简介：全国省、市、区、县、乡、镇、街道邮编及经纬度坐标数据集，收录46090条行政区划记录，覆盖从省级到街道的完整层级，面向GIS开发、物流配送、地图服务及数据分析等场景，可为地址解析、路径规划、区域统计提供基础数据支撑。压缩包为RAR格式，共1个文件，即一个可直接导入主流关系数据库的SQL脚本，大小942KB，脚本中每行对应一个行政区域，包含省市区县乡镇街道、邮政编码及经纬度等字段，便于按层级进行查询、关联与二次加工。已有795人浏览学习，对于需要快速搭建地理信息数据库的开发者而言，省去了自行采集与清洗数据的环节。配合SQL语句即可实现按地区筛选、坐标范围检索或邮编匹配，适用于智慧政务、电商物流、市场分析、灾害应急等需要精准位置信息的项目，是构建LBS应用和GIS服务的基础性参考资料。

1. 为什么需要一份全国省、市、区、县、乡、镇、街道邮编及经纬度坐标的基础表

做物流分拣、网点选址或地图可视化时，最缺的不是在线地图服务，而是一份能离线反复查的「全国省、市、区、县、乡、镇、街道邮编及经纬度坐标」基础表。把这个标题拆开看，其实是三个问题：行政区划怎么分层、邮编挂在哪一层、经纬度准不准。

三个问题凑到一起后，数据量比你想象的大，到乡镇街道一级通常接近五万行，而这五万行里最不可信的恰恰是乡镇街道的邮编和坐标。多数公开资料只给到区县，乡镇级坐标很多是爬虫顺手抓的，坐标系不清、偏移严重。

下面按一套能落地的流程来拆解：从层级建模、多源清洗、坐标系选择，到避坑和增量维护。目标不是做一份静态 Excel，而是把它变成可以长期查询和更新的本地库。适合 GIS 开发、后端工程师、数据同学，以及所有被地址数据折磨过的人。

2. 行政层级建模：用区划代码做主键，把省到街道拉成一张可查询的表

拿到数据先别急着 merge，先把「一张表能不能撑起五级行政层级」想明白。行政区划本质上是一棵树，从省到地市、从地市到区县、从区县再到乡镇街道，每一层都能往下钻。表的形状直接决定后续查询是顺手还是别扭。

2.1 行政区划代码为什么比名称更适合当主键

官方发布的行政区划代码是一串固定位数的编码，前两位代表省级，前四位代表地市级，前六位代表区县级，之后继续细分到乡镇街道。这套编码天然携带了父级信息，而且每年会随撤县设区、镇改街道调整。日常开发里大家更习惯用名称做关联，进入实战就会发现重名率极高，某市的「建设路街道」和另一个市的「建设路街道」，名字一样，邮编也可能相同。一旦拿名称去 join，后面排查数据错乱就是一场灾难。

所以主键必须选择 code 而不是 name。原因有三：一是名称可重复但 code 理论上唯一；二是 code 能直接推导出父级前缀，不用递归查树；三是变更时旧 code 可以标记失效而不是删除，不影响历史数据引用。

这里没有把邮编放进主表，原因在下一节说明。

2.2 字段粒度：邮编、坐标该挂在哪一层

一个街道通常对应一个或多个邮编，多个街道也可能共享一个邮编。邮编本质上是投递段的划分，并不严格对齐区划边界。如果直接在 divisions 表里放一列 postcode，遇到一对多只能存逗号分隔字符串，业务 join 时又要拆分，又慢又容易漏。

因此我一般会拆成两张表：divisions 只存区划与坐标，division_postcodes 存区划与邮编的关联关系，用 (code, postcode) 做联合主键。这样查询「某个邮编覆盖哪些街道」或「某个街道有哪些邮编」都是标准 SQL。坐标字段则直接冗余在 divisions 上，因为坐标是「点」属性，每个区划只需要一个中心点，不存在一对多。

另一个容易忽视的问题是层级不齐。有的区县下直接挂街道，中间没有乡镇；有的乡镇下面还挂着社区。设计时不要假设五级固定不变，level 字段必须保留，查询树时用 parent_code 递归比用固定的前缀截取更稳。

2.3 前导零与字符串类型：建表时最容易埋的坑

区划代码和邮编都是数字，但它们是「编号」不是「数值」。很多同学习惯把字段设成 INTEGER 或者 BIGINT，导入数据后发现前导零全部消失，比如某区划代码以 01 开头，入库后变成 1，父级前缀立刻对不上，这是百分之九十的踩坑现场。

CREATE TABLE divisions ( code TEXT PRIMARY KEY, name TEXT NOT NULL, parent_code TEXT, level INTEGER NOT NULL, center_lng REAL, center_lat REAL ); CREATE TABLE division_postcodes ( code TEXT NOT NULL, postcode TEXT NOT NULL, PRIMARY KEY (code, postcode) ); CREATE INDEX idx_divisions_parent ON divisions(parent_code); CREATE INDEX idx_postcodes_code ON division_postcodes(code);

所有代码类字段全部用 TEXT，不要用 INTEGER；level 是语义上的层级，才用 INTEGER。加 parent_code 索引是因为后面大量按父级查询，几万行数据也许不明显，但 JOIN 时索引能避免全表扫描。postcode 字段同理，之后按邮编反查区划时用得上。

2.4 用前缀编码实现省、市、区县、乡镇街道的四级查询

区划代码的层级关系藏在编码前缀里。某个市级 code 的前两位是省级，前四位是该市级，前六位是其下区县。查询子级最直接的方式是对 code 做字符串截取。

-- 查询某省级下所有地市 SELECT * FROM divisions WHERE substr(code, 1, 2) = substr(?, 1, 2) AND level = 2; -- 查询某地市下所有区县 SELECT * FROM divisions WHERE substr(code, 1, 4) = substr(?, 1, 4) AND level = 3; -- 查询某区县下所有乡镇街道 SELECT * FROM divisions WHERE substr(code, 1, 6) = substr(?, 1, 6) AND level = 4;

?是应用层传进来的父级 code，substr(code, 1, 2)的写法依赖字符串类型，所以建表时 TEXT 是硬性要求。这套 SQL 在五万行数据上执行很快，但有一个边界：遇到「区直管街道」或「县级市直接下挂社区」的区划，level 会跳级，按前缀截取可能把不该出现的数据带出来。所以更稳妥的查询其实是先过滤 parent_code 字段，前缀只用来做快速过滤。这也是建表时保留 parent_code 的原因，而不是完全靠派生。

3. 多源数据合并与清洗：把零散的省市表变成统一的 SQLite 库

网上能找到的资料大致分三类：区划代码表、邮编查询文件、地图坐标导出。它们字段各异、粒度不同、坐标系甚至都不是同一套。第一步不是写代码，而是先把字段映射关系画清楚。

3.1 字段映射：三个常见数据源如何对齐

区划代码表通常只给 code、name、level，优点是行政层级完整；邮编查询文件给的是一长段自然地址，例如「某省某市某区某路 100 号」，需要先拆到区划代码；地图坐标导出则是地标名加经纬度，地标名和标准名称之间往往差着「某新城」「某南路」这类描述。三者必须有一个共同键才能合，这个键只能是 code，没有 code 的来源就得靠名称匹配。

我的处理顺序是：先以区划代码表为骨架，再左挂邮编和坐标。注意一定用 left join，如果某个乡镇没有坐标或邮编也保留空行，后面清洗时才能看出缺失集中在哪一层，而不是整行消失。

3.2 用 pandas 合并第一版全量数据

import pandas as pd df_code = pd.read_csv('divisions_code.csv', dtype={'code': str}) df_post = pd.read_csv('postcodes.csv', dtype={'code': str, 'postcode': str}) df_center = pd.read_csv('centers.csv', dtype={'code': str}) # 左连接，以区划代码表为骨架 df = df_code.merge( df_center[['code', 'center_lng', 'center_lat']], on='code', how='left' ).merge( df_post[['code', 'postcode']].drop_duplicates(), on='code', how='left' )

dtype={'code': str}是必写项，省略的话 pandas 会把 code 读成 int64，前导零直接消失，后面所有前缀查询都会错。df_post[...].drop_duplicates()去掉同一个 code 下重复的邮编记录，因为后续要聚合。

# 邮编一对多，先聚合成逗号串便于预览，正式入库再拆分 df_agg = df.groupby( ['code', 'name', 'parent_code', 'level'], dropna=False ).agg( postcodes=('postcode', lambda s: ','.join( x for x in s.dropna().astype(str).unique() )), center_lng=('center_lng', 'first'), center_lat=('center_lat', 'first') ).reset_index()

dropna=False是为了让完全没有邮编的区划也保持分组存在；.unique()去掉重复邮编；first用于坐标，因为同一个 code 理论上只有一个中心点，如果出现多条不同坐标，说明来源表有重复，建议先查重再合并。

3.3 邮编标准化：补位、去重与一对多拆分

邮编的坑在第一遍合并后集中爆发：有的写成整数 23000，有的带横杠 23-456，有的混进中文。统一做法是只保留六位数字，缺失返回空。

import re def normalize_postcode(raw): if pd.isna(raw): return None m = re.search(r'\d{6}', str(raw).replace('-', '')) return m.group(0) if m else None # 拆逗号字符串，逐个清洗 rows = [] for _, r in df_agg.iterrows(): if pd.isna(r['postcodes']): continue for pc in str(r['postcodes']).split(','): pc = normalize_postcode(pc) if pc: rows.append({'code': r['code'], 'postcode': pc}) df_post_map = pd.DataFrame(rows).drop_duplicates()

normalize_postcode用正则\d{6}从任意文本里抽出六位数字，比 strip 更稳；replace('-', '')是为了处理带横杠邮编。drop_duplicates()同时去掉重复，最后得到的df_post_map就是干净的一对多关联表，可以写入division_postcodes。

如果你的源数据是 Excel，导出 CSV 时邮编很容易被自动转成科学计数法，读进来变成2.3E+05这类字符串。正则前先把类似2.3E+05转成正常数字再补零，或者干脆要求源头给文本格式，能省很多事。

3.4 写入 SQLite 并检查完整性

import sqlite3 conn = sqlite3.connect('divisions.db') df_agg[['code', 'name', 'parent_code', 'level', 'center_lng', 'center_lat']].to_sql( 'divisions', conn, if_exists='replace', index=False) df_post_map.to_sql('division_postcodes', conn, if_exists='replace', index=False) conn.commit()

if_exists='replace'适合本地重建整表；如果线上继续用，建议改成先删除旧数据再插入，避免 drop 表带来的权限问题。写完后跑一轮校验。

-- 1. 父代码悬空 SELECT code, name, parent_code FROM divisions d WHERE parent_code IS NOT NULL AND parent_code NOT IN (SELECT code FROM divisions) LIMIT 10; -- 2. 缺少坐标的层级分布 SELECT level, COUNT(*) AS total, SUM(CASE WHEN center_lng IS NULL AND center_lat IS NULL THEN 1 ELSE 0 END) AS missing_xy FROM divisions GROUP BY level; -- 3. 每个层级覆盖邮编的比例 SELECT d.level, COUNT(DISTINCT d.code) AS total, COUNT(DISTINCT dp.code) AS has_postcode FROM divisions d LEFT JOIN division_postcodes dp ON d.code = dp.code GROUP BY d.level;

第一条查出的「父代码悬空」基本可以断定来自旧版本区划代码，例如某区县撤并后其下辖乡镇仍指向旧 code。第二条让你看到缺失坐标集中在哪个层级。第三条如果乡镇街道层级的has_postcode明显低于区县级，说明邮编来源在该层覆盖不全，需要回到 3.3 补数据，而不是闷头建服务。

4. 坐标系统选型与查询服务：让经纬度真正用得上

数据合并好了，不代表坐标能用。很多一站式数据包默认给的是 GCJ-02，而你的 GPS 采集设备输出的是 WGS84，混着用直接偏出街区。先定坐标系，再谈查询。

4.1 WGS84、GCJ-02、BD09 选哪个：先想清楚终点数据要交给谁

WGS84 是卫星导航系统输出的原始坐标；GCJ-02 是官方坐标加密体系下的产物，国内主流地图产品都基于它；BD09 是某地图厂商在 GCJ-02 基础上二次加密得到的。三者之间没有简洁的线性转换关系，WGS84 到 GCJ-02 可以靠公开公式正向计算，反向则需要迭代逼近。

选型原则很简单：数据最终要投到国内地图上，就直接存 GCJ-02，避免每次请求都做在线转换；数据要给物流车机或海外分析用，存 WGS84。为了两边不打架，我会在表里同时存两套坐标，字段名写清楚坐标系，例如center_lng_wgs84和center_lng_gcj02。空间是小事，排查问题的时间才值钱。

4.2 坐标纠偏：从 GCJ-02 反算 WGS84 的迭代方法

如果你拿到的只有 GCJ-02，又必须输出 WGS84，常见做法是正向转换公式加迭代逼近。下面这组函数可以直接抄，核心思路是先假定 WGS84 坐标等于 GCJ-02 坐标，然后做正向转换，再用误差反向纠正，循环几次后收敛。

import math pi = 3.1415926535897932384626 a = 6378245.0 ee = 0.00669342162296594323 def out_of_range(lng, lat): return not (lng > 73 and lng < 135 and lat > 3 and lat < 54) def transform_lat(lng, lat): ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat ret += 0.1 * lng * lat + 0.2 * math.sqrt(abs(lng)) ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0 ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0 ret += (160.0 * math.sin(lat / 12.0 * pi) + 320.0 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0 return ret def transform_lng(lng, lat): ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng ret += 0.1 * lng * lat + 0.1 * math.sqrt(abs(lng)) ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0 ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0 ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0 return ret def wgs84_to_gcj02(lng, lat): if out_of_range(lng, lat): return lng, lat dlat = transform_lat(lng - 105.0, lat - 35.0) dlng = transform_lng(lng - 105.0, lat - 35.0) radlat = lat / 180.0 * pi magic = math.sin(radlat) magic = 1 - ee * magic * magic sqrtmagic = math.sqrt(magic) dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi) dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi) return lng + dlng, lat + dlat def gcj02_to_wgs84(lng, lat, max_iter=8): if out_of_range(lng, lat): return lng, lat wgs_lng, wgs_lat = lng, lat for _ in range(max_iter): g_lng, g_lat = wgs84_to_gcj02(wgs_lng, wgs_lat) wgs_lng -= (g_lng - lng) wgs_lat -= (g_lat - lat) return wgs_lng, wgs_lat

out_of_range先做范围判断，避免对范围外坐标做无意义偏移。transform_lat和transform_lng是公开的近似公式，不同版本里的系数有细微出入，但结果差异在像素级。gcj02_to_wgs84的max_iter参数控制迭代次数，8 次通常把误差压到 1 米以内；如果结果仍然漂移几米，可以调到 12，但单点计算耗时也就几微秒，对离线处理无所谓。

注意：不要自己「推导」反算公式。GCJ-02 的偏移是非线性的，唯一靠谱的路径就是正向公式加迭代，或者直接调用成熟工具库。

4.3 封装一个按关键字查找区划的查询类

数据进了 SQLite，下一步是封装查询能力。最常见需求有三个：按标准名称精确查找区划；在指定父级下模糊搜索关键字；查询某个区划的所有下级。直接写在业务代码里会很散，我一般会用轻查询类把它收敛起来。

import sqlite3 class DivisionSearch: def __init__(self, db_path): self.conn = sqlite3.connect(db_path) self.rows = self._load() def _load(self): cur = self.conn.cursor() cur.execute(""" SELECT code, name, parent_code, level, center_lng, center_lat FROM divisions """) return cur.fetchall() def find(self, keyword, parent_code=None): exact = [] fuzzy = [] for code, name, parent, level, lng, lat in self.rows: if parent_code and parent != parent_code: continue if name == keyword: exact.append((code, name, parent, level, lng, lat)) elif keyword in name: fuzzy.append((code, name, parent, level, lng, lat)) return exact + fuzzy def children(self, code): return [r for r in self.rows if r[2] == code]

find返回「精确命中 + 模糊命中」两个数组，顺序是精确优先，避免输入「某新区」时混淆掉「某新区街道」。children直接用 parent_code 过滤，不依赖前缀长度，这样在遇到「县下直挂街道」这种不规则层级时也不会漏数据。

参数上，find的parent_code必须传，否则「示例路」这种名字会在不同城市全部命中，业务上没法用。父级限定之后，同名街道才算真正被隔离。查询类的内存占用约等于五万行记录乘几个字节，常驻内存完全没问题，没有必要为每个请求开 SQLite 连接。如果数据量到了百万级，再考虑上分布式检索，当前这个阶段用 Python 列表足够。

5. 避坑记录：乡镇街道邮编与坐标的 5 个翻车点和排查方法

前面的流程能挡掉常规脏数据，但总有些坑藏在数据本身。这一章不打补丁，直接看现象、原因、解决，每一条都是真实翻车换来的。

5.1 五个高发异常：现象、原因、解决

异常一：乡镇级坐标全部落在市中心

现象：某省多个乡镇的经纬度完全一样，而且都指向地级市中心的坐标。原因：坐标来源在乡镇一级大量缺数，用市级中心点「填充」了这些空位。解决：删除完全相同的坐标对，或者引入乡镇政府驻地地标做交叉校验；如果只是为了展示热力，宁可让该点为空，也不要给用户一个假位置。

异常二：邮编前导零丢失

现象：邮编「023456」入库后变成「23456」。原因：CSV 或 Excel 导入时，邮编列被自动转成数值类型。解决：读文件时强制dtype={'postcode': str}，清洗时统一用str.zfill(6)补位，再写一个正则校验六位数字。

异常三：一个街道多个邮编导致分拣出错

现象：业务系统按街道取邮编只取到第一个，快递分拣发错分拨中心。原因：把 postcode 设计成单值字段，忽略了一对多关系。解决：用division_postcodes关联表保存全部邮编，查询时返回集合，由业务规则决定优先级，而不是简单取第一条。

异常四：县下直接挂街道，中间少了一层

现象：用编码前缀查乡镇街道，某县下面直接出现一堆街道，中间没有乡镇。原因：当地行政区划近年做过「镇改街道」，街道和乡镇在编码上是平级。解决：查询树别依赖层级深度，直接用 parent_code 递归，业务展示时按实际 level 过滤。

异常五：坐标整体偏移几十米

现象：叠加到地图上看，所有点都偏出真实位置，方向一致。原因：GCJ-02 数据被当成 WGS84 使用，或者反过来。解决：入库前统一转成目标坐标系，字段名标注坐标系；不要相信来源文件标题里写的坐标系，抽样对地标验证后再全量处理。

5.2 一条无损校验脚本：把隐患挡在写入之前

上面五类异常里，前两类和第五类可以在写入前批量查出来。我习惯在每次合并后跑一轮校验脚本，不通过就不进库。假设你手里是合并后的宽表文件，包含 code、name、parent_code、level、center_lng、center_lat、postcode 列，其中 postcode 可能是多值逗号分隔。

import pandas as pd import re df = pd.read_csv('merged.csv', dtype={'code': str, 'parent_code': str, 'postcode': str}) # 1. 坐标越界 bad_range = df[(df.center_lng < 73) | (df.center_lng > 135) | (df.center_lat < 3) | (df.center_lat > 54)] print('越界坐标数量:', len(bad_range)) # 2. 父代码悬空 codes = set(df['code']) bad_parent = df[df['parent_code'].notna() & ~df['parent_code'].isin(codes)] print('父代码缺失数量:', len(bad_parent)) # 3. 同父级下同名街道 dup_name = df[df.duplicated(subset=['name', 'parent_code'], keep=False)] print('同名冲突数量:', len(dup_name)) # 4. 邮编非法（宽表按逗号拆分后逐段检查） bad_post = [] for raw in df['postcode'].dropna(): for pc in str(raw).split(','): if not re.fullmatch(r'\d{6}', pc.strip()): bad_post.append((raw, pc)) print('非法邮编数量:', len(bad_post))

第一条的经纬度范围按全国跨度粗筛，能挡掉坐标是 0 或经纬度反了的记录；第二条查父代码悬空，对应异常四的编码链断裂；第三条查同父级下同名冲突，这种记录多半是历史撤并残留；第四条用正则硬校验邮编格式。四条全过的数据才允许进入下一阶段。

duplicated(subset=['name', 'parent_code'])用的是「同一父级下的同名」逻辑，不同父级下同名反而合法。keep=False会让重复行全部标出来，方便人工逐条确认。如果坐标列存在 NaN，前面的比较会返回 False，不会误报，但你也得知道 NaN 本身就是「缺失」，需要单独统计。

6. 验证与增量更新：把这份基础表当长期资产维护

数据入库后别急着上线。最靠谱的验证方式是抽几十个点做「真值对照」：选不同层级、不同方位的记录，人工在地图上确认其政府驻地或核心地标的实际位置，再和库里坐标做距离比较。

import math def haversine(lng1, lat1, lng2, lat2): R = 6371.0088 p1, p2 = math.radians(lat1), math.radians(lat2) dp = math.radians(lat2 - lat1) dl = math.radians(lng2 - lng1) a = math.sin(dp / 2) ** 2 + math.cos(p1) * math.cos(p2) * math.sin(dl / 2) ** 2 a = max(0, min(1, a)) return 2 * R * math.asin(math.sqrt(a)) # 真值文件：code, true_lng, true_lat truth = pd.read_csv('truth_points.csv', dtype={'code': str}) sample = truth.merge(df_agg[['code', 'center_lng', 'center_lat']], on='code') sample['distance_m'] = sample.apply( lambda r: haversine(r.center_lng, r.center_lat, r.true_lng, r.true_lat) * 1000, axis=1 ) print(sample[['code', 'distance_m']].describe())

这里用球面距离公式，对几十到几百米的尺度完全够用。看distance_m的中位数和 p90：乡镇级中位数在 30 到 80 米是正常水平；上百上千则说明坐标来源是市级中心点填充，回到上一章异常一处理。

行政区划代码每年都在变。我的习惯是每年拿到新版本后跑一遍 diff，但旧代码不删除，只标记失效。

-- 新增区划 SELECT code, name FROM divisions_new WHERE code NOT IN (SELECT code FROM divisions_old); -- 失效区划 SELECT code, name FROM divisions_old WHERE code NOT IN (SELECT code FROM divisions_new);

新增区划大多由「镇改街道」「撤并乡镇」产生，需要补邮编和坐标；失效区划不能物理删除，否则历史订单、历史轨迹无法关联到原有节点，正确做法是加valid_flag或valid_until字段。把变更清单同步给业务方，比闷头升级表更稳。

最后说一个我自己的教训：某次做网点地图，直接把下载好的坐标当成 WGS84 用，上线后几百个点集体偏出街区。排查了一个下午才发现是 GCJ-02。从那以后，我所有离线表里都同时存两套坐标，字段名写明坐标系，并且每年新版区划代码发布后立刻跑一次 diff。这套工序看起来多，但积累下来，这份「全国省、市、区、县、乡、镇、街道邮编及经纬度坐标」才真正变成可以长期依赖的基础资产。希望帮到你。

本文还有配套的精品资源，点击获取