Data-Gouv-FR/communes-des-collectivites-doutre-mer-cog-france

官方地理代码 - 海外集体市镇：该数据集汇集了法国海外集体的市镇，作为法国国家统计与经济研究所（INSEE）可下载的《官方地理代码（COG）》数据集以及《海外集体》数据集的补充。其格式（可用信息量和变量名称）与INSEE的其他文件相同。 数据来源：数据来自INSEE网站：- 海外集体编码（COM）。 变量列表及信息： | 变量名 | 变量长度 | 变量说明及模式 | |--------|----------|----------------| | TYPECOM | 4 | 市镇类型 | | COM | 5 | 市镇代码 | | DEP | 3 | 海外集体代码 | | TNCC | 1 | 清晰名称类型 | | NCC | 200 | 清晰名称（大写） | | NCCENR | 200 | 清晰名称（丰富排版） | | LIBELLE | 200 | 带冠词的清晰名称（丰富排版） | 附加信息： - 文件以UTF-8编码。 - 市镇98802在此处记录为“Bouloupari**s**”而非“Bouloupari”，市政府已尝试验证此名称变更10年。此外，其发音与“Paris”市相反。最后，维基百科页面拼写正确。Official Geographic Codes - Overseas Collectivity Communes: This dataset compiles the communes of French overseas collectivities, serving as a supplement to the downloadable Official Geographic Code (COG) dataset and Overseas Collectivity dataset published by the National Institute of Statistics and Economic Studies (INSEE). Its format, including available information and variable names, is consistent with other documents released by INSEE. Data Source: The data is sourced from the INSEE website: - Overseas Collectivity Coding (COM). Variable List and Information: | Variable Name | Variable Length | Variable Description and Mode | |--------|----------|----------------| | TYPECOM | 4 | Commune Type | | COM | 5 | Commune Code | | DEP | 3 | Overseas Collectivity Code | | TNCC | 1 | Clear Name Type | | NCC | 200 | Clear Name (Uppercase) | | NCCENR | 200 | Clear Name (Rich Formatting) | | LIBELLE | 200 | Clear Name with Article (Rich Formatting) | Additional Information: - The file is encoded in UTF-8. - The commune with code 98802 is recorded here as "Bouloupari**s**" instead of "Bouloupari". The municipal government has verified this name change over the past 10 years. Additionally, its pronunciation is the reverse of that of the city of Paris. Finally, the spelling on its Wikipedia page is correct.

搜集汇总

数据集介绍

构建方式

该数据集源自法国国家统计与经济研究所（INSEE）发布的官方地理编码（COG），聚焦于法国海外集体领地（COM）的市镇信息。作为对INSEE标准COG数据集及海外集体数据集的有力补充，其构建过程严格遵循原始数据源的格式规范，确保变量名称与信息粒度与INSEE官方文件保持一致。数据集以Parquet格式存储于HuggingFace平台，每条记录对应一个市镇，涵盖类型代码、市镇代码、海外集体代码、名称类型、全大写名称、富文本名称及带冠词名称等关键字段。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集。具体而言，使用load_dataset函数指定仓库名称'Data-Gouv-FR/communes-des-collectivites-doutre-mer-cog-france'及配置名称'cog-france-ccom-2021'，即可获得包含所有市镇记录的训练集。加载后的数据集可直接以Python对象形式操作，支持切片、查询等常见数据操作，便于进行空间分析或与INSEE的其他地理编码数据联合使用。

背景与挑战

背景概述

该数据集名为“communes-des-collectivites-doutre-mer-cog-france”，由法国数据平台data.gouv.fr于2021年创建，核心研究机构为法国国家统计与经济研究所（INSEE）。数据集聚焦于法国海外领地的行政区划编码，旨在补充INSEE官方地理编码（COG）中关于海外集体（COM）的缺失信息。通过整合INSEE的官方编码标准，该数据集提供了包括市镇类型、代码、名称及领属关系在内的结构化信息，为法国海外领土的行政管理和区域研究奠定了数据基础。其影响力体现在支持政策制定、人口统计及地理信息系统的跨领域应用，尤其对理解法国海外领地的空间治理与数据标准化具有重要推动作用。

当前挑战

该数据集面临的领域挑战在于法国海外领地行政区划的复杂性与动态性，例如市镇名称变动（如Bouloupari拼写争议）导致数据更新滞后，影响官方编码的准确性和一致性。构建过程中，数据集需严格对齐INSEE的高标准格式，但原始数据来源分散且编码规则（如TYPECOM、TNCC）涉及多维度变量，整合时易出现信息冗余或遗漏。此外，海外领地数据的人文地理特殊性（如多语言地名）要求编码兼顾UTF-8兼容性与本地化表达，进一步增加了数据清洗和校验的难度。

常用场景

经典使用场景

该数据集汇集了法国海外集体（Collectivités d'Outre-Mer）所辖市镇的官方地理编码信息，是《法国官方地理编码》（Code Officiel Géographique）体系的重要补充。其经典用途在于支持对海外领土行政单元的结构化查询与统计分析，涵盖市镇类型、代码、名称及拼写规范等核心字段。研究人员可通过该数据集实现法国本土与海外集体行政数据的统一整合，为跨区域比较研究及地理信息系统的标准化建设提供基础数据支撑。

解决学术问题

数据集有效弥补了法国官方地理编码体系在海外集体层面的数据空缺，解决了长期以来海外市镇行政信息分散、编码不一致的学术研究痛点。它为区域科学、人口地理学及公共政策评估等领域提供了权威且可复用的结构化参考，使学者能够精准界定研究单元边界，减少因数据缺失导致的实证偏差。这一贡献显著提升了法国海外领土相关研究的可操作性与结论可靠性。

实际应用

在实际应用中，该数据集是构建法国全域地图服务、行政区划管理系统及公共信息平台的基石。政府部门可据此优化海外领土的资源分配与政务服务，企业可开发精准的地理位置查询工具，而教育及文化机构则能利用标准化的市镇名称及编码开展跨区域文化传播与历史地理研究。其开放许可特性进一步降低了数据重用门槛，促进了数字公共服务的普惠发展。

数据集最近研究

最新研究方向

该数据集聚焦于法国海外领土（COM）市镇行政编码的标准化与公开化，当前研究领域正借助开放数据运动，推动行政地理信息在公共治理与人文社科分析中的深度应用。随着法国政府强化海外领土数据治理，该数据集成为连接本土与外海行政体系的关键桥梁，尤其在区域规划、人口统计与文化遗产研究中价值凸显。前沿方向包括利用机器学习和自然语言处理技术，对COG编码与多源地理数据进行对齐与纠错（如报告中提及的Boulouparis拼写争议），进而构建更精准的动态行政区划图谱。该工作不仅提升法国海外领土数据的互操作性，还为全球海外领地数据治理提供范式，对促进非欧洲本土研究资源的整合与政策制定具有深远影响。