Data-Gouv-FR/indicateurs-immobiliers-par-commune-et-par-annee-prix-et-volumes-sur-la-periode-2014-2024

该数据集集中了每年（2014年至2023年间）法国各市镇住宅房地产市场的多个汇总变量：交易数量、房屋和公寓的销售数量、房屋和公寓销售比例、售出房产的平均价格、售出房产每平方米平均价格、售出房产的平均面积。市镇的识别字段基于当年的INSEE代码。这些数据源自对地理定位的DVF数据库的处理，考虑了以下交易：单次销售交易（非批量销售）、价格在15,000欧元至10,000,000欧元之间、公寓面积（10平方米至250平方米）和房屋面积（10平方米至400平方米）、每平方米价格在330欧元至15,000欧元之间。详细方法学在此处解释。license: 其他 language: - 法语 tags: - data.gouv.fr 平台数据 - 法国公共数据 - Parquet格式 - CSV格式 - 开放数据 pretty_name: "各公社年度房地产指标（2014-2024年期间的房价与交易量）" configs: - config_name: dvf_communes2024 data_files: - split: 训练集 path: data/dvf_communes2024.parquet - config_name: dvf_communes_2022 data_files: - split: 训练集 path: data/dvf_communes_2022.parquet - config_name: dvf_communes_2023 data_files: - split: 训练集 path: data/dvf_communes_2023.parquet - config_name: dvf_communes_2021 data_files: - split: 训练集 path: data/dvf_communes_2021.parquet - config_name: dvf_communes_2020 data_files: - split: 训练集 path: data/dvf_communes_2020.parquet - config_name: dvf_communes_2019 data_files: - split: 训练集 path: data/dvf_communes_2019.parquet - config_name: dvf_communes_2018 data_files: - split: 训练集 path: data/dvf_communes_2018.parquet - config_name: dvf_communes_2016 data_files: - split: 训练集 path: data/dvf_communes_2016.parquet # 各公社年度房地产指标（2014-2024年期间的房价与交易量） ## 数据集来源 - 官方来源：https://www.data.gouv.fr/datasets/indicateurs-immobiliers-par-commune-et-par-annee-prix-et-volumes-sur-la-periode-2014-2024 - data.gouv.fr 数据集标识符：`63dd1cc420bf925d5d1d8b1e` - data.gouv.fr 数据集别名：`indicateurs-immobiliers-par-commune-et-par-annee-prix-et-volumes-sur-la-periode-2014-2024` - data.gouv.fr 元数据中标注的许可证：开放数据 Commons 开放数据库许可证（ODC-ODbL） ## Hugging Face 数据集结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库 - 一份原始表格资源对应一个Hugging Face子数据集/配置 - 每个子数据集/配置均包含名为`train`的数据集划分 ## 子数据集列表 - `dvf_communes2024` → `data/dvf_communes2024.parquet` - `dvf_communes_2022` → `data/dvf_communes_2022.parquet` - `dvf_communes_2023` → `data/dvf_communes_2023.parquet` - `dvf_communes_2021` → `data/dvf_communes_2021.parquet` - `dvf_communes_2020` → `data/dvf_communes_2020.parquet` - `dvf_communes_2019` → `data/dvf_communes_2019.parquet` - `dvf_communes_2018` → `data/dvf_communes_2018.parquet` - `dvf_communes_2016` → `data/dvf_communes_2016.parquet` ## 使用示例 python from datasets import load_dataset # 选择所需子数据集/配置： ds = load_dataset("Data-Gouv-FR/indicateurs-immobiliers-par-commune-et-par-annee-prix-et-volumes-sur-la-periode-2014-2024", "dvf_communes2024") print(ds["train"]) ## 原始数据集描述 本数据集汇总了2014至2023年各年度法国市镇房地产住宅市场的多项聚合统计指标，具体包括： * 总交易次数 * 住宅与公寓的销售总量 * 住宅与公寓的销售占比 * 成交房产的平均总价 * 成交房产的单位面积平均房价 * 成交房产的平均建筑面积 市镇的标识与关联字段基于对应年度的法国官方地理编码（COG，Code Officiel Géographique）。 本数据集源自对地理定位型法国房地产交易申报（DVF，Demande de Valeurs Foncières）数据库的处理，纳入的有效交易需满足以下条件： * 单笔独立交易（无分批次销售） * 交易价格介于15,000欧元至10,000,000欧元之间 * 公寓建筑面积介于10平方米至250平方米之间，住宅建筑面积介于10平方米至400平方米之间 * 单位面积房价介于330欧元/平方米至15,000欧元/平方米之间 详细方法论可参阅：<https://journals.openedition.org/cybergeo/39583>

搜集汇总

数据集介绍

构建方式

该数据集源自法国公开的地理定位不动产交易数据库（DVF），经过精心筛选与聚合处理而成。研究者首先从原始DVF数据中提取2014至2023年间发生的单笔不动产交易记录，并设定了严格的质量过滤标准：仅保留成交价格介于15,000至10,000,000欧元之间、公寓面积在10至250平方米、房屋面积在10至400平方米，以及单位面积价格处于330至15,000欧元每平方米的交易。随后，以法国市镇为基本空间单元，以INSEE代码作为唯一标识与年份对齐，逐年汇总各市镇的不动产交易总量、房屋与公寓的销售数量及其占比、交易标的的平均价格、单位面积均价以及平均面积等关键指标，最终形成一套结构清晰、时空粒度精细的市级不动产面板数据。

特点

本数据集最显著的特征在于其综合性与时空可比性。它将2014至2024年间法国各市镇的不动产价格与交易量信息整合为一套统一的年度指标，覆盖了从交易数量、价格水平到物理属性等多维度的核心变量。通过统一的INSEE市镇代码进行跨年度关联，研究者能够便捷地追踪同一地区不动产市场的长期演变趋势。此外，数据构建过程中对异常交易进行的审慎剔除，确保了统计指标的稳健性与代表性。该数据集不仅服务于学术研究中的空间计量与政策评估，也为房地产从业者、城市规划者及公众提供了了解区域市场动态的高质量基准信息。

使用方法

使用者可通过Hugging Face数据集详情页提供的链接，直接跳转至data.gouv.fr平台获取原始数据文件。由于Hugging Face版本仅作为元数据引用，实际操作中需下载CSV或Parquet格式的完整数据集。加载后，用户可利用年份与市镇INSEE代码两个关键字段，将本数据集与法国人口普查、经济普查、地理边界等其他社会经济数据进行灵活关联与交叉分析。典型应用场景包括：绘制各市镇不动产价格热力图、构建面板回归模型检验房价影响因素、或生成交互式数据仪表盘以展示区域市场的时间动态。数据集遵循ODbL开放许可协议，允许自由使用、分享与衍生，但需标注数据来源并保持相同许可。

背景与挑战

背景概述

该数据集创建于2014年至2024年期间，由法国数据开放平台data.gouv.fr发布，主要研究机构与研究人员依托地理定位的DVF数据库进行处理与汇总。其核心研究问题在于提供法国各市镇层面年度住宅房地产市场的关键指标，包括交易数量、房屋与公寓销售比例、均价、单位面积价格以及平均面积等。该数据集填补了精细化空间单元下房地产长期动态分析的空白，对于理解法国地方性住房市场演变、支持城市经济学与公共政策研究具有重要影响力。通过统一的INSEE代码与标准筛选条件，确保了跨年度数据的可比性与可用性。

当前挑战

该数据集所解决的领域问题在于住宅房地产市场分析中缺乏长期、精细化且一致性的市镇级统计指标。构建过程中面临的挑战包括：处理DVF原始数据中复杂的交易类型（如排除多宗交易），设定合理的价格与面积阈值以过滤异常值，确保筛选后数据能够代表典型市场行为。此外，整合2014至2024年间市镇边界变动（如合并与拆分）带来的INSEE代码不一致问题，以及应对数据缺失或极端波动对聚合统计量造成的影响，均为该数据集构建与维护的核心技术难题。

常用场景

经典使用场景

该数据集汇聚了2014至2023年间法国各市镇住宅房地产市场的核心指标，涵盖交易数量、房屋与公寓的成交量及占比、均价、每平方米单价以及平均面积等关键变量。研究者常利用这些经地理编码的DVF数据，以市镇为分析单元，深入探究法国房地产市场的时空演变规律。经典应用场景包括构建长时段面板数据模型，分析区域房价分化趋势、住房类型结构变迁以及市场活跃度的动态特征，为理解法国本土住房市场的微观运行机制提供了坚实的数据基础。

实际应用

在实际应用层面，该数据集服务于法国多类机构的决策支持。地方城市规划部门可依据各市镇每年的住房交易均价与成交量，动态调整土地供应计划与住房建设配额，以缓解供需矛盾。房地产咨询公司与银行风控部门能够利用逐年的价格与面积统计，评估区域资产价值波动风险，优化投资组合与贷款审核模型。此外，面向公众的房产价格估算平台（如MeilleursAgents）可借助这些市镇级聚合指标，提升其自动估价算法的基准精度，辅助购房者与业主进行更理性的市场判断。

衍生相关工作

围绕该数据集衍生出了诸多经典工作。其前身DVF数据库催生了大量关于法国住房市场空间溢出效应的计量经济学研究，例如巴黎房价对周边卫星城的扩散路径分析。基于同样方法论的学术论文《Cybergeo》详细阐释了数据清洗与聚合技术，为后续研究树立了处理不动产大数据的方法规范。此外，研究者利用该数据构建了多尺度房价指数，并与税收、交通可达性数据融合，形成了评估新地铁线或通勤高铁对沿线住宅价值影响的准实验框架。这些工作不仅深化了对房价决定因素的理解，也推动了公共政策评估中因果推断方法的普及。