三公

Multi tool use
关于
三公的其它含义,请参见
三公 (消歧义)。
三公是古代東亞的官名。泛指辅佐帝王处理国务的次高官员。[1]具体包括的官职内容则分为两种:
西周以太师、太傅、太保为三公[2][3]。東漢以太尉、司徒、司空為三公,位次上公,東漢無太師、太保,惟有太傅,為上公。
北魏將太師、太傅和太保並稱為三師上公。 《晉書‧天文志》:「杓南三星及魁第一星西三星皆曰三公,主宣德化、調七政、和陰陽之官也。」 其中位於魁第一星西的三公,即為現在的 三師 。相對古人各朝對星座的認識見解不同,三師 (星官)、三公 (紫微垣)、三公 (太微垣)或各有對應。
西汉以丞相(后改大司徒)、太尉(后改大司马)、御史大夫(后改大司空)为三公。东汉时以太尉、司徒、司空为三公,亦称三司。隋唐时成为最高荣誉头衔。
至宋徽宗时,将太尉、司徒、司空为三公改为太师、太傅、太保(原来称三师)为三公。元代和明清时的三公為太師、太傅、太保。
元、明、清沿用此官作为大臣的最高荣誉头衔[4]。
也有历史学家认为周代的三公是指司徒、司马、司空。
日本律令制時的三公是指太政大臣、左大臣、右大臣。
高麗的三公是指大衛、司徒、司空。朝鮮王朝以領議政、左議政、右議政為三公,亦稱三政丞。
三公職位在多數朝代中只是虛銜,為象徵性的榮譽職位,並無實際的權力與工作,因此各朝君主多半在有功大臣死後才追贈三公。
参考文献
^ 周制:三公八命,出封時,加一命,稱上公。《周禮春宮典命》:「上公九命為伯,其國家宮室車旗衣服禮儀皆以九為節。」鄭玄注:「上公,謂王之三公有德者加命為二伯;二王之後亦為上公。」
^ 《书.周官》:“立太师、太傅、太保。兹唯三公,论道经邦,燮理阴阳,官不必备,唯其人。”
^ 《汉书.百官公卿表上》:“太师、太傅、太保,是为三公,盖参天子,坐而议政,无不总统,故不以一职为官名。”
^ 《元史.百官志一》:“三公,太师、太傅、太保各一员,正一品。银印。以道燮阴阳,经邦国。有元袭其名号,特示尊崇。”
参见
中国历代政府首脑
|
---|
| 宰相 (列表) |
先秦:商周至春秋战国
| 冢宰 · 卿士(周) · 太宰 · 左师 · 右师 · 司城(宋) · 令尹(楚) · 中军将(晋) · 司徒(鲁) · 当国、为政(郑) · 相 · 相邦
|
---|
| 秦汉至南北朝的宰相 | 相国 · 丞相 · 三公:丞相→大司徒→司徒;太尉→大司马→太尉;御史大夫→大司空→司空 · 三师:太师、太傅、太保 · 大将军
|
---|
| 汉魏的尚书至 隋唐的三省
| 尚书省:尚书令、尚书仆射 · 中书省:中書監、中书令(内史省:内史令) · 门下省:侍中(纳言)
|
---|
| 唐宋的同平章事等 | 同中書門下三品(中书门下) · 同平章事(政事堂) · 參知政事 · 枢密使(枢密院)
|
---|
|
北宋元丰改制至元末
| 尚书左仆射兼门下侍郎(太宰) · 尚书右仆射兼中书侍郎(少宰) · 尚书省或中书省左右丞相 · 平章政事
|
---|
|
---|
| 明清 辅政大臣1 |
明朝 | 丞相(中书省) · 大学士、首辅(内阁)
|
---|
| 清朝 | 議政王大臣、內閣(大學士)、军机大臣(辦理軍機事務處)
|
---|
|
---|
| 现代 内阁总理
|
大清帝国
| 内阁总理大臣(内阁)
|
---|
|
中华民国
| 国务总理2(国务院) → 行政院院长(行政院,今制)
|
---|
|
中华人民共和国
| 政务院总理(政务院) → 国务院总理(国务院,今制)
|
---|
|
---|
| 注1:明太祖废相后,皇帝自兼相权、亲辖六部、皇权大增,大学士和军机大臣等的职权与前朝宰相实有差距。 注2:袁世凯大总统时期(1914年-1916年)改为政事堂国务卿。 |
|
明朝中央官制
|
---|
|
内廷
|
---|
|
宗人府 | |
---|
| 三公 | |
---|
| 三孤 | |
---|
| 太子三师 | |
---|
| 太子三少 | 太子少師正二品
太子少傅正二品
太子少保正二品
太子宾客正三品
|
---|
| 詹事府 | 詹事正三品
少詹事正四品
- 詹事府丞正六品
- 左右春坊
庶子正五品
谕德正五品
中允正六品
赞善從六品
司直郎從六品
司经局
|
---|
| 太医院 | |
---|
| 上林苑 | |
---|
| 女官 六局一司 |
|
---|
|
| |
外朝(首都:南京→北京)
|
---|
|
中書省
(洪武废)
| - 左右丞相正一品
平章政事從一品
中書省丞正二品
参知政事從二品
郎中正五品
員外郎正六品
|
---|
| 內閣 [首辅]
| 中极殿大学士正五品
建极殿大学士正五品
文华殿大学士正五品
武英殿大学士正五品
文渊阁大学士正五品
东阁大学士正五品
|
---|
| 六部 [详表]
|
吏部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
|
---|
| 戶部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
|
---|
| 禮部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
僧录司
道录司
|
---|
| 兵部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
|
---|
| 刑部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
|
---|
| 工部 | 尚書正二品
- 左右侍郎正三品
郎中正五品
員外郎從五品
主事正六品
|
---|
|
---|
| 五寺 |
大理寺 | |
---|
| 太常寺 | |
---|
| 光禄寺 | |
---|
| 北平行太仆寺 →太仆寺
| |
---|
| 辽东行太仆寺 | |
---|
| 山西行太仆寺 | |
---|
| 陕西行太仆寺 | |
---|
| 甘肃行太仆寺 | |
---|
| 鸿胪寺 | |
---|
|
---|
| 都察院 | - 左右都御史正二品
- 左右副都御史正三品
- 左右佥都御史正四品
经历司
都事正七品
- 110監察御史正七品
|
---|
| 通政使司 | 通政使正三品
- 左右通政正四品
- 1誊黄右通政正四品
- 左右通政參議正五品
经历司
|
---|
| 翰林院 | 翰林院學士正五品
侍读學士從五品
侍讲學士从五品
侍读正六品
侍讲正六品
修撰從六品
|
---|
| 国子监 | |
---|
| 钦天监 | |
---|
| 五軍都督府 | |
---|
|
| |
南京(留都时期)
|
---|
|
- 首要官员:南京守備勛臣領中軍都督府事
南京守備掌南京司禮監太監
南京兵部尚書參贊機務
| | 南京宗人府 | |
---|
| 南京六部 |
南京吏部 | - 1尚書正二品
- 1右侍郎正三品
- 1司務从九品
文選清吏司
驗封清吏司
稽勳清吏司
考功清吏司
|
---|
| 南京户部 | |
---|
| 南京禮部 | - 1尚書
- 1右侍郎
- 1司務
儀制清吏司
祠祭清吏司
主客清吏司
精膳清吏司
行人司
鑄印局
教坊司
|
---|
| 南京兵部 | |
---|
| 南京刑部 | |
---|
| 南京工部 | |
---|
|
---|
| 南京五寺
|
南京大理寺 | |
---|
| 南京太常寺 | |
---|
| 南京光禄寺 | |
---|
| 南京太仆寺 (滁州) | |
---|
| 南京鸿胪寺 | |
---|
|
---|
| 南京都察院 | - 左右都御史正二品
- 左右副都御史正三品
- 左右佥都御史正四品
|
---|
| 南京通政使司 | |
---|
| 南京翰林院 | 翰林院學士正五品
侍读學士從五品
侍讲學士从五品
侍读正六品
侍讲正六品
修撰從六品
|
---|
| 南京国子监 | |
---|
| 南京钦天监 | |
---|
| 南京太医院 | |
---|
| 南京五軍都督府 | |
---|
|
| |
王府
|
---|
|
长史司 | - 左右长史正五品
- 1典簿正九品
审理所
典膳所
奉祠所
典宝所
纪善所
良医所
典仪所
工正所
- 4→1伴读从九品
- *教授从九品
- (以上各所副官,嘉靖四十四年并革。)
|
---|
|
| | 标注:*无定员 |
|
SggSiHdObLEfMdfYdfVCiDQwWVIc GMngqY,67v,Tl G5hdBs8pyV8 GmieQpqGqMIZqRYBcugcAqv x
Popular posts from this blog
Ramiro Burr's New Blog - to go back: www.ramiroburr.com From Latin rock to reggaeton, boleros to blues,Tex-Mex to Tejano, conjunto to corridos and beyond, Ramiro Burr has it covered. If you have a new CD release, a trivia question or are looking for tour info, post a message here or e-mail Ramiro directly at: musicreporter@gmail.com Top Tejano songwriter Luis Silva dead of heart attack at 64 By Ramiro Burr on October 23, 2008 8:40 AM | Permalink | Comments (12) | TrackBacks (0) UPDATE: Luis Silva Funeral Service details released Visitation 4-9 p.m. Saturday, Rosary service 6 p.m. Saturday at Porter Loring, 1101 McCullough Ave Funeral Service 10:30 a.m. Monday St. Anthony De Padua Catholic Church, Burial Service at Chapel Hills, 7735 Gibbs Sprawl Road. Porter Loring (210) 227-8221 Related New Flash: Irma Laura Lopez: long time record promoter killed in accident NewsFlash: 9:02 a.m. (New comments below) Luis Silva , one of the most well-known ...
1 I having trouble getting my ResourceDictionary.MergedDictionaries to load from app.xaml. My WPF app has a static class with a Main defined and startup object set to it. Within Main I created an instance of App and run it. The override OnStartup fires and the mainwindow.cs InitializeComponent gives the error "Message "Cannot find resource named 'MaterialDesignFloatingActionMiniAccentButton'. If I put the resources in the mainwindow.xaml everything is fine, but I wanted them to load at the app level so I they are not in each page. Any help appreciated. public partial class App protected override void OnStartup(StartupEventArgs e) base.OnStartup(e); var app = new MainWindow(); var context = new MainWindowViewModel(); app.DataContext = context; app.Show(); from the Main.. var app = new App(); app.Run(); app.xaml.. <Application x:Class="GS.Server.App" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:...
up vote 2 down vote favorite There is a clear pattern that show for two separate subsets (set of columns); If one value is missing in a column, values of other columns in the same subset are missing for any row. Here is a visualization of missing data My tries up until now, I used ycimpute library to learn from other values, and applied Iterforest. I noted, score of Logistic regression is so weak (0.6) and thought Iterforest might not learn enough or anyway, except from outer subset which might not be enough? for example the subset with 11 columns might learn from the other columns but not from within it's members, and the same goes for the subset with four columns. This bar plot show better quantity of missings So of course, dealing with missings is better than dropping rows because It would affect my prediction which does contain the same missings quantity relatively. Any better way to deal with these ? [EDIT] The nullity pattern is confirmed: machine-learning cor...