上市公司与环境重点监管单位匹配数据2007-2025

最新推荐文章于 2026-09-02 17:21:29 发布
原创 最新推荐文章于 2026-09-02 17:21:29 发布 · 233 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测

01｜数据介绍

近期，我们已经利用上市公司与重点用能单位、清洁生产审核企业等主体进行匹配，得到的结果已经上线神思数据以及CNSSIRD用户版专区。本期，我们继续为大家带来上市公司与环境重点监管单位匹配的数据，跟之前的各种绿色环保类型的数据匹配一样，“环境重点监管单位”也是由各级生态环境管理部门或其他相关部门定期认定披露。对此，我通过对相关数据进行整理，再利用上市公司与其进行匹配，得到属于环境重点监管单位的上市公司。最终得到约2.99万条+数据样本。预览如下:

图片

D1｜数据名称：上市公司与“环境重点监管单位”匹配数据

D2｜时间跨度：2007年-2025年

D3｜数据样本：2.99万条（所属1820多家上市公司）

D4｜注意事项：属于本期介绍“环境重点监管单位”这一标准下的上市公司数量为1820多家，可以利用这些上市公司作为一个特定组合开展各种针对性研究，也可以和之前发布的其他数据结合使用。本数据将同时发布于神思数据与CNSSIRD数据库两个平台。

图片

标签
#数据分析 #论文笔记 #论文阅读 #数据库 #数据挖掘
第26篇 · P1·一：数据分析 Agent：项目背景、架构设计与技术选型
weixin_41870061的博客
08-29 55
实战篇第一个项目「数据分析 Agent」共五篇（第 26–30 篇），这是开篇，先讲清业务背景、整体架构与技术选型。做完你会得到一个能写进简历的 AI+大数据 项目的完整蓝图：自然语言问数据，Agent 自动取数 + 校验 + 出洞察，可跑、可评测、可写简历。建议先对照原理：架构里每一块都对应学习篇的一卷，RAG 三库（见本专栏第 15–16 篇）、Agent 与多 Agent 编排（见本专栏第 17–20 篇）、Harness（见本专栏第 21–23 篇）、推理部署（见本专栏第 10–11 篇）。
第46篇 · Vol.5：行业落地案例--金融风控/医疗辅助诊断/电商客服/数据分析 Agent
weixin_41870061的博客
09-01 31
业务指标（如"DAU""GMV"）的精确口径（防口径不一致，这是数据工程最容易出问题的地方）。
【LangChain4J-08】Agent 企业智能数据分析智能体
weixin_44823875的博客
08-31 335
普通 LLM 对话：你问一句，模型基于训练知识直接生成答案（一次 forward）。模型不会去查数据库、不会算数、不会调 API。Agent（智能体）：模型被赋予一组工具（Tools），并能自己决定要不要调工具？调哪个工具？传什么参数？拿到结果后，够不够？要不要再调一次？还是可以输出最终答案了？NOTE]本项目的智能体不是「NL2SQL 三段式硬编码流水线」，而是真正的Agentic Tool Loop（工具循环）：模型在系统提示引导下。
OpenHarmony电源管理驱动架构剖析：HDI框架下的低功耗实现
m0_67505153的博客
11-30 188
鸿蒙电源管理驱动模块是OpenHarmony操作系统中负责设备电源状态管理的核心组件。该模块基于HDI（Hardware Device Interface）框架实现，提供了完整的电源管理功能，包括系统休眠/唤醒、运行锁管理、休眠模式控制等核心功能。public:// 主要接口函数// 运行锁管理private:// 内部辅助函数// 成员变量public:// 运行锁控制接口// 回调管理private:// 内部辅助函数。
数据分析实战：六大经典项目全解析
sjfxscz的博客
09-02 162
回顾上述六个实战项目，虽然业务场景各不相同，但背后暴露出的难点与坑点高度相似。把这些共性经验提炼出来，既能帮助初学者少走弯路，也能在面试中转化为有说服力的项目话术。以上六个项目展示了数据分析在不同业务场景中的典型应用。无论是市场调研、用户行为分析，还是金融风险评估，都需要分析师具备扎实的数据技术功底和敏锐的业务理解能力。随着人工智能技术的普及，很多技能的学习门槛在降低，但最终做出判断和决策的仍然是职场人。如果不懂数据分析，即便 AI 给出了错误的结论，也难以察觉。
Python 新闻数据分析实战：从爬虫到可视化报表
2301_76821268的博客
08-31 415
这个项目的核心价值不是代码本身，而是让你看见"数据项目"长什么样。有了这幅完整地图，你再学任何单个知识点（协程、正则、pandas），都知道它"装在这个拼图的哪个位置"。这比零散地学 API 有用得多。
AI 数据分析如何保持业务口径一致：语义层、权限与专业分析模型
最新发布
shujudang的博客
09-02 186
本文讨论 AI 数据分析进入业务应用后，如何通过业务语义、统一指标、身份整合、权限控制和专业分析模型保持结果稳定。
最新大数据毕业设计选题推荐-基于大数据的黄金价格历史数据分析与可视化-大数据-Spark-Hadoop-Bigdata
IT研究室的博客
09-02 530
系统介绍本系统《基于大数据的黄金价格历史数据分析与可视化》是一个面向计算机专业本科毕业设计的大数据应用项目，核心目标是对黄金价格历史数据进行高效的清洗、存储、分析与可视化展示。系统采用Hadoop分布式文件系统（HDFS）作为底层数据存储层，承载近五年的黄金价格历史数据集，利用Spark计算引擎和Spark SQL模块对海量数据进行快速聚合、统计与特征提取，Pandas与NumPy则辅助完成数据的二次加工与异常值处理。
Bug跟踪管理系统对比：从提报效率、流转体验与数据分析能力三个维度评估
X717z的博客
09-01 259
Bug跟踪管理系统怎么选？本文从提报效率、流转体验、数据分析能力三个维度横向对比海外商业工具、国际化项目管理工具与禅道，提供可量化评估指标与选型建议，助你匹配团队规模与流程复杂度，做出可解释的决策。
Django的手机数据分析与可视化
weixin_41915110的博客
08-31 775
Django的手机数据分析与可视化系统 摘 要 本系统基于Django框架、HTML和MySQL数据库技术，构建了一个全面的手机数据分析与可视化平台。大屏内容丰富，包括品牌市场份额分布、手机价格区间分布、各维度评分分布、热门机型Top10、内存容量分布以及品牌评分与价格分析等多个模块。通过这些模块，用户可以直观地了解手机市场的整体趋势、各品牌的市场表现、手机价格分布情况、用户评分分布以及热门机型的详细信息。系统采用了先进的可视化技术，将复杂的数据以图表的形式呈现，使得数据更加易于理解和分析。 在管理功能方
Python 如何获取股票历史 K 线？从 API 获取到 Pandas 数据分析的完整实战
2601_96694965的博客
08-31 479
在量化交易开发中，股票历史 K 线是回测、因子研究、技术指标计算和策略验证的基础数据。Python 虽然可以通过各种数据源获取股票行情，但真正进入策略系统后，还需要考虑统一标的代码、时间区间、K 线周期、复权方式、数据缺失以及 DataFrame 格式等问题。本文从一个实际的 Python 量化开发任务出发，介绍如何获取股票历史 K 线，并进一步说明 QuantDash（专业金融数据 API / 量化数据平台）如何提供对应的数据接口和 Python SDK。
计算机毕设选题做什么好？基于大数据的北京市租房数据可视化分析，PySpark+Python实现全流程数据分析与可视化大屏
BYSJLG的博客
08-29 371
近年来北京市租房市场规模持续扩大，租金价格、区域分布与配套资源之间的关系日益复杂，租户与投资者难以从海量房源信息中快速把握市场整体面貌。传统统计分析手段难以同时处理多维度、大体量的租房数据，导致区域价值判断与房源选择往往依赖经验而非客观规律。本文通过开发一个基于大数据的北京市租房数据可视化分析系统，用以帮助解决市场信息碎片化与决策依据不足的问题。
长沙中秋礼品市场数据分析：文创属性如何驱动复购率和口碑传播
dfbz123456的博客
09-01 196
明月有情系列联名月饼哥哥的策略本质是借助合作品牌已有的认知度和好感度快速建立消费者对产品的信任。值得注意的是 礼品的产品矩阵覆盖了从基础款到高端款的完整价格带。一位财务负责人从追求便宜盒子到选择品质礼盒的转变表明，当企业意识到送礼的品牌传播价值远大于成本时，决策逻辑就从花最少的钱变成了让每一分钱产生最大的品牌价值。我们从四个维度评估中秋礼品服务商的竞争力：产品设计与文化表达力（权重30%）、供应链闭环能力（权重25%）、本地化服务与响应（权重25%）、客户权益与价值交付（权重20%）。
Python九阳神功之柒：数据分析三剑客·执剑问道
2301_76821268的博客
09-02 185
库核心能力关键方法NumPy多维数组运算、广播、统计array()reshape()sum()mean()Pandas数据清洗、分组聚合、透视read_csv()groupby()fillna()Matplotlib图表绘制、多子图plot()bar()scatter()pie()subplot()一条主线贯穿全文：从「NumPy 生成与计算」到「Pandas 清洗与聚合」，再到「Matplotlib 可视化呈现」—— 这是数据分析从原始数据到洞察结论的完整链路。
Nature：AI 第一次把生物学发现做成“假设—实验—数据分析”闭环？
m0_74449443的博客
09-02 360
Robin 的工作方式大致是：输入一个疾病名称，系统先从文献中梳理疾病机制，再提出可在体外模型中测试的机制和实验方案，随后生成候选药物。图中展示 Robin 对 ripasudil 的候选建议、ARPE-19 细胞中的第二轮筛选结果、ripasudil 与 Y-27632 的剂量反应曲线，以及在原代人 RPE-SC 中的验证结果。更关键的是，在原代老年人 RPE-SC 细胞中，ripasudil 和 Y-27632 的效应再次得到验证，而且 ripasudil 的效力更强。Robin 架构消融实验。
如何写一个数据分析 Skill
2201_75821470的博客
09-02 206
在大模型应用开发中，很多人会直接把数据分析需求丢给大模型，让模型自由写SQL、处理表格、输出结论。但这种方式有明显短板：输出不稳定、格式混乱、容易编造数据、无法复用分析逻辑。数据分析Skill，本质是一套封装好的、可被大模型调用的标准化数据分析能力：包含业务定义、数据输入规范、分析流程、计算规则、输出模板、异常校验。它不是一段简单的提示词，而是结构化的分析单元。本文从定位、结构设计、开发步骤、避坑要点、完整示例几个维度，讲解如何从零编写一个合格的数据分析Skill。
最新大数据毕业设计选题推荐-基于大数据的电动汽车故障数据分析与可视化-大数据-Spark-Hadoop-Bigdata
IT研究室的博客
08-31 274
<think>我们只需要根据用户提供的文章内容生成≤150字的摘要。文章主要介绍了一个基于大数据的电动汽车故障数据分析与可视化系统，包括技术栈、功能、背景、意义等。摘要应简洁概括核心内容。注意控制字数。</think>基于Hadoop与Spark的电动汽车故障数据分析可视化系统，融合Spring Boot、Vue、ECharts及MySQL，实现电池数据管理、故障概览与画像分析，以可视化看板呈现健康状态与风险趋势，为故障研判提供数据支撑，并具备技术迁移价值。
从智能问数到数据分析Agent：HENGSHI ChatBI功能更新
HENGSHI2016的博客
09-02 119
过去几个月里，衡石 ChatBI 持续围绕业务用户的真实分析流程进行了一系列的升级，涵盖从自然语言问数，到自动生成图表和看板、从单次回答，到可复用的分析模板、从独立页面，到 iframe、JS SDK、API 等多种集成方式、以及从桌面端使用，到移动端和语音输入场景等。现在，ChatBI 增加了分析模板能力。只要目标系统提供 HTTP/HTTPS 接口，管理员就可以把企业知识库、内部 FAQ、工单系统、订单系统、库存系统、搜索服务、审批流程等能力封装成工具，供 Agent 在推理过程中调用。
[人工智能训练师]EDA（探索性数据分析）
墨染天玑的博客
08-31 319
EDA不是"分析着玩"，而是数据处理的"诊断报告"——它决定了清洗策略、标注规范、特征方向、甚至采集方案是否需要返工。把它放在第一步，后续所有处理动作才有依据，否则就是盲人摸象。
基于 Flask + ECharts + SQLite 的房屋数据分析可视化大屏与房价预测系统——房屋数据分析可视化及房价预测系统
weixin_66547608的博客
08-28 297
本系统面向房屋/房价数据分析场景，将数据存储、用户登录、权限管控、地理可视化、统计分析、机器学习房价预测整合为一套可运行的 Web 应用。核心目标：用SQLite 数据表持久化用户、房源、地图区域、权限与系统配置提供豆包风格登录页与用户/权限管理界面以ECharts 全屏地图大屏展示全球到街道的多级房产与拥堵信息支持手动参数 + 图片辅助的房价预测管理员可进行数据导入导出、主题样式与数据库连接配置豆包风格左右分栏登录页（圆角卡片、蓝紫主色）支持用户名登录手机号登录图形验证码（点击图片刷新）
CDA商业数据分析全攻略：从体系构建到实战案例
weixin_37536020的博客
08-31 195
本文系统讲解商业数据分析的完整体系，涵盖战略与业务两大核心体系、业务与技术双流程，以及 PESTEL、SWOT、杜邦分析、VSM 四大实战模型，并通过零售门店销售下滑案例，完整演示从问题锁定、数据采集清洗、因果拆解到方案落地的全流程，帮助读者建立从理论到实战的商业数据分析方法论。
数据挖掘-WEKA实验报告一.pdf
数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf数据挖掘-WEKA实验报告一.pdf
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值