技能介绍

要解决什么问题

做人口、经济、健康或环境类分析时，数据往往分散在各国统计机构、卫生与环境数据库里，实体名称、地理层级和指标命名也不统一。要在 Agent 或脚本里稳定地查时间序列、做区域对比、沿地理层级下钻，需要一套统一的 API 与实体标识（DCID），而不是手工拼多个数据源。

Data Commons 把权威来源聚合进知识图谱；本技能对应 Python API v2 客户端，把「查数、逛图谱、把名字变成 ID」三类操作封装成可复用的工作流说明与参考文档。

核心能力与典型步骤

API 按三个端点划分，技能内各有专门参考（如 references/observation.md、node.md、resolve.md）：

观测（Observation）：按实体与时间查询统计变量，支持层级批量（例如某州下所有县）、多实体对比，以及按数据源面（facet）过滤以保证口径一致。
节点（Node）：查看实体属性、父子地理关系、类型与关联，用于在查数前确认「能查什么、实体连到谁」。
解析（Resolve）：将地名、坐标或 Wikidata 等外部 ID 解析为 DCID，减少同名歧义导致的空结果或错实体。

常见顺序是：先 resolve 得到 DCID → 可选地用 fetch_available_statistical_variables() 等确认变量是否存在 → 再发观测查询 → 将响应转为 Pandas DataFrame 做趋势或对比。统计变量名有固定模式，例如 Count_Person、UnemploymentRate_Person、Median_Income_Household。

适用边界与注意点

访问默认的 datacommons.org 需要 API Key（环境变量 DC_API_KEY 或初始化传入）；自建实例可指定 url 且通常无需密钥。
层级查询应优先用关系表达式一次拉取子实体，避免对每个下级单独请求。
重复使用的名称→DCID 映射 worth 本地缓存；复杂多步研究可结合平台内其它文档技能，但简单单次查询按上述三步即可。