five

中国行政区划数据|行政区划数据集|数据存储数据集

收藏
github2024-06-07 更新2024-06-17 收录
行政区划
数据存储
下载链接:
https://github.com/slightlee/regions_data
下载链接
链接失效反馈
资源简介:
本项目为中国行政区划数据,包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局,存储格式为sqlite3 db文件,支持直接使用数据库连接工具打开。

This project encompasses administrative division data for China, including data at the provincial, prefectural, county, township, and village levels. The data is sourced from the National Bureau of Statistics and is stored in SQLite3 database files, which can be directly accessed using database connection tools.
创建时间:
2024-05-22
原始信息汇总

数据集概述

数据内容

  • 本数据集包含中国行政区划数据,涵盖省级、地级、县级、乡级和村级五级行政区划信息。

数据存储

  • 数据以sqlite3 db格式存储,文件名为regions.db,支持通过数据库连接工具直接访问。

数据来源

数据同步时间

  • 数据最新同步时间为2024年6月7日。

使用方法

方式一:重新生成数据

  1. 下载本项目。
  2. 修改main.py中的base_url地址。
  3. 安装依赖:pip install -r requirements.txt
  4. 运行:python data_/main.py
  5. 生成的数据文件保存在regions.db中。

方式二:直接使用regions.db数据

数据拓展计划

  • 计划进行数据清洗和精简表结构。
  • 计划增加JSON数据格式存储。
AI搜集汇总
数据集介绍
main_image_url
构建方式
中国行政区划数据集的构建基于国家统计局发布的最新行政区划代码和城乡划分代码。数据涵盖了省、市、区县、乡镇街道和社区村五级行政区划,确保了数据的全面性和权威性。数据处理流程包括从统计局网站抓取原始数据,经过清洗、格式转换和存储,最终生成SQL、JSON和CSV三种格式的数据文件。这一过程确保了数据的高质量和易用性,为各类应用场景提供了可靠的数据支持。
使用方法
用户可以通过两种方式使用该数据集。首先,用户可以拉取项目代码,修改配置文件中的数据源地址,安装依赖后运行脚本获取最新数据。其次,用户可以直接使用项目根目录下已处理好的数据文件,包括SQL、JSON和CSV格式,无需额外处理即可导入数据库或进行数据分析。此外,项目还提供了在线预览和本地预览功能,方便用户快速查看数据结构和内容。
背景与挑战
背景概述
中国行政区划数据集是由国家统计局提供的权威数据,涵盖了省、市、区县、乡镇街道及社区村五级行政区划信息。该数据集的创建旨在为地理信息系统、城市规划、社会研究等多个领域提供标准化和结构化的行政区划数据。主要研究人员或机构为国家统计局,其核心研究问题是如何确保行政区划数据的准确性、完整性和及时更新。该数据集对相关领域的影响力在于其为各类研究和应用提供了基础数据支持,促进了地理信息技术的应用与发展。
当前挑战
中国行政区划数据集在构建过程中面临多项挑战。首先,数据来源的多样性和复杂性要求高度的数据清洗和整合能力,以确保数据的准确性和一致性。其次,行政区划的频繁变动,如区划调整、名称变更等,需要持续的数据更新和维护机制。此外,数据格式的多样性(如SQL、JSON、CSV)增加了数据处理的复杂性,要求开发高效的数据转换工具。最后,数据的安全性和隐私保护也是一大挑战,特别是在数据共享和使用过程中,需严格遵守相关法律法规。
常用场景
经典使用场景
中国行政区划数据集的经典使用场景主要体现在地理信息系统(GIS)的构建与优化中。该数据集提供了详尽的省、市、区县、乡镇街道及社区村五级行政区划信息,为GIS应用提供了基础数据支持。通过整合这些数据,研究人员和开发者能够构建精确的地理信息模型,实现空间分析、路径规划、资源分配等复杂功能。此外,该数据集还广泛应用于城市规划、交通管理、应急响应等领域,为各类决策支持系统提供了可靠的数据基础。
解决学术问题
中国行政区划数据集在学术研究中解决了多个关键问题。首先,它为地理学、社会学、经济学等学科提供了标准化的地理空间数据,有助于研究区域发展差异、人口迁移模式、经济活动分布等复杂现象。其次,该数据集支持大规模数据分析和建模,为研究者提供了丰富的实证数据,推动了空间计量经济学、区域科学等领域的理论创新。此外,通过提供最新的行政区划信息,该数据集还有助于确保研究结果的时效性和准确性,提升了学术研究的科学价值。
实际应用
在实际应用中,中国行政区划数据集展现了广泛的适用性。政府部门利用该数据集进行区域经济统计、人口普查、土地利用规划等工作,提高了行政管理的效率和科学性。企业则通过该数据集进行市场分析、物流优化、客户定位等商业活动,增强了市场竞争力。此外,非政府组织和社会团体也利用该数据集进行公益项目选址、社区服务优化等工作,提升了社会服务的精准度和覆盖面。总体而言,该数据集在多个领域中发挥了基础性作用,推动了社会经济的发展。
数据集最近研究
最新研究方向
近年来,中国行政区划数据的研究逐渐聚焦于地理信息系统(GIS)与大数据技术的融合应用。学者们致力于通过整合多源数据,提升行政区划数据的精确性和实时性,以支持城市规划、灾害管理及公共服务优化等领域的决策制定。此外,随着智慧城市建设的推进,该数据集在物联网、人工智能等前沿技术中的应用也日益广泛,为城市智能化管理提供了坚实的基础数据支持。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

Figshare

Figshare是一个在线数据共享平台,允许研究人员上传和共享各种类型的研究成果,包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。

figshare.com 收录

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

Wind Turbine Data

该数据集包含风力涡轮机的运行数据,包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态,适用于风能研究和风力发电系统的优化分析。

www.kaggle.com 收录

China Health and Nutrition Survey (CHNS)

China Health and Nutrition Survey(CHNS)是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目,旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响,以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体,采用多阶段随机抽样方法,收集了家庭、个体以及社区层面的详细数据,包括饮食、健康、经济和社会因素等信息。自2011年起,CHNS不断扩展,新增多个城市和省份,并持续完善纵向数据链接,为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。

www.cpc.unc.edu 收录

中国行政区划shp数据

   中国行政区划数据是重要的基础地理信息数据,目前不同来源的全国行政区划数据非常多,但能够开放获取的高质量行政区域数据少之又少。基于此,锐多宝的地理空间制作一套2013-2023年可开放获取的高质量行政区划数据。该套数据以2022年国家基础地理信息数据中的县区划数据作为矢量基础,辅以高德行政区划数据、天地图行政区划数据,参考历年来民政部公布的行政区划为属性基础,具有时间跨度长、属性丰富、国界准确、更新持续等特性。   中国行政区划数据统计截止时间是2023年2月12日,包含省、市、县、国界、九段线等矢量shp数据。该数据基于2020年行政区划底图,按时间顺序依次制作了2013-2023年初的行政区划数据。截止2023年1月1日,我国共有34个省级单位,分别是4个直辖市、23个省、5个自治区和2个特别行政区。截止2023年1月1日,我国共有333个地级单位,分别是293个地级市、7个地区、30个自治州和3个盟,其中38个矢量要素未纳入统计(比如直辖市北京等、特别行政区澳门等、省直辖县定安县等)。截止2023年1月1日,我国共有2843个县级单位,分别是1301个县、394个县级市、977个市辖区、117个自治县、49个旗、3个自治旗、1个特区和1个林区,其中9个矢量要素未纳入县级类别统计范畴(比如特别行政区香港、无县级单位的地级市中山市东莞市等)。

CnOpenData 收录