Data-Gouv-FR/balances-comptables-des-communes-en-2024

2024年市镇主要预算和附属预算的资产负债表。该文件包括巴黎市，该市由市镇和部门合并而成。建议提前查看附件中的文件结构，该结构描述了数据集中存在的变量。文件Balance_Commune_2024_Juil2025允许比导出文件更快地下载数据。Balances of the main budgets and annex budgets of municipalities in 2024. This file includes the City of Paris, resulting from the merger of the commune and the department. We recommend consulting the attached file structure in advance, which describes the variables present in the dataset. The file Balance_Commune_2024_Juil2025 allows for faster data download than the export file.

搜集汇总

数据集介绍

构建方式

该数据集基于法国开放数据平台data.gouv.fr上发布的2024年市镇会计平衡表官方数据构建而成。原始数据涵盖市镇主要预算与附属预算的账目信息，包含巴黎市（因市与省合并）的特殊数据。HuggingFace数据集仓库将每一个原始表格资源映射为一个配置子集，每个子集内设统一的`train`拆分，并以Parquet格式存储于`data/`目录下，实现了高效压缩与快速加载。数据集遵循lov2许可协议，确保了公共数据的合法使用与再分发。

特点

该数据集的核心特点在于其结构化的层级映射设计与高效的数据存储格式。借助HuggingFace Datasets库，用户可通过单一配置名称直接加载完整的市镇会计平衡表，无需手动处理多文件或格式转换。数据以Parquet列式存储，显著提升了读写效率，尤其适合大规模财务数据的分析任务。此外，数据集保留了原始官方标识符与元数据链接，便于溯源与验证，同时内置的`readme`文件提供了字段结构说明，降低了用户理解变量含义的门槛。

使用方法

用户可通过HuggingFace Datasets库的一行代码轻松加载数据：首先安装`datasets`库，随后调用`load_dataset`函数，指定仓库名称与配置子集名称`balances-comptables-des-communes-en-2024`即可返回包含`train`拆分的Dataset对象。加载后的数据结构可直接用于Pandas DataFrame转换或自定义分析流程。建议在分析前查阅随附的字段结构描述文件，以准确理解变量含义，特别是针对巴黎市这种特殊行政单元的数据处理需格外注意。

背景与挑战

背景概述

该数据集发布于2024年，由法国政府数据平台data.gouv.fr提供，旨在公开法国各市镇2024年的会计平衡表数据，涵盖主预算和附属预算。数据集由法国公共数据开放机构维护，核心研究问题聚焦于提升地方财政透明度和可访问性，为公共财政分析、政策评估及学术研究提供基础。作为开放数据运动的一部分，该数据集对法国地方治理和财政监测具有重要影响力，尤其适用于追踪巴黎等大城市的财政融合情况，并推动跨学科研究。

当前挑战

该数据集面临的核心挑战在于解决地方财政数据的标准化与复杂性，例如不同市镇的预算结构差异可能导致数据整合困难，需解析多变量文件结构以确保一致性。构建过程中，挑战包括从分散的官方来源（如CSV、Parquet格式）中提取并清洗海量数据，处理巴黎市与省合并后的特殊会计条目，同时确保遵守lov2许可证下的开放数据规范。此外，数据集的原始描述强调需预先理解变量定义，这凸显了用户端的技术门槛，亟需提升文档质量以降低使用成本。

常用场景

经典使用场景

该数据集汇集了2024年度法国各市镇主要预算与附属预算的会计平衡表，涵盖巴黎市等特殊行政体的财务数据。在公共财政与地方治理研究领域，它常被用于分析法国市镇层面的财政收支结构、预算执行效率以及财政透明度水平。研究者借助该数据集，可以深入探讨地方政府的资源配置模式、债务负担演变及财政可持续性等关键议题。

解决学术问题

该数据集有效回应了地方财政研究中长期存在的数据碎片化与口径不一致问题。通过提供标准化、可机读的会计平衡表，它为学者系统考察法国市镇财政的健康状况与区域差异奠定了坚实基础。相关研究能够揭示财政分权对地方公共服务供给的影响，评估财政规则的实际约束力，并推动财政透明与问责机制的理论建构。

衍生相关工作

基于该数据集，衍生了多项经典工作。其中包括构建法国市镇财政健康的综合评价指标体系，开发用于预测地方财政压力的机器学习模型，以及利用网络分析方法研究市镇间财政关联与溢出效应。这些工作不仅丰富了公共财政计量方法，也为后续跨区域财政比较研究提供了可复制的分析范式。