
- 记录
- 104.1 万
- 字段
- 39
- AI 扩增字段
- 7
- 平均非空率
- 99.2%
- 字段完整度
39 个字段,33 个没有空值,7 个 AI 扩增
图片:Joe Ravi (Shutterstock iStock Dreamstime),CC BY-SA 3.0(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 39 个字段,其中 AI 扩增字段 7 个。非空率按当前版本的 1,040,952 行计算。
关于这个数据集
一行代表一个特定日期和航班号的航班记录。数据覆盖中国各城市间的航线,包含起降机场、航空公司、机型、准点率、票价及班期等信息。可用于分析航班延误风险、航线网络结构及客运量分布,辅助航空保险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 日期date规律 1:日期的字段规律字段规律:date_year由日期扩增得出。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% | — | ||
| 航班号flight_no含义:代码或编号 | 文本 | 原生 | 100% | 原表列名:航班班次 | ||
| 航空公司airline含义:名称 | 文本 | 原生 | 100% | — | ||
| 机型aircraft_type含义:类别 | 文本 | 原生 | 100% | — | ||
| 出发城市dep_city规律 1:出发城市的字段规律字段规律:dep_city_code由出发省份、出发城市扩增得出。含义:地区键:城市名称。样本里格式符合 81%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 出发城市经度dep_city_lng规律 1:出发城市经度的字段规律字段规律:dep_city_county_code由出发城市经度、出发城市纬度扩增得出。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% | 原表列名:出发城市x | ||
| 出发城市纬度dep_city_lat规律 1:出发城市纬度的字段规律字段规律:dep_city_county_code由出发城市经度、出发城市纬度扩增得出。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% | 原表列名:出发城市y | ||
| 到达城市arr_city规律 1:到达城市的字段规律字段规律:arr_city_code由到达省份、到达城市扩增得出。含义:地区键:城市名称。样本里格式符合 82.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 到达城市经度arr_city_lng规律 1:到达城市经度的字段规律字段规律:arr_city_county_code由到达城市经度、到达城市纬度扩增得出。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% | 原表列名:到达城市x | ||
| 到达城市纬度arr_city_lat规律 1:到达城市纬度的字段规律字段规律:arr_city_county_code由到达城市经度、到达城市纬度扩增得出。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% | 原表列名:到达城市y | ||
| 起飞机场dep_airport含义:名称 | 文本 | 原生 | 100% | — | ||
| 起飞机场经度dep_airport_lng规律 1:起飞机场经度的字段规律字段规律:dep_airport_county_code由起飞机场经度、起飞机场纬度扩增得出。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% | 原表列名:起飞机场x | ||
| 起飞机场纬度dep_airport_lat规律 1:起飞机场纬度的字段规律字段规律:dep_airport_county_code由起飞机场经度、起飞机场纬度扩增得出。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% | 原表列名:起飞机场y | ||
| 降落机场arr_airport含义:名称 | 文本 | 原生 | 100% | — | ||
| 降落机场经度arr_airport_lng规律 1:降落机场经度的字段规律字段规律:arr_airport_county_code由降落机场经度、降落机场纬度扩增得出。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% | 原表列名:降落机场x | ||
| 降落机场纬度arr_airport_lat规律 1:降落机场纬度的字段规律字段规律:arr_airport_county_code由降落机场经度、降落机场纬度扩增得出。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% | 原表列名:降落机场y | ||
| 里程distance_km含义:长度(千米) | 整数 | 原生 | 100% | 公里 原表列名:里程(公里) | ||
| 准点率on_time_rate含义:比率(小数) | 小数 | 原生 | 100% | 0-1之间的小数 | ||
| 平均误点时间avg_delay_min含义:时长(分钟) | 文本 | 原生 | 80% | 含单位,如'42分钟',需清洗 | ||
| 起飞时间dep_time含义:日期或时间 | 文本 | 原生 | 100% | HH:MM:SS格式 | ||
| 降落时间arr_time含义:日期或时间 | 文本 | 原生 | 100% | HH:MM:SS格式 | ||
| 票价price_cny含义:金额(元) | 整数 | 原生 | 100% | 元 原表列名:价格(元) | ||
| 人数passenger_count含义:人数(人) | 整数 | 原生 | 100% | — | ||
| 出发省份dep_province规律 1:出发省份的字段规律字段规律:dep_city_code由出发省份、出发城市扩增得出。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% | — | ||
| 到达省份arr_province规律 1:到达省份的字段规律字段规律:arr_city_code由到达省份、到达城市扩增得出。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 | 99% | — | ||
| 周一班期schedule_mon含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周二班期schedule_tue含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周三班期schedule_wed含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周四班期schedule_thu含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周五班期schedule_fri含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周六班期schedule_sat含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 周日班期schedule_sun含义:是否 | 文本 | 原生 | 100% | 有班期/没有班期 | ||
| 到达城市区划代码arr_city_code规律 1:到达城市区划代码的字段规律字段规律:arr_city_code由到达省份、到达城市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,96% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:到达城市区划代码 | 96%平均置信度 0.97校验少:不建议单独作为决策依据 | 由到达省份、到达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 | ||
| 出发城市区划代码dep_city_code规律 1:出发城市区划代码的字段规律字段规律:dep_city_code由出发省份、出发城市扩增得出。含义:代码或编号键:市级区划代码。样本里格式符合 100%,97.2% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:出发城市区划代码 | 97%平均置信度 0.97校验少:不建议单独作为决策依据 | 由出发省份、出发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 | ||
| 降落机场所在区县代码arr_airport_county_code规律 1:降落机场所在区县代码的字段规律字段规律:arr_airport_county_code由降落机场经度、降落机场纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:降落机场所在区县代码 | 99%平均置信度 0.95校验少:不建议单独作为决策依据 | 降落机场经度、降落机场纬度落在哪个区县,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 | ||
| 到达城市所在区县代码arr_city_county_code规律 1:到达城市所在区县代码的字段规律字段规律:arr_city_county_code由到达城市经度、到达城市纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:到达城市所在区县代码 | 100%平均置信度 0.90校验少:不建议单独作为决策依据 | 到达城市经度、到达城市纬度落在哪个区县,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 | ||
| 起飞机场所在区县代码dep_airport_county_code规律 1:起飞机场所在区县代码的字段规律字段规律:dep_airport_county_code由起飞机场经度、起飞机场纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:起飞机场所在区县代码 | 99%平均置信度 0.95校验少:不建议单独作为决策依据 | 起飞机场经度、起飞机场纬度落在哪个区县,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 | ||
| 出发城市所在区县代码dep_city_county_code规律 1:出发城市所在区县代码的字段规律字段规律:dep_city_county_code由出发城市经度、出发城市纬度扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,100% 的行对上参照 county-boundary | 文本 | 规则扩增第 2 级扩增查看溯源:出发城市所在区县代码 | 100%平均置信度 0.90校验少:不建议单独作为决策依据 | 出发城市经度、出发城市纬度落在哪个区县,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 | ||
| 年份date_year规律 1:年份的字段规律字段规律:date_year由日期扩增得出。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: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。
| # | 日期date | 航班号flight_no | 航空公司airline | 机型aircraft_type | 出发城市dep_city | 出发城市经度dep_city_lng | 出发城市纬度dep_city_lat | 到达城市arr_city | 到达城市经度arr_city_lng | 到达城市纬度arr_city_lat | 起飞机场dep_airport | 起飞机场经度dep_airport_lng | 起飞机场纬度dep_airport_lat | 降落机场arr_airport | 降落机场经度arr_airport_lng | 降落机场纬度arr_airport_lat | 里程distance_km | 准点率on_time_rate | 平均误点时间avg_delay_min | 起飞时间dep_time | 降落时间arr_time | 票价price_cny | 人数passenger_count | 出发省份dep_province | 到达省份arr_province | 周一班期schedule_mon | 周二班期schedule_tue | 周三班期schedule_wed | 周四班期schedule_thu | 周五班期schedule_fri | 周六班期schedule_sat | 周日班期schedule_sun | 到达城市区划代码arr_city_code | 出发城市区划代码dep_city_code | 降落机场所在区县代码arr_airport_county_code | 到达城市所在区县代码arr_city_county_code | 起飞机场所在区县代码dep_airport_county_code | 出发城市所在区县代码dep_city_county_code | 年份date_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2022-01-01 | CA1276 | 中国国航 | JET | 阿克苏 | 80.293842 | 41.188341 | 北京 | 116.395645 | 39.92998578 | 阿克苏机场 | 80.30091874 | 41.26940127 | 首都机场 | 116.5992671 | 40.06248537 | 3049 | 0.63 | 42分钟 | 17:00:00 | 20:25:00 | 1663 | 90 | 新疆维吾尔自治区 | 北京市 | 周一有班期 | 周二没有班期 | 周三有班期 | 周四没有班期 | 周五有班期 | 周六没有班期 | 周日有班期 | 110000 | 652900 | 110105 | 110101 | 652901 | 652901 | 2022 |
| 2 | 2022-01-01 | CA4576 | 中国国航 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 重庆 | 106.530635 | 29.54460611 | 阿克苏机场 | 80.30091874 | 41.26940127 | 江北机场 | 106.661763 | 29.715551 | 2697 | 0.55 | 32分钟 | 20:30:00 | 23:55:00 | 1810 | 215 | 新疆维吾尔自治区 | 重庆市 | 周一有班期 | 周二没有班期 | 周三没有班期 | 周四没有班期 | 周五没有班期 | 周六没有班期 | 周日没有班期 | 500000 | 652900 | 500109 | 500103 | 652901 | 652901 | 2022 |
| 3 | 2022-01-01 | CZ6919 | 南方航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 杭州 | 120.2193754 | 30.25924446 | 阿克苏机场 | 80.30091874 | 41.26940127 | 萧山机场 | 120.4414091 | 30.24722389 | 4360 | 0.63 | 43分钟 | 20:30:00 | 23:55:00 | 1910 | 215 | 新疆维吾尔自治区 | 浙江省 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 330100 | 652900 | 330109 | 330102 | 652901 | 652901 | 2022 |
| 4 | 2022-01-01 | MF4475 | 厦门航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 杭州 | 120.2193754 | 30.25924446 | 阿克苏机场 | 80.30091874 | 41.26940127 | 萧山机场 | 120.4414091 | 30.24722389 | 4360 | 0.63 | 43分钟 | 15:00:00 | 18:15:00 | 1910 | 215 | 新疆维吾尔自治区 | 浙江省 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 330100 | 652900 | 330109 | 330102 | 652901 | 652901 | 2022 |
| 5 | 2022-01-01 | CZ6859 | 南方航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 和田 | 79.91581373 | 37.15334974 | 阿克苏机场 | 80.30091874 | 41.26940127 | 和田机场 | 79.87657551 | 37.04328485 | 470 | 0.46 | 42分钟 | 15:00:00 | 18:15:00 | 1910 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二没有班期 | 周三有班期 | 周四没有班期 | 周五没有班期 | 周六没有班期 | 周日没有班期 | 653200 | 652900 | 653201 | 653201 | 652901 | 652901 | 2022 |
| 6 | 2022-01-01 | MF4427 | 厦门航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 和田 | 79.91581373 | 37.15334974 | 阿克苏机场 | 80.30091874 | 41.26940127 | 和田机场 | 79.87657551 | 37.04328485 | 470 | 0.46 | 42分钟 | 21:00:00 | 00:20:00 | 1241 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二没有班期 | 周三有班期 | 周四没有班期 | 周五没有班期 | 周六没有班期 | 周日没有班期 | 653200 | 652900 | 653201 | 653201 | 652901 | 652901 | 2022 |
| 7 | 2022-01-01 | HU7354 | 海南航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 上海 | 121.4878995 | 31.24916171 | 阿克苏机场 | 80.30091874 | 41.26940127 | 虹桥机场 | 121.3555547 | 31.20016713 | 0 | 0.33 | 47分钟 | 21:00:00 | 00:20:00 | 1530 | 215 | 新疆维吾尔自治区 | 上海市 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 310000 | 652900 | 310105 | 310109 | 652901 | 652901 | 2022 |
| 8 | 2022-01-01 | CZ6919 | 南方航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.83 | 40分钟 | 17:00:00 | 20:25:00 | 1890 | 215 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 9 | 2022-01-01 | MF4475 | 厦门航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.83 | 40分钟 | 17:00:00 | 20:25:00 | 1663 | 215 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 10 | 2022-01-01 | CA8810 | 中国国航 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.71 | 69分钟 | 20:30:00 | 23:55:00 | 1810 | 215 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 11 | 2022-01-01 | SC8810 | 山东航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.7 | 74分钟 | 20:30:00 | 23:55:00 | 1910 | 215 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 12 | 2022-01-01 | CZ6862 | 南方航空 | JET | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.67 | 49分钟 | 15:00:00 | 18:15:00 | 1910 | 90 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 13 | 2022-01-01 | CZ6866 | 南方航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.68 | 47分钟 | 15:00:00 | 18:15:00 | 1910 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一没有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 14 | 2022-01-01 | CZ6866 | 南方航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.68 | 47分钟 | 21:00:00 | 00:20:00 | 1241 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二没有班期 | 周三没有班期 | 周四没有班期 | 周五没有班期 | 周六没有班期 | 周日没有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 15 | 2022-01-01 | MF4434 | 厦门航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.68 | 47分钟 | 21:00:00 | 00:20:00 | 1530 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二没有班期 | 周三没有班期 | 周四没有班期 | 周五没有班期 | 周六没有班期 | 周日没有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 16 | 2022-01-01 | MF4434 | 厦门航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.68 | 47分钟 | 17:00:00 | 20:25:00 | 1890 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一没有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 17 | 2022-01-01 | CZ6870 | 南方航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.61 | 53分钟 | 18:30:00 | 21:50:00 | 1630 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 18 | 2022-01-01 | GS7514 | 天津航空 | ERJ-190(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.63 | 42分钟 | 17:00:00 | 20:35:00 | 1680 | 114 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 19 | 2022-01-01 | CA1276 | 中国国航 | JET | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.67 | 40分钟 | 20:00:00 | 23:35:00 | 1660 | 90 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二没有班期 | 周三有班期 | 周四没有班期 | 周五有班期 | 周六没有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
| 20 | 2022-01-01 | HU7354 | 海南航空 | 波音737(中) | 阿克苏 | 80.293842 | 41.188341 | 乌鲁木齐 | 87.56498774 | 43.84038035 | 阿克苏机场 | 80.30091874 | 41.26940127 | 地窝堡机场 | 87.48112787 | 43.90839256 | 857 | 0.52 | 35分钟 | 21:30:00 | 01:05:00 | 1680 | 215 | 新疆维吾尔自治区 | 新疆维吾尔自治区 | 周一有班期 | 周二有班期 | 周三有班期 | 周四有班期 | 周五有班期 | 周六有班期 | 周日有班期 | 650100 | 652900 | 650104 | 650103 | 652901 | 652901 | 2022 |
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1,040,952 行 · 39 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 999,366 行有城市- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province、region_code、city_code按城市对上本数据集 999,366 行(96%)
- 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 999,366 行(96%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code、province、county_code按城市对上本数据集 999,366 行(96%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code、province、county_code按城市对上本数据集 999,366 行(96%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 province、region_code、year、city_code按城市对上本数据集 999,366 行(96%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 region_code、year、county_code、province按城市对上本数据集 999,366 行(96%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 province、year、city_code、county_code按城市对上本数据集 999,366 行(96%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 city_code、province、county_code、founded_year按城市对上本数据集 999,366 行(96%)
- 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、city_code_2按城市对上本数据集 999,366 行(96%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 province、city_code、division_year、region_code按城市对上本数据集 999,366 行(96%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 city_code、region_code、division_year、province按城市对上本数据集 999,366 行(96%)
- 县级行政区划边界区域底数 · 2,850 行 · 连接字段 region_code、city_code、layer_year、province按城市对上本数据集 999,366 行(96%)
按 城市 + 省份 + 年份 能连
144 个数据集 · 本数据集 999,366 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、origin_city_code、month按城市对上本数据集 999,366 行(96%)
- 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、year按城市对上本数据集 999,366 行(96%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、date、province按城市对上本数据集 999,366 行(96%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、region_code、year按城市对上本数据集 999,366 行(96%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_city_code、origin_province按城市对上本数据集 999,366 行(96%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,366 行(96%)
- 飞机航线信息交通运输 · 22.1 万 行 · 连接字段 org_province、dst_city_code、update_date按城市对上本数据集 999,366 行(96%)
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 province_code、date、city_code按城市对上本数据集 999,366 行(96%)
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 year、region_code、province按城市对上本数据集 999,366 行(96%)
- 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 999,366 行(96%)
按 区县 + 省份 + 年份 能连
65 个数据集 · 本数据集 1,031,717 行有区县- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time、adcode按区县对上本数据集 1,031,717 行(99%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、region_code、province按区县对上本数据集 1,031,717 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 1,031,717 行(99%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 year、region_code、province按区县对上本数据集 1,031,717 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 1,031,717 行(99%)
- 县级暴雨重现期自然灾害 · 2,899 行 · 连接字段 province、region_code、first_year按区县对上本数据集 1,031,717 行(99%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、province、year按区县对上本数据集 1,031,717 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 county_code、taobao_village_year、province_code按区县对上本数据集 1,030,482 行(98%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 1,030,482 行(98%)
- 县域新注册企业统计区域底数 · 5.8 万 行 · 连接字段 region_code、year、province按区县对上本数据集 1,030,482 行(98%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 year、province、region_code按区县对上本数据集 1,030,482 行(98%)
- 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 1,030,482 行(98%)
按 城市 + 区县 + 省份 能连
14 个数据集 · 本数据集 999,366 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、county_code按城市对上本数据集 999,366 行(96%)
- 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 999,366 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 city_code、province_code、region_code按城市对上本数据集 999,366 行(96%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、county_code、province按城市对上本数据集 999,366 行(96%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、city_code、province_code按城市对上本数据集 991,475 行(95%)
- 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 889,886 行(85%)
- 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 858,147 行(82%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 province、city_code、county_code按城市对上本数据集 814,508 行(78%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、city_code、village_code按城市对上本数据集 812,015 行(78%)
- 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 810,780 行(77%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 city_code、county_code、province按城市对上本数据集 809,753 行(77%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、province、city_code按城市对上本数据集 768,131 行(73%)
按 城市 + 区县 + 年份 能连
6 个数据集 · 本数据集 999,366 行有城市- 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、applicant_address_city_code按城市对上本数据集 996,484 行(95%)
- 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 991,577 行(95%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_city_code、application_date、address_county_code按城市对上本数据集 966,308 行(92%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 955,098 行(91%)
- 上市公司产学研合作专利企业主体 · 1.4 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 940,194 行(90%)
- 长三角养老机构名录建筑设施 · 8,462 行 · 连接字段 county_code、address_city_code、established_date按城市对上本数据集 147,618 行(14%)
按 省份 + 年份 能连
323 个数据集 · 本数据集 1,037,280 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 分地区高技术产业统计区域底数 · 35.3 万 行 · 连接字段 region_code、year按省份对上本数据集 1,037,280 行(99%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 province、identify_year按省份对上本数据集 1,037,280 行(99%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 date、region_code按省份对上本数据集 1,037,280 行(99%)
按 城市 + 年份 能连
60 个数据集 · 本数据集 999,366 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 999,093 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 998,751 行(95%)
- 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 994,785 行(95%)
- 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 988,744 行(94%)
- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 city_code、year按城市对上本数据集 985,841 行(94%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 region_code、year按城市对上本数据集 985,841 行(94%)
按 城市 + 省份 能连
15 个数据集 · 本数据集 999,366 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 999,366 行(96%)
- 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 999,366 行(96%)
- 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 998,748 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 997,859 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 996,763 行(95%)
- 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 990,175 行(95%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 city_code、province按城市对上本数据集 985,686 行(94%)
- 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 985,361 行(94%)
- 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 973,214 行(93%)
- 地级市儒家文化设施区域底数 · 293 行 · 连接字段 province、city_code按城市对上本数据集 965,475 行(92%)
- 地级市海拔标准差区域底数 · 288 行 · 连接字段 province、region_code按城市对上本数据集 898,391 行(86%)
- 地级市家谱数量和人口区域底数 · 228 行 · 连接字段 province、city_code按城市对上本数据集 898,259 行(86%)
按 区县 + 年份 能连
10 个数据集 · 本数据集 1,031,717 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 1,031,717 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 1,010,704 行(97%)
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year、county_code按区县对上本数据集 964,100 行(92%)
- 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 779,018 行(74%)
- 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 715,102 行(68%)
- 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 678,686 行(65%)
- 全国电厂点位建筑设施 · 4,274 行 · 连接字段 county_code、commissioning_year按区县对上本数据集 636,052 行(61%)
- 区县淘宝村数量区域底数 · 6,183 行 · 连接字段 year、county_code按区县对上本数据集 336,109 行(32%)
- 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 234,165 行(22%)
- 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 138,533 行(13%)
按 区县 + 省份 能连
4 个数据集 · 本数据集 1,031,717 行有区县按 城市 + 区县 能连
3 个数据集 · 本数据集 999,366 行有城市按 省份 能连
14 个数据集 · 本数据集 1,037,280 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,037,280 行(99%)
- 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 1,031,084 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 1,031,084 行(99%)
- 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 978,664 行(94%)
- 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 961,583 行(92%)
- 省级地形起伏度自然灾害 · 34 行 · 连接字段 region_code按省份对上本数据集 938,032 行(90%)
按 区县 能连
9 个数据集 · 本数据集 1,031,717 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 1,031,098 行(99%)
- 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 1,023,075 行(98%)
- 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 1,023,075 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 937,063 行(90%)
- 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 895,646 行(86%)
- 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 772,084 行(74%)
- 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 706,414 行(67%)
- 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 321,228 行(30%)
- 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 249,108 行(23%)
按 城市 能连
7 个数据集 · 本数据集 999,366 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 999,366 行(96%)
- 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 983,782 行(94%)
- 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 979,253 行(94%)
- 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 979,253 行(94%)
- 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 969,589 行(93%)
- 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 909,117 行(87%)
- 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 600,353 行(57%)
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7
- 扩增得出
arr_airport_county_code由降落机场经度、降落机场纬度扩增得出。
来自字段扩增 - 扩增得出
arr_city_code由到达省份、到达城市扩增得出。
来自字段扩增中国航空航班明细中国航空航班明细 - 扩增得出
arr_city_county_code由到达城市经度、到达城市纬度扩增得出。
来自字段扩增 - 扩增得出
date_year由日期扩增得出。
来自字段扩增中国航空航班明细中国航空航班明细 - 扩增得出
dep_airport_county_code由起飞机场经度、起飞机场纬度扩增得出。
来自字段扩增 - 扩增得出
dep_city_code由出发省份、出发城市扩增得出。
来自字段扩增中国航空航班明细中国航空航班明细 - 扩增得出
dep_city_county_code由出发城市经度、出发城市纬度扩增得出。
来自字段扩增
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-schedule/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"flight_no","op":"eq","value":"CA1276"}],"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。