地区

州/省/地区

region原生文本
出现在
106 个数据集
字段规律
8 条

01出处

出现在哪些数据集

同一个字段标识,在每个数据集里分别统计。取值统计按各数据集的生效版本计算。

  • 分省金融机构与金融市场统计

    区域底数 · 15,176 行

    原生

    在这里叫“地区”

    省级行政区简称、“全国”或计划单列市(深圳、宁波、厦门、大连、青岛)

    非空率

    100%

    取值

    • 江苏467 · 3.1%
    • 广东462 · 3.0%
    • 河南461 · 3.0%
    • 浙江461 · 3.0%
    • 安徽460 · 3.0%
    • 湖北460 · 3.0%
    • 四川459 · 3.0%
    • 山东459 · 3.0%
    • 福建458 · 3.0%
    • 湖南457 · 3.0%

    共 37 个不同的值,上面列出最常见的 10 个,覆盖 30.3% 的非空记录。

  • 省级房地产开发投资和资金

    区域底数 · 13,462 行

    原生

    在这里叫“地区”

    原表的地区或项目名称,照原样

    非空率

    100%

    取值

    • 全国总计680 · 5.1%
    • 广东605 · 4.5%
    • 江苏604 · 4.5%
    • 山东557 · 4.1%
    • 湖北492 · 3.7%
    • 上海491 · 3.6%
    • 浙江487 · 3.6%
    • 湖南472 · 3.5%
    • 安徽470 · 3.5%
    • 辽宁469 · 3.5%

    共 32 个不同的值,上面列出最常见的 10 个,覆盖 39.6% 的非空记录。

  • 地级市绿色专利统计

    区域底数 · 13,072 行

    原生

    在这里叫“所属地域”

    含义:地区

    非空率

    100%

    取值

    • 西部5,130 · 39.2%
    • 中部4,028 · 30.8%
    • 东部3,914 · 29.9%

    共 3 个不同的值。

  • 省级农作物播种面积

    区域底数 · 12,831 行

    原生

    在这里叫“地区”

    键:省份名称。样本里格式符合 95%,还没有参照

    样本里格式符合 95%,还没有参照。

    非空率

    100%

    取值

    • 全国517 · 4.0%
    • 四川464 · 3.6%
    • 福建446 · 3.5%
    • 贵州444 · 3.5%
    • 湖北442 · 3.4%
    • 江西440 · 3.4%
    • 安徽439 · 3.4%
    • 河南438 · 3.4%
    • 江苏434 · 3.4%
    • 陕西434 · 3.4%

    共 32 个不同的值,上面列出最常见的 10 个,覆盖 35.1% 的非空记录。

  • 城市人口密度与市区人口

    区域底数 · 12,829 行

    原生

    在这里叫“地区”

    城市用简称,如“石家庄”。已撤销的市带注明,如“米泉(2006年止)”

    键:区县名称。样本里格式符合 80.5%,还没有参照

    样本里格式符合 80.5%,还没有参照。

    非空率

    100%

    取值

    • 七台河19 · 0.1%
    • 万宁19 · 0.1%
    • 万源19 · 0.1%
    • 三亚19 · 0.1%
    • 三明19 · 0.1%
    • 三河19 · 0.1%
    • 三门峡19 · 0.1%
    • 上海19 · 0.1%
    • 上饶19 · 0.1%
    • 东兴19 · 0.1%

    共 694 个不同的值,上面列出最常见的 10 个,覆盖 1.5% 的非空记录。

  • 省级支出法GDP

    区域底数 · 12,826 行

    原生

    在这里叫“地区”

    键:省份名称。样本里格式符合 96%,还没有参照

    样本里格式符合 96%,还没有参照。

    非空率

    100%

    取值

    • 全国426 · 3.3%
    • 江西416 · 3.2%
    • 湖南414 · 3.2%
    • 四川408 · 3.2%
    • 青海405 · 3.2%
    • 北京402 · 3.1%
    • 云南399 · 3.1%
    • 宁夏399 · 3.1%
    • 安徽399 · 3.1%
    • 广西399 · 3.1%

    共 32 个不同的值,上面列出最常见的 10 个,覆盖 31.7% 的非空记录。

  • 省级房地产开发企业财务

    区域底数 · 12,547 行

    原生

    在这里叫“地区”

    原表的地区或项目名称,照原样

    键:省份名称。样本里格式符合 95.8%,还没有参照

    样本里格式符合 95.8%,还没有参照。

    非空率

    100%

    取值

    • 全国总计541 · 4.3%
    • 江苏520 · 4.1%
    • 广东504 · 4.0%
    • 上海482 · 3.8%
    • 山东480 · 3.8%
    • 湖北461 · 3.7%
    • 浙江435 · 3.5%
    • 湖南435 · 3.5%
    • 福建433 · 3.5%
    • 安徽424 · 3.4%

    共 33 个不同的值,上面列出最常见的 10 个,覆盖 37.6% 的非空记录。

  • 城投公司基本信息

    企业主体 · 12,000 行

    原生

    在这里叫“区域”

    通常指地级市或直辖市

    含义:地区
    键:区县名称。样本里格式符合 80.3%,还没有参照

    样本里格式符合 80.3%,还没有参照。

    非空率

    100%

    取值

    取值几乎都不同:共 2,494 个不同的值。通常是编号或自由文本。

  • 省级分行业工业总产值

    区域底数 · 11,190 行

    原生

    在这里叫“地区”

    省级行政区简称,含“全国”

    键:省份名称。样本里格式符合 96.8%,还没有参照

    样本里格式符合 96.8%,还没有参照。

    非空率

    100%

    取值

    • 重庆474 · 4.2%
    • 黑龙江471 · 4.2%
    • 北京449 · 4.0%
    • 湖北444 · 4.0%
    • 陕西444 · 4.0%
    • 甘肃435 · 3.9%
    • 广东432 · 3.9%
    • 内蒙古420 · 3.8%
    • 浙江420 · 3.8%
    • 新疆414 · 3.7%

    共 31 个不同的值,上面列出最常见的 10 个,覆盖 39.3% 的非空记录。

  • 原生

    在这里叫“地区”

    省级地区简称,全国一行写作“全国”

    键:省份名称。样本里格式符合 99%,还没有参照

    样本里格式符合 99%,还没有参照。

    非空率

    100%

    取值

    • 云南328 · 3.2%
    • 全国328 · 3.2%
    • 内蒙古328 · 3.2%
    • 北京328 · 3.2%
    • 吉林328 · 3.2%
    • 四川328 · 3.2%
    • 安徽328 · 3.2%
    • 山东328 · 3.2%
    • 山西328 · 3.2%
    • 广西328 · 3.2%

    共 31 个不同的值,上面列出最常见的 10 个,覆盖 32.4% 的非空记录。

  • 全球女性法律权益指数

    区域底数 · 10,070 行

    原生

    在这里叫“地区”

    世界银行地区分组,英文

    非空率

    100%

    取值

    • Sub-Saharan Africa2,544 · 25.3%
    • High income: OECD1,802 · 17.9%
    • Latin America & Caribbean1,696 · 16.8%
    • East Asia & Pacific1,325 · 13.2%
    • Europe & Central Asia1,219 · 12.1%
    • Middle East & North Africa1,060 · 10.5%
    • South Asia424 · 4.2%

    共 7 个不同的值。

  • 原生

    在这里叫“行政单位”

    原表名称

    键:区县名称。样本里格式符合 94.3%,还没有参照

    样本里格式符合 94.3%,还没有参照。

    非空率

    100%

    取值

    取值几乎都不同:共 3,254 个不同的值。通常是编号或自由文本。

同一个字段标识在不同数据集里的含义可能不同。以后用标准字段统一定义。