数据集 |
您所在的位置:网站首页 › 5级女巫数据 › 数据集 |
最近分享的数据集一般都含有地址信息,这就很有必要寻找中国区划数据集, 来帮助我们更好的清洗地址数据。 一、数据集概况# 数据来源: 中华人民共和国国家统计局 https://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2023/ 整理者: ``https://github.com/adyliu/china_area`` 数据量(2023年): 665552 数据格式: csv.gz 或 sql.gz 级别: 1级:省、直辖市、自治区 2级:地级市 3级:市辖区、县(旗)、县级市、自治县(自治旗)、特区、林区 4级:镇、乡、民族乡、县辖区、街道 5级:村、居委会 城乡分类 (1开头是城镇,2开头是乡村) 111表示主城区; 112表示城乡接合区; 121表示镇中心区; 122表示镇乡接合区; 123表示特殊区域; 210表示乡中心区; 220表示村庄 code: 共12位(省2位,市2位,县2位,镇3位,村3位)按截图操作即可获取数据集
分省份2010-2024数据变化
二、读取数据# 以 area_code_2024.csv.gz 为例, 解压后得到 area_code_2024.csv, import pandas as pd df = pd.read_csv('area_code_2024.csv', header=None)#, names=['name', 'level', 'code', 'class'] df.columns = ['code', 'name', 'level', 'pcode', 'category'] print(len(df)) df.head(10)Run 665552三、查看区划等级# 区划级别: 1级:省、直辖市、自治区 2级:地级市 3级:市辖区、县(旗)、县级市、自治县(自治旗)、特区、林区 4级:镇、乡、民族乡、县辖区、街道 5级:村、居委会 3.1 省#查看所有省名字 df[df['level']==1]['name'].valuesRun array(['北京市', '天津市', '河北省', '山西省', '内蒙古自治区', '辽宁省', '吉林省', '黑龙江省', '上海市', '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省', '河南省', '湖北省', '湖南省', '广东省', '广西壮族自治区', '海南省', '重庆市', '四川省', '贵州省', '云南省', '西藏自治区', '陕西省', '甘肃省', '青海省', '宁夏回族自治区', '新疆维吾尔自治区'], dtype=object)code: 共12位(省2位,市2位,县2位,镇3位,村3位), 查看所有省的代码 df[df['level']==1]['code'].astype(str).str[:2].valuesRun array(['11', '12', '13', '14', '15', '21', '22', '23', '31', '32', '33', '34', '35', '36', '37', '41', '42', '43', '44', '45', '46', '50', '51', '52', '53', '54', '61', '62', '63', '64', '65'], dtype=object)省份名和区划代码 province_code_df = pd.DataFrame( {'province': df[df['level']==1]['name'].values, 'code':df[df['level']==1]['code'].astype(str).str[:2].values} ) province_code_df3.2 市# code: 共12位(省2位,市2位,县2位,镇3位,村3位), 查看所有市的代码 city_code_df = pd.DataFrame( {'city': df[df['level']==2]['name'].values, 'code':df[df['level']==2]['code'].astype(str).str[:4].values} ) city_code_df3.3 县# code: 共12位(省2位,市2位,县2位,镇3位,村3位), 查看所有县的代码 county_code_df = pd.DataFrame( {'county': df[df['level']==3]['name'].values, 'code':df[df['level']==3]['code'].astype(str).str[:6].values} ) county_code_df3.4 镇# code: 共12位(省2位,市2位,县2位,镇3位,村3位), 查看所有镇的代码 zhen_code_df = pd.DataFrame( {'zhen': df[df['level']==4]['name'].values, 'code':df[df['level']==4]['code'].astype(str).str[:9].values} ) zhen_code_df3.5 村# code: 共12位(省2位,市2位,县2位,镇3位,村3位), 查看所有镇的代码 village_code_df = pd.DataFrame( {'village': df[df['level']==5]['name'].values, 'code':df[df['level']==5]['code'].astype(str).str[:12].values} ) village_code_df四、 城乡分类# 城乡分类 (1开头是城镇,2开头是乡村) 111表示主城区; 112表示城乡接合区; 121表示镇中心区; 122表示镇乡接合区; 123表示特殊区域; 210表示乡中心区; 220表示村庄查看所有的城镇 #category以1为开头,即城镇 df[df['category'].astype(str).str.startswith('1')]
查看所有的镇中心区 df[df['category']==121]
相关内容# 中国行政区划代码历史沿革数据库 2020年村级及以上各级行政区区划代码及经纬度.xlsx 百度网盘链接: https://pan.baidu.com/s/1uM_6quZ759RrDGzkriJtGQ?pwd=g743 提取码: g743 广而告之# 长期征稿 长期招募小伙伴 付费视频课 | Python实证指标构建与文本分析 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |