Data-Gouv-FR/communes-de-france-base-des-codes-postaux

该数据集名为法国市镇 - 邮政编码库，是基于法国邮政提供的官方邮政编码文件进行丰富和扩展的。数据集包含了法国市镇代码（INSEE）与邮政编码之间的对应关系，格式为CSV。数据内容经过增强，添加了地区、省份和市镇的名称（全部小写）以及它们各自的INSEE代码。具体字段包括：code_commune_INSEE（市镇INSEE代码）、nom_commune_postal（邮政市镇名称）、code_postal（邮政编码）、libelle_acheminement（递送标签）、ligne_5（第五行）、latitude（纬度）、longitude（经度）、code_commune（市镇代码）、article（冠词）、nom_commune（市镇名称）、nom_commune_complet（完整市镇名称）、code_departement（省份代码）、nom_departement（省份名称）、code_region（地区代码）、nom_region（地区名称）。数据集覆盖法国本土、海外省（DOM）、海外领地（TOM）以及摩纳哥。示例数据展示了具体记录，如市镇Abergement-Clémenciat的相关信息。数据集旨在提供全面的地理编码参考，支持数据分析和可视化应用。The dataset, named Communes of France - Postal Code Base, is an enriched version of the official postal code file provided by La Poste. It includes correspondences between French commune codes (INSEE) and postal codes in CSV format. The data has been enhanced with the names of regions, departments, and communes in lowercase, along with their respective INSEE codes. Specific fields include: code_commune_INSEE (commune INSEE code), nom_commune_postal (postal commune name), code_postal (postal code), libelle_acheminement (delivery label), ligne_5 (line 5), latitude (latitude), longitude (longitude), code_commune (commune code), article (article), nom_commune (commune name), nom_commune_complet (full commune name), code_departement (department code), nom_departement (department name), code_region (region code), nom_region (region name). The dataset covers metropolitan France, overseas departments (DOM), overseas territories (TOM), and Monaco. Example data illustrates specific records, such as details for the commune Abergement-Clémenciat. It is designed to provide comprehensive geocoding references for data analysis and visualization applications.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，以法国邮政提供的官方邮政编码数据库为基础，并经过系统性的丰富与整合。构建时，首先收录涵盖法国本土、海外省、海外领地及摩纳哥的行政区划信息，随后为每个市镇关联其对应的INSEE代码、区域、省份及市镇名称，并补充地理坐标数据。Hugging Face仓库中，原始数据集被拆分为三个独立的子集配置，分别对应法国大区、省份及市镇-省份-区域关联表，每个子集均以Parquet格式的高效列式存储呈现，且仅包含一个名为'train'的分割，便于直接加载与处理。

特点

该数据集的核心特点是实现了法国邮政编码与多层级行政区划代码的精细对应，涵盖市镇、省份及大区三个行政层级。每条记录不仅包含INSEE市镇代码、邮政编码、完整市镇名称及分拣线路名称，还融入了经纬度坐标，支持空间分析与地理编码。此外，数据集对市镇名称进行了标准化处理，如提供冠词分离后的名称以及完整书写形式，极大便利了文本匹配与自然语言处理任务。其数据来源权威、更新周期明确，且采用开放数据库许可（ODbL），确保了在科研与商业应用中的合规性。

使用方法

用户可通过Hugging Face的datasets库便捷使用该数据集。加载时需指定配置名称，例如'regions-france'对应大区信息，'departements-france'对应省份信息，而'20230823-communes-departement-region'则提供市镇及其上级行政单位的完整关联。调用load_dataset函数并传入数据集标识符及所需配置，即可获取一个包含'train'分割的Dataset对象。数据集以Parquet格式存储，支持高效列式访问与内存映射，适合大规模数据处理。用户可进一步利用pandas、geopandas等工具进行地理空间分析，或结合自然语言处理库处理市镇名称信息。

背景与挑战

背景概述

该数据集（Communes de France - Base des codes postaux）由法国政府官方开放数据平台data.gouv.fr发布，旨在整合法国邮政系统提供的邮政编码信息与INSEE行政编码体系，形成统一的法国地理代码映射表。基于公共数据开放许可（ODbL）分发，由开源社区与数据治理机构联合维护，核心研究问题在于弥合邮政编码与行政区划代码之间的语义鸿沟，为地理信息系统、人口统计分析与公共服务数字化提供标准化基础设施。自2019年创建以来，该数据集已支撑了法国行政区划变更追踪、邮政服务优化及区域经济研究等跨学科应用，成为法语自然语言处理中地理位置指代消解与空间知识图谱构建的关键基准资源。

当前挑战

领域核心挑战在于处理法国复杂的行政层级嵌套结构（市镇-省-大区）与历史合并/拆分导致的编码不连续性，例如2016年大区合并后遗留的旧编码映射冲突。数据构建面临多重瓶颈：1）邮政邮政编码与INSEE市镇代码存在多对多对应关系，需通过经纬度坐标与官方地名库进行模糊匹配消除歧义；2）海外领土（DOM-TOM）及摩纳哥飞地数据的编码规范差异，需人工校验边界案例；3）开放数据平台资源间格式异构性，需设计ETL管道将CSV、Parquet等多源异构文件统一为可复用的增量更新模式，同时维护历史版本追溯能力以支持时间序列分析。

常用场景

经典使用场景

该数据集为法国行政地理单元与邮政编码之间的映射关系提供了精准而详尽的基准资源。研究者可借助其结构化的INSEE代码、行政区划层级（大区、省、市镇）及经纬度坐标，对法国全境（包括海外省及摩纳哥）的邮政地址进行地理编码与空间归因。经典的使用方式包括利用`code_commune_INSEE`字段与其它社会经济或人口统计学数据集进行联合分析，从而实现区域间的对比研究与空间计量建模。

衍生相关工作

该数据集衍生出多项经典工作，包括基于其地理编码信息构建的法国市镇级多维贫困指数地图，以及关联人口普查与住房数据的区域分化研究。此外，它还支撑了移动通信网络覆盖率分析、城市蔓延监测与环境暴露度评估等跨学科课题。数据集的开放许可协议（ODbL）更是催生了众多开源GIS可视化工具与交互式地图应用，促进了法国开放数据生态的繁荣。

数据集最近研究

最新研究方向

该数据集作为法国行政区划与邮政编码的权威映射，近期在研究领域内被广泛用于地理编码与空间分析的前沿探索，尤其是在迁移学习与多模态数据对齐的热点事件中，其精细的市镇层级信息支持了城市动态与区域经济异质性的量化研究。结合开放数据运动与数据治理的深化，该数据集促进了法国公共数据在机器学习管道中的标准化应用，成为连接行政统计与自然语言处理的关键桥梁，对推动智慧城市决策与地域政策评估具有深远意义。