
长三角养老机构名录
一行是长三角(上海、江苏、浙江、安徽)的一家养老机构,有所在区县、名称、统一社会信用代码、地址、床位数、成立日期和经纬度坐标。
v1 生效中 · 2026/11/13 发布数据出处 各省市民政部门公开的养老机构名单,研究者补充坐标(长三角养老机构空间分布数据集)
- 记录
- 8,462
- 字段
- 15
- AI 扩增字段
- 4
- 平均非空率
- 92.2%
- 字段完整度
15 个字段,8 个没有空值,4 个 AI 扩增
01字段
字段来源,逐一标明
共 15 个字段,其中 AI 扩增字段 4 个。非空率按当前版本的 8,462 行计算。
关于这个数据集
一行是长三角(上海、江苏、浙江、安徽)的一家养老机构,有所在区县、名称、统一社会信用代码、地址、床位数、成立日期和经纬度坐标。可用来看养老服务设施的分布和规模,辅助养老机构责任险、长护险的布点和风险评估。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 所在区县region含义:地区 | 文本 | 原生 | 100% | 省市区县连写,例如安徽省安庆市怀宁县 | ||
| 机构名称institution_name含义:名称 | 文本 | 原生 | 100% | — | ||
| 统一社会信用代码uscc含义:代码或编号键:统一社会信用代码。样本里格式符合 99%,还没有参照 | 文本 | 原生 | 96% | — | ||
| 地址address规律 2:地址的字段规律字段规律:address_city_code由地址扩增得出。。address_county_code由地址扩增得出。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% | — | ||
| 床位数bed_count含义:个数(张) | 整数 | 原生 | 92% | 单位:张 | ||
| 经度(WGS84)lon_wgs84规律 1:经度(WGS84)的字段规律字段规律:county_code由经度(WGS84)、纬度(WGS84)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% | — | ||
| 纬度(WGS84)lat_wgs84规律 1:纬度(WGS84)的字段规律字段规律:county_code由经度(WGS84)、纬度(WGS84)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% | — | ||
| 经度(GCJ02)lon_gcj02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 | 99% | 国内地图常用的火星坐标 | ||
| 纬度(GCJ02)lat_gcj02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 | 99% | — | ||
| 成立日期established_date规律 1:成立日期的字段规律字段规律:established_year由成立日期扩增得出。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 | 93% | — | ||
| 备注note含义:文字说明 | 文本 | 原生 | 10% | 行政区划调整等说明 | ||
| 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(WGS84)、纬度(WGS84)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: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(WGS84)、纬度(WGS84)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 | ||
| 成立年份established_year规律 1:成立年份的字段规律字段规律:established_year由成立日期扩增得出。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:成立年份 | 93%平均置信度 1.00校验少:不建议单独作为决策依据 | 从成立日期算出的年份 | ||
| 地址所在区县代码address_county_code规律 1:地址所在区县代码的字段规律字段规律:address_county_code由地址扩增得出。键:县级区划代码。样本里格式符合 100%,99.5% 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:地址所在区县代码 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 本地模型从地址里抽出省、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 | ||
| 地址所在城市代码address_city_code规律 1:地址所在城市代码的字段规律字段规律:address_city_code由地址扩增得出。键:市级区划代码。样本里格式符合 100%,99.9% 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:地址所在城市代码 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 本地模型从地址里抽出省、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。置信度低的等运营人员确认 |
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。
| # | 所在区县region | 机构名称institution_name | 统一社会信用代码uscc | 地址address | 床位数bed_count | 经度(WGS84)lon_wgs84 | 纬度(WGS84)lat_wgs84 | 经度(GCJ02)lon_gcj02 | 纬度(GCJ02)lat_gcj02 | 成立日期established_date | 备注note | 所在区县代码county_code | 成立年份established_year | 地址所在区县代码address_county_code | 地址所在城市代码address_city_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 上海市嘉定区 | 上海安亭联西敬老院 | 52310114053043573R | 上海市嘉定区安亭镇博园弄2868号 | 60 | 121.159517 | 31.296199 | 121.164061 | 31.294312 | 2013-05-01 | — | 310114 | 2013 | 310114 | 310000 |
| 2 | 上海市嘉定区 | 上海市嘉定区安亭镇方泰敬老院 | 52310114739036423D | 上海市嘉定区安亭镇方中路弄160号 | 128 | 121.159517 | 31.296199 | 121.164061 | 31.294312 | 1999-11-01 | — | 310114 | 1999 | 310114 | 310000 |
| 3 | 上海市嘉定区 | 上海嘉定安亭社区赵巷长者照护之家 | 91310114736210799Y | 上海市嘉定区安亭镇翔方公路翔方公路3000号 | 49 | 121.219899 | 31.308079 | 121.224344 | 31.306101 | 2015-03-01 | — | 310114 | 2015 | 310114 | 310000 |
| 4 | 上海市嘉定区 | 上海市嘉定区安亭镇黄渡敬老院 | 523101147390364318 | 上海市嘉定区安亭镇新黄路1号 | 316 | 121.216244 | 31.273031 | 121.220686 | 31.271042 | 1983-09-01 | — | 310114 | 1983 | 310114 | 310000 |
| 5 | 上海市崇明区 | 上海崇明区城桥鳌山社区乐祥长者照护之家 | 52310230MJ5339678A | 上海市崇明区城桥镇鳌山村888号 | 49 | 121.429882 | 31.619483 | 121.434541 | 31.617719 | 2019-06-25 | 2016年撤销崇明县,设立崇明区 | 310151 | 2019 | 310151 | 310000 |
| 6 | 上海市青浦区 | 上海青浦区白鹤养护院 | 52310118MJ5313662B | 上海市青浦区白鹤镇程鹤路399号 | 432 | 121.137429 | 31.273185 | 121.142014 | 31.271326 | 2019-08-12 | — | 310118 | 2019 | 310118 | 310000 |
| 7 | 上海市金山区 | 上海金山区吕巷镇干巷敬老院 | 52310116425702681N | 上海市金山区吕巷镇干林路2818号 | 122 | 121.239085 | 30.828571 | 121.243477 | 30.826322 | 2014-04-01 | — | 310116 | 2014 | 310116 | 310000 |
| 8 | 上海市静安区 | 上海静安区宝山路社区长者照护之家 | 52310106MJ5047202E | 上海市静安区宝山路街道虬江路997弄1号5楼 | 19 | 121.469184 | 31.254107 | 121.473706 | 31.252175 | 2018-08-08 | 2015年撤销闸北区、静安区,设立新的静安区 | 310106 | 2018 | 310106 | 310000 |
| 9 | 上海市静安区 | 上海静安区宝山路街道敬老院 | 52310108734558994A | 上海市静安区宝山路街道止园路400弄7号甲 | 50 | 121.463933 | 31.261648 | 121.468473 | 31.259734 | 2000-04-01 | 2015年撤销闸北区、静安区,设立新的静安区 | 310106 | 2000 | 310106 | 310000 |
| 10 | 上海市静安区 | 上海静安之星养老院 | 523101087944753309 | 上海市静安区宝山路街道芷江中路413弄10号 | 142 | 121.465471 | 31.26157 | 121.470011 | 31.259651 | 2020-06-08 | 2015年撤销闸北区、静安区,设立新的静安区 | 310106 | 2020 | 310106 | 310000 |
| 11 | 上海市宝山区 | 上海宝山区顾村镇敬老院 | 52310113425704708W | 上海市宝山区顾村镇沪太路5129弄10号 | 203 | 121.371826 | 31.362826 | 121.37647 | 31.361028 | 2020-04-06 | — | 310113 | 2020 | 310113 | 310000 |
| 12 | 上海市宝山区 | 上海顾村社区慧享福长者照护之家 | 52310113MJ51642814 | 上海市宝山区顾村镇菊太路1198弄1-10号 | 38 | 121.354634 | 31.347906 | 121.35925 | 31.34608 | 2017-03-01 | — | 310113 | 2017 | 310113 | 310000 |
| 13 | 上海市宝山区 | 上海顾村和平养老院 | 52310113MJ51630786 | 上海市宝山区顾村镇陆翔路688弄1-33号 | 188 | 121.362135 | 31.355489 | 121.366771 | 31.353677 | 2016-03-01 | — | 310113 | 2016 | 310113 | 310000 |
| 14 | 上海市宝山区 | 上海怡景养老院 | 52310113MJ51638444 | 上海市宝山区罗泾镇潘沪路78号 | 281 | 121.331309 | 31.482774 | 121.335889 | 31.480944 | 2017-10-01 | — | 310113 | 2017 | 310113 | 310000 |
| 15 | 上海市宝山区 | 上海宝山区庙行镇敬老院 | 52310113791493162W | 上海市宝山区庙行镇长江西路2700号 | 140 | 121.424505 | 31.32871 | 121.429142 | 31.326898 | 2014-01-01 | — | 310113 | 2014 | 310113 | 310000 |
| 16 | 上海市宝山区 | 上海美庭阳光养老院 | 52310113MJ5163035Q | 上海市宝山区淞南镇长江南路970号 | 284 | 121.474765 | 31.344203 | 121.47928 | 31.342291 | 2016-02-01 | — | 310113 | 2016 | 310113 | 310000 |
| 17 | 上海市宝山区 | 上海宝山区杨行镇宝山敬老院 | 52310113424866617E | 上海市宝山区杨行镇漠河路1100弄1号 | 230 | 121.463744 | 31.408122 | 121.4683 | 31.406259 | 1995-05-01 | — | 310113 | 1995 | 310113 | 310000 |
| 18 | 上海市宝山区 | 上海宝山区百姓敬老院 | 523101137989097063 | 上海市宝山区杨行镇杨宗路308号 | 396 | 121.400403 | 31.387104 | 121.405068 | 31.385329 | 2020-07-09 | — | 310113 | 2020 | 310113 | 310000 |
| 19 | 上海市宝山区 | 上海宝山区月浦恬逸养老院 | 52310113MJ51649946 | 上海市宝山区月浦镇月富路318号 | 466 | 121.406382 | 31.43045 | 121.411052 | 31.428685 | 2020-03-16 | — | 310113 | 2020 | 310113 | 310000 |
| 20 | 上海市崇明区 | 上海海科第三福利院 | 52310230MJ53385288 | 上海市崇明区堡镇堡渔村890号 | 206 | 121.60183 | 31.53512 | 121.60606 | 31.533009 | 2016-11-01 | 2016年撤销崇明县,设立崇明区 | 310151 | 2016 | 310151 | 310000 |
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8,462 行 · 15 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、企业,能和不少于 110 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 + 统一社会信用代码 + 年份 能连
6 个数据集 · 本数据集 8,452 行有城市- 微信公众号企业工商企业主体 · 82.2 万 行 · 连接字段 county_code、city_code、est_date、uscc按城市对上本数据集 8,452 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 city_code、branch_uscc、date、county_code按城市对上本数据集 8,452 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、county_code、city_code、org_uscc按城市对上本数据集 8,452 行(99%)
- 银行监管处罚明细司法监管 · 5.3 万 行 · 连接字段 county_code、city_code、disclosure_date、party_uscc按城市对上本数据集 7,533 行(89%)
- 保险机构监管处罚记录司法监管 · 2.6 万 行 · 连接字段 county_code、company_uscc、city_code、disclosure_date按城市对上本数据集 7,533 行(89%)
- 工业企业距省界距离企业主体 · 87.7 万 行 · 连接字段 county_code、year、city_code、company_uscc按城市对上本数据集 6,326 行(74%)
按 城市 + 区县 + 年份 能连
42 个数据集 · 本数据集 8,452 行有城市- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 8,452 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、region_code、city_code按城市对上本数据集 8,452 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 county_code、city_code、year按城市对上本数据集 8,452 行(99%)
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 city_code、region_code、year按城市对上本数据集 8,452 行(99%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 applicant_address_county_code、applicant_address_city_code、pub_date按城市对上本数据集 8,452 行(99%)
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、region_code、county_code按城市对上本数据集 8,452 行(99%)
- 全国上市公司专利全量企业主体 · 6.4 万 行 · 连接字段 address_county_code、address_city_code、application_date按城市对上本数据集 8,452 行(99%)
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 8,452 行(99%)
- 上市公司供应链城市试点匹配企业主体 · 5.8 万 行 · 连接字段 county_code、city_code、year按城市对上本数据集 8,452 行(99%)
- 全国县市区碳排放区域底数 · 5.7 万 行 · 连接字段 year、county_code、city_code按城市对上本数据集 8,452 行(99%)
- 全国区县人工智能企业数企业主体 · 4.9 万 行 · 连接字段 year、city_code、county_code按城市对上本数据集 8,452 行(99%)
- 全国医院名录医疗药械 · 4.6 万 行 · 连接字段 founded_year、city_code、county_code按城市对上本数据集 8,452 行(99%)
按 区县 + 统一社会信用代码 + 年份 能连
4 个数据集 · 本数据集 8,462 行有区县- 金融机构许可证企业主体 · 59 万 行 · 连接字段 region_code、org_uscc、issue_date按区县对上本数据集 8,462 行(100%)
- 排污工业企业经营财务企业主体 · 74.6 万 行 · 连接字段 province_city_county_code、year、company_uscc按区县对上本数据集 8,314 行(98%)
- 工业企业污染排放面板企业主体 · 74.5 万 行 · 连接字段 province_city_county_code、company_uscc、year按区县对上本数据集 8,314 行(98%)
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 company_uscc、province_city_county_code、year按区县对上本数据集 8,270 行(97%)
按 城市 + 统一社会信用代码 + 年份 能连
3 个数据集 · 本数据集 8,452 行有城市按 城市 + 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 8,452 行有城市按 城市 + 年份 能连
201 个数据集 · 本数据集 8,452 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 month、origin_city_code按城市对上本数据集 8,452 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、year按城市对上本数据集 8,452 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、date按城市对上本数据集 8,452 行(99%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 region_code、year按城市对上本数据集 8,452 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、year按城市对上本数据集 8,452 行(99%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、region_code按城市对上本数据集 8,452 行(99%)
- 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按城市对上本数据集 8,452 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code按城市对上本数据集 8,452 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、region_code按城市对上本数据集 8,452 行(99%)
- 地级市绿色发展词频区域底数 · 49.8 万 行 · 连接字段 year、city_code按城市对上本数据集 8,452 行(99%)
- 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 8,452 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 region_code、year按城市对上本数据集 8,452 行(99%)
按 区县 + 年份 能连
71 个数据集 · 本数据集 8,462 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 8,462 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、county_code按区县对上本数据集 8,462 行(100%)
- 区县城乡融合试点面板区域底数 · 7.4 万 行 · 连接字段 year、region_code按区县对上本数据集 8,462 行(100%)
- 县域金融机构变动统计区域底数 · 5.3 万 行 · 连接字段 region_code、year按区县对上本数据集 8,462 行(100%)
- 全国区县平均房价区域底数 · 2,852 行 · 连接字段 region_code、year按区县对上本数据集 8,462 行(100%)
- 县域开通微博企业数(按成立年份)区域底数 · 4.6 万 行 · 连接字段 year、region_code按区县对上本数据集 8,458 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按区县对上本数据集 8,458 行(99%)
- 县级年度夜间灯光区域底数 · 2.3 万 行 · 连接字段 region_code、year按区县对上本数据集 8,450 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按区县对上本数据集 8,450 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按区县对上本数据集 8,450 行(99%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 region_code、year按区县对上本数据集 8,448 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按区县对上本数据集 8,448 行(99%)
按 统一社会信用代码 + 年份 能连
22 个数据集 · 本数据集 8,155 行有统一社会信用代码- 专精特新企业附属公司企业主体 · 35.9 万 行 · 连接字段 end_date、company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 专精特新企业认定情况企业主体 · 27.7 万 行 · 连接字段 company_uscc、identify_year按统一社会信用代码对上本数据集 0 行(0%)
- 上市公司绿色专利申请企业主体 · 13 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 0 行(0%)
- 保险公司官网产品文件保险市场 · 10.3 万 行 · 连接字段 company_uscc、sale_date按统一社会信用代码对上本数据集 0 行(0%)
- 医保医用耗材代码医疗药械 · 9.8 万 行 · 连接字段 published_date、company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 境外投资企业名录企业主体 · 9.6 万 行 · 连接字段 year、overseas_enterprise_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 京东药品月度价格医疗药械 · 8.5 万 行 · 连接字段 month_date、manufacturer_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 保险公司资产负债表和利润表保险市场 · 6.8 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 0 行(0%)
- 人身险产品目录保险市场 · 5.9 万 行 · 连接字段 sale_date、company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 保险公司官网披露产品保险市场 · 5.7 万 行 · 连接字段 sale_date、company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 上市公司信息披露质量KV指数企业主体 · 4.8 万 行 · 连接字段 company_uscc、year按统一社会信用代码对上本数据集 0 行(0%)
- 上市公司纳税信用评级企业主体 · 4.5 万 行 · 连接字段 year、uscc按统一社会信用代码对上本数据集 0 行(0%)
按 城市 + 区县 能连
15 个数据集 · 本数据集 8,452 行有城市- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 region_code、parent_code按城市对上本数据集 8,452 行(99%)
- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 county_code、city_code按城市对上本数据集 8,452 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 county_code、city_code按城市对上本数据集 8,452 行(99%)
- 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、region_code按城市对上本数据集 8,452 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、county_code按城市对上本数据集 8,452 行(99%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、region_code按城市对上本数据集 8,452 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 village_code、city_code按城市对上本数据集 7,533 行(89%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 county_code、city_code按城市对上本数据集 7,533 行(89%)
- 区县到最近医院的车程医疗药械 · 2,844 行 · 连接字段 city_code、county_code按城市对上本数据集 7,533 行(89%)
- 全国区县书院数量区域底数 · 1,392 行 · 连接字段 county_code、city_code按城市对上本数据集 7,463 行(88%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 city_code、county_code按城市对上本数据集 6,110 行(72%)
- 全国地铁站点交通运输 · 1.9 万 行 · 连接字段 county_code、city_code按城市对上本数据集 5,033 行(59%)
按 区县 + 统一社会信用代码 能连
2 个数据集 · 本数据集 8,462 行有区县按 城市 能连
22 个数据集 · 本数据集 8,452 行有城市- 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 8,452 行(99%)
- 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 8,452 行(99%)
- 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 8,452 行(99%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 city_code按城市对上本数据集 8,452 行(99%)
- 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 8,452 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 8,452 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code按城市对上本数据集 8,452 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code按城市对上本数据集 8,452 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code按城市对上本数据集 8,452 行(99%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2按城市对上本数据集 8,452 行(99%)
- 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 8,452 行(99%)
- 地级市胡焕庸线位置区域底数 · 285 行 · 连接字段 region_code按城市对上本数据集 8,452 行(99%)
按 区县 能连
11 个数据集 · 本数据集 8,462 行有区县- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 region_code按区县对上本数据集 8,450 行(99%)
- 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 8,412 行(99%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 region_code按区县对上本数据集 8,291 行(97%)
- 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 8,106 行(95%)
- 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 7,787 行(92%)
- 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 7,500 行(88%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 county_code按区县对上本数据集 7,445 行(87%)
- 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 6,783 行(80%)
- 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 4,664 行(55%)
- 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 3,390 行(40%)
- 京津沪冀乡镇街道人口区域底数 · 3,467 行 · 连接字段 city_code按区县对上本数据集 0 行(0%)
按 统一社会信用代码 能连
10 个数据集 · 本数据集 8,155 行有统一社会信用代码- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 uscc按统一社会信用代码对上本数据集 8,057 行(95%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 uscc按统一社会信用代码对上本数据集 3 行(不到 1%)
- 企业荣誉资质标签企业主体 · 17.6 万 行 · 连接字段 uscc按统一社会信用代码对上本数据集 2 行(不到 1%)
- 医保西药和中成药代码医疗药械 · 28.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 人身险产品条款文件保险市场 · 11.5 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 境外投资企业备案名录企业主体 · 5.2 万 行 · 连接字段 domestic_investor_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 京东健康在售药品医疗药械 · 2.8 万 行 · 连接字段 manufacturer_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 专精特新小巨人企业名单企业主体 · 1.3 万 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 国谈药配备查询药品医疗药械 · 505 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行(0%)
- 供应链创新应用试点企业企业主体 · 266 行 · 连接字段 company_uscc按统一社会信用代码对上本数据集 0 行(0%)
只按年份能连:736 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
736 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
- 海关进出口商品统计区域底数 · 2639.9 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
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
address_city_code由地址扩增得出。
来自字段扩增长三角养老机构名录长三角养老机构名录 - 扩增得出
address_county_code由地址扩增得出。
来自字段扩增长三角养老机构名录长三角养老机构名录 - 扩增得出
county_code由经度(WGS84)、纬度(WGS84)扩增得出。
来自字段扩增长三角养老机构名录长三角养老机构名录 - 扩增得出
established_year由成立日期扩增得出。
来自字段扩增长三角养老机构名录长三角养老机构名录
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/yrd-elderly-care-institutions/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region","op":"eq","value":"上海市嘉定区"}],"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。