全球国家行政区划与定居点位置数据集
数据集简介
数据来源与构建背景
该数据集(officialName: mindstellar/location-data)完全基于 Wikidata 构建。Wikidata 本身采用 CC0 许可,因此本数据集也遵循 CC0-1.0 协议发布至公共领域,允许用户自由使用、修改和分发,无需署名或支付费用。与之配套的构建流水线代码则采用 GPL-3.0 许可开源。项目的核心目的是为全球范围内的产品内嵌地名与地理坐标需求提供一个干净、结构化且无版权负担的数据源,同时也开源了其数据处理流程供社区参考。
数据规模与覆盖范围
数据集覆盖了全球 255 个国家和地区,包含 4,328 个一级行政区划(如省、州、邦等)以及 1,674,947 个定居点记录。其最显著的特征是100% 的坐标覆盖率:每一个定居点记录都包含经纬度信息。此外,数据清洗规则确保了同一区域内不存在名称重复的记录,保证了数据的唯一性和准确性。
在存储优化方面,数据并未托管在 Git 仓库中,而是发布在对象存储上,以适应大规模数据的访问需求。单国文件经过优化,最大的单个国家文件(墨西哥)大小仅为 76 MB,这使得数据可以在恒定内存下流式读取,非常适合资源受限的环境或实时应用。
文件格式与结构
为了满足不同开发场景的需求,每一批记录均提供三种格式,内容完全一致:
- NDJSON (
.ndjson):每行一个 JSON 对象,适合流式处理和大数据管道。 - Nested JSON (
.json):标准的嵌套 JSON 结构,适合直接加载到内存中进行查询。 - Flat CSV (
.csv):扁平化表格格式,方便导入 Excel 或关系型数据库。
每个国家的数据文件以其 ISO 代码命名(例如 CN.ndjson, US.json)。此外,每个版本目录中包含一个 manifest.json 文件,记录了所有文件的 SHA256 校验和与字节数,确保用户在下载后可以进行完整性验证。
字段定义与内容细节
数据记录包含丰富的地理属性字段,主要涵盖以下维度:
- 基础标识:
type(类型)、id(唯一标识)、source(来源)、country_code(国家代码)、slug(URL 友好名称)。 - 层级关系:
admin1_id(一级行政区 ID)、admin2_id(二级行政区 ID)。 - 地理位置:
latitude(纬度)、longitude(经度)、elevation(海拔)、timezone_id(时区 ID)。 - 人口与面积:
population(人口)、area(面积)。 - 名称变体:
name(主名称)、alt_names(别名列表)、native_label(本地语言标签)。 - 外部关联:
geonames_id(GeoNames ID)、osm_relation_id(OpenStreetMap 关系 ID)、sitelinks(维基百科站点链接)。 - 其他属性:
place_type(地点类型)、postal_code(邮政编码)。
获取方式与版本管理
数据通过对象存储进行分发,而非静态网页托管。用户可以通过以下方式获取最新数据:
- 访问
https://geo.mindstellar.com/releases/latest.json获取当前版本号及manifest.json索引。 - 根据版本号路径下载具体国家的文件,路径模式为
releases/<version>/data/<CC>.ndjson、json/<CC>.json或csv/<CC>.csv。 - 亦可从
placedb.org以静态 JSON 形式直接访问,无需密钥、账号或速率限制。
项目主页位于 GitHub (mindstellar/location-data),代码与文档均在此维护。数据发布日期线索显示为 2026-09-20(基于最新版本元数据),具体更新频率需关注官方仓库动态。