | 起点城市org_city | 起点城市所属地级市org_prefecture | 起点城市所属省份org_province | 起点机场org_airport | 终点城市dst_city | 终点城市所属地级市dst_prefecture | 终点城市所属省份dst_province | 终点机场dst_airport | 航空公司airline | 更新日期update_date | 航班flight_no | 出发时间dep_time | 到达时间arr_time | 准点率on_time_rate | 班次_周一freq_mon | 班次_周二freq_tue | 班次_周三freq_wed | 班次_周四freq_thu | 班次_周五freq_fri | 班次_周六freq_sat | 班次_周日freq_sun | 终点城市区划代码dst_city_code | 终点城市所属地级市区划代码dst_prefecture_code | 起点城市区划代码org_city_code | 起点城市所属地级市区划代码org_prefecture_code | 更新年份update_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 天津航空 | 2023-12-18 | GS6676 | 10:40 | 12:50 | 97% | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 150100 | 150100 | — | 152200 | 2023 |
| 2 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海航旗下天津航 | 2024-05-23 | GS6676 | 10:40 | 12:45 | 97% | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 150100 | 150100 | — | 152200 | 2024 |
| 3 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海航旗下天津航 | 2023-04-17 | GS6676 | 10:45 | 13:00 | 93% | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 150100 | 150100 | — | 152200 | 2023 |
| 4 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 中国联合航空 | 2023-04-17 | KN2982 | 11:00 | 13:20 | 100% | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 110000 | — | — | 152200 | 2023 |
| 5 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 东方航空 | 2023-04-17 | MU8652 | 11:00 | 13:20 | 100% | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 110000 | — | — | 152200 | 2023 |
| 6 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海航旗下天津航 | 2023-04-17 | GS6676 | 11:00 | 13:15 | 93% | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 150100 | 150100 | — | 152200 | 2023 |
| 7 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 中国联合航空 | 2024-05-23 | KN5512 | 11:10 | 13:20 | — | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 110000 | — | — | 152200 | 2024 |
| 8 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 东方航空 | 2024-05-23 | MU8175 | 11:10 | 13:20 | — | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 110000 | — | — | 152200 | 2024 |
| 9 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 满洲里 | 呼伦贝尔市 | 内蒙古自治区 | 满洲里西郊国际机场 | 中国联合航空 | 2023-12-18 | KN5561 | 11:20 | 12:20 | — | 1 | 0 | 1 | 0 | 1 | 0 | 1 | — | 150700 | — | 152200 | 2023 |
| 10 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 满洲里 | 呼伦贝尔市 | 内蒙古自治区 | 满洲里西郊国际机场 | 东方航空 | 2023-12-18 | MU8188 | 11:20 | 12:20 | — | 1 | 0 | 0 | 0 | 0 | 0 | 0 | — | 150700 | — | 152200 | 2023 |
| 11 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海航旗下天津航 | 2024-12-03 | GS6676 | 11:40 | 13:50 | 100% | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 150100 | 150100 | — | 152200 | 2024 |
| 12 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海南航空 | 2024-12-03 | HU3204 | 11:40 | 13:50 | 100% | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 150100 | 150100 | — | 152200 | 2024 |
| 13 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 海航旗下天津航 | 2024-05-23 | GS6676 | 11:40 | 13:40 | 97% | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 150100 | 150100 | — | 152200 | 2024 |
| 14 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 中国联合航空 | 2023-04-17 | KN2982 | 12:00 | 14:30 | 100% | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 110000 | — | — | 152200 | 2023 |
| 15 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 东方航空 | 2023-04-17 | MU8652 | 12:00 | 14:30 | 100% | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 110000 | — | — | 152200 | 2023 |
| 16 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 华夏航空 | 2024-12-03 | G54694 | 12:15 | 14:25 | — | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 150100 | 150100 | — | 152200 | 2024 |
| 17 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 厦门航空 | 2024-12-03 | MF2704 | 12:15 | 14:25 | 100% | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 150100 | 150100 | — | 152200 | 2024 |
| 18 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 白塔国际机场 | 山东航空 | 2024-12-03 | SC3904 | 12:15 | 14:25 | 100% | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 150100 | 150100 | — | 152200 | 2024 |
| 19 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 中国联合航空 | 2023-12-18 | KN5562 | 14:50 | 17:15 | — | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 110000 | — | — | 152200 | 2023 |
| 20 | 阿尔山 | 兴安盟 | 内蒙古自治区 | 伊尔施机场 | 北京 | — | 北京市 | 大兴国际机场 | 东方航空 | 2023-12-18 | MU8189 | 14:50 | 17:15 | — | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 110000 | — | — | 152200 | 2023 |
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221,279 行 · 26 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 70 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 + 省份 + 年份 能连
186 个数据集 · 本数据集 211,836 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、month、origin_province按城市对上本数据集 211,836 行(95%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、city_code按城市对上本数据集 211,836 行(95%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 origin_city_code、year、origin_province按城市对上本数据集 211,836 行(95%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、province、date按城市对上本数据集 211,836 行(95%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、province、year按城市对上本数据集 211,836 行(95%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 date、city_code、province按城市对上本数据集 211,836 行(95%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 city_code、year、province按城市对上本数据集 211,836 行(95%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code、province按城市对上本数据集 211,836 行(95%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 city_code、approve_date、province按城市对上本数据集 211,836 行(95%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、city_code、year按城市对上本数据集 211,836 行(95%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 city_code、date、province_code按城市对上本数据集 211,836 行(95%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、region_code、province按城市对上本数据集 211,836 行(95%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 221,279 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、year按省份对上本数据集 221,279 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 221,279 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 221,279 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date、province按省份对上本数据集 221,279 行(100%)
- 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、province_code按省份对上本数据集 221,279 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 221,279 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 221,279 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 year、province按省份对上本数据集 221,279 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 221,279 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 221,279 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 221,279 行(100%)
- 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 221,279 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 211,836 行有城市- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 211,803 行(95%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 211,611 行(95%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 year、region_code按城市对上本数据集 211,611 行(95%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 211,611 行(95%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 211,611 行(95%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 211,611 行(95%)
- 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 211,573 行(95%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 month、city_code按城市对上本数据集 211,551 行(95%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code按城市对上本数据集 210,636 行(95%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 year、region_code按城市对上本数据集 209,802 行(94%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year按城市对上本数据集 208,650 行(94%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 208,141 行(94%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 211,836 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、city_code按城市对上本数据集 211,836 行(95%)
- 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、city_code按城市对上本数据集 211,836 行(95%)
- 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 211,836 行(95%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 211,836 行(95%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 211,814 行(95%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province、city_code按城市对上本数据集 211,611 行(95%)
- 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 211,358 行(95%)
- 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 211,152 行(95%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 210,966 行(95%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、city_code按城市对上本数据集 209,379 行(94%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 208,864 行(94%)
- 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 207,229 行(93%)
按 省份 能连
18 个数据集 · 本数据集 221,279 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 221,279 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 221,279 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 221,279 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 221,279 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 221,279 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 221,279 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 221,279 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 221,279 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 221,279 行(100%)
- 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 221,279 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 219,083 行(99%)
- 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 219,083 行(99%)
按 城市 能连
10 个数据集 · 本数据集 211,836 行有城市- 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 211,836 行(95%)
- 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 211,611 行(95%)
- 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 211,611 行(95%)
- 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 204,456 行(92%)
- 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 204,126 行(92%)
- 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 204,126 行(92%)
- 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 201,326 行(90%)
- 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 190,788 行(86%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 178,242 行(80%)
- 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 116,684 行(52%)
只按年份能连:445 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
445 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
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 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
- 全国格点逐年极端降水自然灾害 · 602.3 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
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5
- 扩增得出
dst_city_code由终点城市所属省份、终点城市扩增得出。
来自字段扩增 - 扩增得出
dst_prefecture_code由终点城市所属省份、终点城市所属地级市扩增得出。
来自字段扩增 - 扩增得出
org_city_code由起点城市所属省份、起点城市扩增得出。
来自字段扩增 - 扩增得出
org_prefecture_code由起点城市所属省份、起点城市所属地级市扩增得出。
来自字段扩增 - 扩增得出
update_year由更新日期扩增得出。
来自字段扩增飞机航线信息飞机航线信息
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/transport-flight-route-info/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"org_city","op":"eq","value":"阿尔山"}],"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。