
全国高校基本信息
一行代表一所高校。覆盖全国所有省份,包含高校名称、类型、办学性质、层次、地理位置及隶属关系等核心属性。
v1 生效中 · 2026/11/14 发布险种标签:企业财产险责任险数据出处 出处待核实
- 记录
- 2,769
- 字段
- 12
- AI 扩增字段
- 1
- 平均非空率
- 91.9%
- 字段完整度
12 个字段,9 个没有空值,1 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 1 个。非空率按当前版本的 2,769 行计算。
关于这个数据集
一行代表一所高校。覆盖全国所有省份,包含高校名称、类型、办学性质、层次、地理位置及隶属关系等核心属性。可用于评估高校周边风险或作为教育机构类客户的主体信息底表。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省份province规律 1:省份的字段规律字段规律:city_code由省份、城市扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 大学名称company_name键:企业名称。样本里格式符合 94.3%,还没有参照 | 文本 | 原生 | 100% | 原表列名:大学 | ||
| 大学类型university_type | 文本 | 原生 | 100% | 如综合类、理工类 原表列名:类型 | ||
| 办学性质ownership_type | 文本 | 原生 | 100% | 公办或民办 原表列名:公或民办 | ||
| 办学层次education_level | 文本 | 原生 | 100% | 普通本科或专科 原表列名:本或专科 | ||
| 是否985is_985 | 整数 | 原生 | 100% | 1表示是,2或其他值含义需核实,示例中北京邮电大学为2 原表列名:985 | ||
| 是否211is_211 | 整数 | 原生 | 100% | 1表示是 原表列名:211 | ||
| 是否双一流is_double_first_class | 文本 | 原生 | 5.2% | 文本标识 原表列名:双一流 | ||
| 城市city规律 1:城市的字段规律字段规律:city_code由省份、城市扩增得出。键:城市名称。样本里格式符合 93.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 隶属部门affiliation | 文本 | 原生 | 99% | 如教育部、省政府等 原表列名:隶属于 | ||
| 详细地址address键:地址。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 99% | 原表列名:地址 | ||
| 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%,99.6% 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 | 100%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 |
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。
| # | 省份province | 大学名称company_name | 大学类型university_type | 办学性质ownership_type | 办学层次education_level | 是否985is_985 | 是否211is_211 | 是否双一流is_double_first_class | 城市city | 隶属部门affiliation | 详细地址address | 城市区划代码city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京 | 北京大学 | 综合类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区颐和园路5号 | 110000 |
| 2 | 北京 | 清华大学 | 综合类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区清华园1号 | 110000 |
| 3 | 北京 | 北京邮电大学 | 理工类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市西土城路10号 | 110000 |
| 4 | 北京 | 中国人民大学 | 综合类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区中关村大街59号 | 110000 |
| 5 | 北京 | 北京师范大学 | 师范类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 教育部 | 北太平庄校区北京市新街口外大街19号 | 110000 |
| 6 | 北京 | 北京理工大学 | 理工类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 工业和信息化部 | 北京市海淀区中关村南大街5号 | 110000 |
| 7 | 北京 | 北京航空航天大学 | 理工类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 工业和信息化部 | 学院路校区:北京市海淀区学院路37号;沙河校区:北京市昌平区沙河高教园区 | 110000 |
| 8 | 北京 | 中央财经大学 | 财经类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 学院南路校区地址:北京市海淀区学院南路39号;沙河校区地址:北京市昌平区沙河高教园区 | 110000 |
| 9 | 北京 | 中国传媒大学 | 艺术类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市朝阳区定福庄东街一号 | 110000 |
| 10 | 北京 | 北京工业大学 | 理工类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 北京市 | 平乐园校区:北京市朝阳区平乐园100号,通州校区:北京市通州区潞苑南大街89号 | 110000 |
| 11 | 北京 | 北京交通大学 | 理工类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区西直门外上园村3号 | 110000 |
| 12 | 北京 | 对外经济贸易大学 | 财经类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市朝阳区惠新东街10号 | 110000 |
| 13 | 北京 | 华北电力大学 | 理工类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市昌平区回龙观北农路2号 | 110000 |
| 14 | 北京 | 北京科技大学 | 理工类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区学院路30号 | 110000 |
| 15 | 北京 | 中国政法大学 | 政法类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市昌平区府学路27号 | 110000 |
| 16 | 北京 | 中国农业大学 | 农林类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区清华东路17号 | 110000 |
| 17 | 北京 | 北京外国语大学 | 语言类 | 公办 | 普通本科 | 2 | 1 | 双一流 | 北京市 | 教育部 | 北京市海淀区西三环北路2号 | 110000 |
| 18 | 北京 | 首都师范大学 | 师范类 | 公办 | 普通本科 | 2 | 2 | 双一流 | 北京市 | 北京市 | 北京市海淀区西三环北路105号 | 110000 |
| 19 | 北京 | 北京联合大学 | 综合类 | 公办 | 普通本科 | 2 | 2 | — | 北京市 | 北京市 | 北京市朝阳区北四环东路97号 | 110000 |
| 20 | 北京 | 中央民族大学 | 民族类 | 公办 | 普通本科 | 1 | 1 | 双一流 | 北京市 | 国家民委 | 北京市海淀区中关村南大街27号 | 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 v12026/11/14 发布
生效中2,769 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 36 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 + 省份 能连
215 个数据集 · 本数据集 2,758 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、province_code按城市对上本数据集 2,758 行(99%)
- 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 2,758 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 2,758 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、province按城市对上本数据集 2,758 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 2,758 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 2,758 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 2,758 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 2,758 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 2,758 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、city_code按城市对上本数据集 2,758 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code按城市对上本数据集 2,758 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 2,758 行(99%)
按 省份 能连
406 个数据集 · 本数据集 2,769 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 2,769 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname按省份对上本数据集 2,769 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province按省份对上本数据集 2,769 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province按省份对上本数据集 2,769 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 province_code按省份对上本数据集 2,769 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province按省份对上本数据集 2,769 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 2,769 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province按省份对上本数据集 2,769 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province按省份对上本数据集 2,769 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province按省份对上本数据集 2,769 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 2,769 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 2,769 行(100%)
按 城市 能连
76 个数据集 · 本数据集 2,758 行有城市- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 2,758 行(99%)
- 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 2,758 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 2,758 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 2,758 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 2,758 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 2,758 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按城市对上本数据集 2,757 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 2,757 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 2,757 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 2,756 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 2,754 行(99%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_city_code按城市对上本数据集 2,746 行(99%)
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1
- 扩增得出
city_code由省份、城市扩增得出。
来自字段扩增全国高校基本信息全国高校基本信息
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/university-basic-info/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province","op":"eq","value":"北京"}],"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。