
全国行政村淘宝村DID面板
一行代表一个行政村在特定年份的淘宝村认定状态及DID指标。数据覆盖全国省、市、县、镇、村五级行政区划。
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:2014–2022 年数据出处 出处待核实
- 记录
- 1056.8 万
- 字段
- 14
- AI 扩增字段
- 1
- 平均非空率
- 92.9%
- 字段完整度
14 个字段,12 个没有空值,1 个 AI 扩增
01字段
字段来源,逐一标明
共 14 个字段,其中 AI 扩增字段 1 个。非空率按当前版本的 10,568,271 行计算。
关于这个数据集
一行代表一个行政村在特定年份的淘宝村认定状态及DID指标。数据覆盖全国省、市、县、镇、村五级行政区划。可用于评估农村电商发展对区域经济、保险需求或风险暴露的因果效应。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 省代码province_code含义:代码或编号键:省级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 省份province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:省 | ||
| 城市代码city_code含义:代码或编号 | 文本 | 原生 | 100% | — | ||
| 城市city含义:地区键:城市名称。样本里格式符合 97%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 区县代码county_code规律 1:区县代码的字段规律字段规律:county_code_current由区县代码扩增得出。含义:代码或编号键:县级区划代码(2024 年版)。样本里格式符合 100%,99% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 区县名称county含义:地区键:区县名称。样本里格式符合 98.5%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 镇代码town_code含义:代码或编号 | 文本 | 原生 | 100% | — | ||
| 乡镇town含义:地区 | 文本 | 原生 | 100% | 原表列名:镇 | ||
| 村名称village含义:名称 | 文本 | 原生 | 100% | 原表列名:村 | ||
| 村代码village_code含义:代码或编号键:县级区划代码(2024 年版)。样本里格式符合 100%,99% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 认定年份taobao_village_year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 1.4% | 原表列名:成为淘宝村时间 | ||
| 年份year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| DID指标did_value | 小数 | 原生 | 100% | 双重差分估计值 原表列名:DID | ||
| 区县代码(现行)county_code_current规律 1:区县代码(现行)的字段规律字段规律:county_code_current由区县代码扩增得出。含义:代码或编号键:县级区划代码。样本里格式符合 100%,98.9% 的行对上参照 region-code-crosswalk | 文本 | 规则扩增第 1 级扩增查看溯源:区县代码(现行) | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 区县代码按新旧代码对照换成的现行区划代码。医保的市本级代码换成地级代码。对不上的为空 |
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。
| # | 省代码province_code | 省份province | 城市代码city_code | 城市city | 区县代码county_code | 区县名称county | 镇代码town_code | 乡镇town | 村名称village | 村代码village_code | 认定年份taobao_village_year | 年份year | DID指标did_value | 区县代码(现行)county_code_current |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2008 | 0 | 110101 |
| 2 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2009 | 0 | 110101 |
| 3 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2010 | 0 | 110101 |
| 4 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2011 | 0 | 110101 |
| 5 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2012 | 0 | 110101 |
| 6 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2013 | 0 | 110101 |
| 7 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2014 | 0 | 110101 |
| 8 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2015 | 0 | 110101 |
| 9 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2016 | 0 | 110101 |
| 10 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2017 | 0 | 110101 |
| 11 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2018 | 0 | 110101 |
| 12 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2019 | 0 | 110101 |
| 13 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2020 | 0 | 110101 |
| 14 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2021 | 0 | 110101 |
| 15 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2022 | 0 | 110101 |
| 16 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2023 | 0 | 110101 |
| 17 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 多福巷社区 | 110101001001 | — | 2024 | 0 | 110101 |
| 18 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 银闸社区 | 110101001002 | — | 2008 | 0 | 110101 |
| 19 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 银闸社区 | 110101001002 | — | 2009 | 0 | 110101 |
| 20 | 11 | 北京市 | 1101 | 市辖区 | 110101 | 东城区 | 110101001 | 东华门街道 | 银闸社区 | 110101001002 | — | 2010 | 0 | 110101 |
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10,568,271 行 · 14 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 72 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 区县 + 省份 + 年份 能连
107 个数据集 · 本数据集 10,568,271 行有区县- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 region_code、province_code、year按区县对上本数据集 10,461,783 行(98%)
- 全国区县路网密度区域底数 · 3.2 万 行 · 连接字段 province_name、year、county_code_2按区县对上本数据集 10,461,783 行(98%)
- 行政区划名称和简称区域底数 · 1.3 万 行 · 连接字段 province_code、valid_from、region_code按区县对上本数据集 10,461,783 行(98%)
- 县级河流水系密度自然灾害 · 2,877 行 · 连接字段 region_code、division_year、province按区县对上本数据集 10,461,137 行(98%)
- 县级高程与坡度自然灾害 · 2,877 行 · 连接字段 province、region_code、division_year按区县对上本数据集 10,461,137 行(98%)
- 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 10,460,253 行(98%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 province、region_code、year按区县对上本数据集 10,455,374 行(98%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、county_code、province按区县对上本数据集 10,455,374 行(98%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、year、province按区县对上本数据集 10,455,374 行(98%)
- 县级土地利用构成区域底数 · 2.3 万 行 · 连接字段 province、region_code、year按区县对上本数据集 10,455,374 行(98%)
- 区县人口分布(格网汇总)区域底数 · 1.4 万 行 · 连接字段 province、year、region_code按区县对上本数据集 10,455,374 行(98%)
- 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 10,455,119 行(98%)
按 省份 + 年份 能连
467 个数据集 · 本数据集 10,568,271 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 10,568,271 行(100%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month、origin_province按省份对上本数据集 10,568,271 行(100%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 reg_date、province按省份对上本数据集 10,568,271 行(100%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、province按省份对上本数据集 10,568,271 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 10,568,271 行(100%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 province、date按省份对上本数据集 10,568,271 行(100%)
- 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 10,568,271 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 10,568,271 行(100%)
- 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 10,568,271 行(100%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、province按省份对上本数据集 10,568,271 行(100%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 province、year按省份对上本数据集 10,568,271 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 year、province按省份对上本数据集 10,568,271 行(100%)
按 区县 + 省份 能连
18 个数据集 · 本数据集 10,568,271 行有区县- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code、village_code按区县对上本数据集 10,556,388 行(99%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code、province按区县对上本数据集 10,455,374 行(98%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、province_code按区县对上本数据集 10,455,119 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 province_code、region_code按区县对上本数据集 10,455,119 行(98%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 province、county_code按区县对上本数据集 10,440,601 行(98%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 county_code、province按区县对上本数据集 10,415,458 行(98%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code、province按区县对上本数据集 10,220,655 行(96%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、province按区县对上本数据集 10,045,640 行(95%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province、county_code按区县对上本数据集 8,706,516 行(82%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 region_code、province_code按区县对上本数据集 8,585,442 行(81%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province、county_code按区县对上本数据集 7,934,886 行(75%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 province、county_code按区县对上本数据集 5,484,897 行(51%)
按 区县 + 年份 能连
16 个数据集 · 本数据集 10,568,271 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 10,461,783 行(98%)
- 政治精英地区编码区域底数 · 3,843 行 · 连接字段 region_code、start_date按区县对上本数据集 10,392,559 行(98%)
- 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 10,329,268 行(97%)
- 全国区县房价区域底数 · 1.2 万 行 · 连接字段 county_code、year按区县对上本数据集 9,757,150 行(92%)
- 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 9,725,785 行(92%)
- 行政区划代码变更区域底数 · 4,636 行 · 连接字段 old_code、change_year按区县对上本数据集 9,114,006 行(86%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、pub_date按区县对上本数据集 7,651,870 行(72%)
- 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 5,584,517 行(52%)
- 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 3,384,564 行(32%)
- 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按区县对上本数据集 3,298,153 行(31%)
- 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 2,724,760 行(25%)
- 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 2,349,621 行(22%)
按 省份 能连
29 个数据集 · 本数据集 10,568,271 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 10,568,271 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 10,568,271 行(100%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 10,568,271 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 10,568,271 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 10,568,271 行(100%)
- 上市公司注册地信息企业主体 · 4,530 行 · 连接字段 province按省份对上本数据集 10,568,271 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 10,568,271 行(100%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province按省份对上本数据集 10,568,271 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 10,568,271 行(100%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code按省份对上本数据集 10,568,271 行(100%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province按省份对上本数据集 10,568,271 行(100%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code按省份对上本数据集 10,568,271 行(100%)
按 区县 能连
12 个数据集 · 本数据集 10,568,271 行有区县- 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 10,450,750 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 10,439,615 行(98%)
- 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 10,410,256 行(98%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 county_code按区县对上本数据集 10,386,354 行(98%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code按区县对上本数据集 10,252,836 行(97%)
- 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 9,928,867 行(93%)
- 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 9,850,429 行(93%)
- 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 8,617,946 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 5,488,977 行(51%)
- 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 4,906,812 行(46%)
- 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 4,786,061 行(45%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_county_code按区县对上本数据集 588,523 行(5.6%)
只按年份能连:495 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
495 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
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
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
county_code_current由区县代码扩增得出。
来自字段扩增全国行政村淘宝村DID面板全国行政村淘宝村DID面板
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/village-taobao-did-panel/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"province_code","op":"eq","value":"11"}],"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。