Villes de Inde avec latitude & longitude – Téléchargez en Excel, CSV, SQL, JSON, XML
Dernière mise à jour : 12 mars 2026.
Voici un échantillon sélectionné de 100 villes clés de India, incluant des données essentielles telles que la latitude, la longitude, la région administrative et d'autres attributs utiles.
Cet aperçu est extrait de notre base de données complète, qui comprend un total de 543072 localisations géographiques dans tout le pays.
Que vous travailliez sur de la cartographie, de l’analyse de données ou du développement d’applications, nos données sont disponibles pour un usage personnel ou commercial.
Tous les formats sont téléchargeables : Excel (.xlsx), CSV, SQL, JSON et XML.
Capitale mise en avant : La capitale officielle de Inde est New Delhi.
| Geoname_ID | City | Alternate_Name | Country_Code | Region | Sub_region | Latitude | Longitude | Elevation | Population | Timezone | Fcode_Name |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 11326976 | Kālāpahār | Kalapahar,Kālāpahār | IN | Bihar | Vaishāli | 25.70978 | 85.51282 | 0 | Asia/Kolkata | populated place | |
| 10167881 | Jhiroli | IN | Rajasthan | Alwar | 27.82859 | 76.87051 | 0 | Asia/Kolkata | populated place | ||
| 1270056 | Hirānagar | Hiranagar,Hirānagar,Hīrānagar | IN | Jammu and Kashmir | Kathua | 32.45493 | 75.27187 | 9446 | Asia/Kolkata | populated place | |
| 10559877 | Nimbwāri | IN | Uttar Pradesh | Bahraich | 27.56824 | 81.55957 | 0 | Asia/Kolkata | populated place | ||
| 10460407 | Saunauth Gokalpur | IN | Uttar Pradesh | Alīgarh | 27.80233 | 78.16656 | 0 | Asia/Kolkata | populated place | ||
| 10815636 | Chāndseli | IN | Maharashtra | Nandurbar | 21.69705 | 74.20413 | 0 | Asia/Kolkata | populated place | ||
| 10995261 | Dumaria | IN | Bihar | Purnia | 25.77283 | 87.30461 | 0 | Asia/Kolkata | populated place | ||
| 10887218 | Dusādhtoli | IN | Bihar | Madhubani | 26.20997 | 86.09772 | 0 | Asia/Kolkata | populated place | ||
| 10619128 | Zabti | IN | Uttar Pradesh | Basti | 26.99024 | 82.59757 | 0 | Asia/Kolkata | populated place | ||
| 10555556 | Purwa Mahpāl Singh | IN | Uttar Pradesh | Rāe Bareli | 26.13942 | 80.90244 | 0 | Asia/Kolkata | populated place | ||
| 10252205 | Mānpura | IN | Rajasthan | Ajmer | 26.40167 | 74.79055 | 0 | Asia/Kolkata | populated place | ||
| 10165764 | Pālaka | IN | Rajasthan | Alwar | 27.53828 | 76.65369 | 0 | Asia/Kolkata | populated place | ||
| 10493251 | Sagoni Batiyāgarh | IN | Madhya Pradesh | Damoh | 24.01934 | 79.3636 | 0 | Asia/Kolkata | populated place | ||
| 10493349 | Mādo | IN | Madhya Pradesh | Chhatarpur | 24.16826 | 79.28166 | 0 | Asia/Kolkata | populated place | ||
| 10518904 | Pāwardauna | IN | Maharashtra | Bhandara | 20.85547 | 79.81 | 0 | Asia/Kolkata | populated place | ||
| 10747410 | Muchivalli | IN | Karnataka | Shimoga | 14.03901 | 74.79638 | 0 | Asia/Kolkata | populated place | ||
| 10448478 | Koliāri | IN | Chhattisgarh | Raipur | 21.0038 | 81.88659 | 0 | Asia/Kolkata | populated place | ||
| 10789683 | Gaditavaga | IN | Andhra Pradesh | Nellore | 14.2825 | 80.07292 | 0 | Asia/Kolkata | populated place | ||
| 10590376 | Bīrbhānpur | IN | Uttar Pradesh | Faizābād | 26.75123 | 81.95398 | 0 | Asia/Kolkata | populated place | ||
| 10620206 | Pura Phāgu | IN | Uttar Pradesh | Ambedkar Nagar | 26.57684 | 82.52008 | 0 | Asia/Kolkata | populated place | ||
| 10828821 | Newāri | IN | Bihar | Sāran | 26.03934 | 84.87828 | 0 | Asia/Kolkata | populated place | ||
| 10894106 | Mathwa | IN | Bihar | Begusarāi | 25.60952 | 86.19254 | 0 | Asia/Kolkata | populated place | ||
| 10887686 | Belmohan | IN | Bihar | Madhubani | 26.31477 | 86.40783 | 0 | Asia/Kolkata | populated place | ||
| 11013565 | Dade Bedo | IN | Jharkhand | Sahibganj | 25.10993 | 87.68017 | 0 | Asia/Kolkata | populated place | ||
| 10054110 | Dawāh | IN | Himachal Pradesh | Kulu | 31.54723 | 77.56318 | 0 | Asia/Kolkata | populated place | ||
| 10570194 | Mādho Khera | IN | Uttar Pradesh | Rāe Bareli | 26.53833 | 81.25027 | 0 | Asia/Kolkata | populated place | ||
| 10587649 | Pura Darshan Singh | IN | Uttar Pradesh | Rāe Bareli | 26.02707 | 81.06179 | 0 | Asia/Kolkata | populated place | ||
| 9915791 | Dhāni Dālāwās | IN | Rajasthan | Alwar | 28.03627 | 76.82137 | 0 | Asia/Kolkata | populated place | ||
| 10466408 | Fatehābād | IN | Madhya Pradesh | Ashoknagar | 24.70302 | 78.11545 | 0 | Asia/Kolkata | populated place | ||
| 10620838 | Duhwa | IN | Uttar Pradesh | Basti | 26.74048 | 82.69951 | 0 | Asia/Kolkata | populated place | ||
| 11326605 | Nāgireddipalle | IN | Andhra Pradesh | Chittoor | 13.22605 | 78.67964 | 0 | Asia/Kolkata | populated place | ||
| 10765789 | Harsarmpur | IN | Uttar Pradesh | Sultānpur | 26.24745 | 81.70946 | 0 | Asia/Kolkata | populated place | ||
| 1258553 | Rāmtek | Ramtek,Rāmtek,Рамтек | IN | Maharashtra | Nagpur Division | 21.39562 | 79.32725 | 23404 | Asia/Kolkata | populated place | |
| 10500654 | Dhonchra | IN | Madhya Pradesh | Bhind | 26.44314 | 78.93578 | 0 | Asia/Kolkata | populated place | ||
| 10759967 | Haithi | IN | Uttar Pradesh | Sītāpur | 27.41572 | 81.2504 | 0 | Asia/Kolkata | populated place | ||
| 10854779 | Somaghatta | IN | Andhra Pradesh | Anantapur | 13.8833 | 77.81106 | 0 | Asia/Kolkata | populated place | ||
| 10678354 | Baletar | IN | Jammu and Kashmir | Samba | 32.5867 | 75.22422 | 0 | Asia/Kolkata | populated place | ||
| 11461183 | Osatti | IN | Tamil Nadu | Nilgiris | 11.36701 | 76.77286 | 0 | Asia/Kolkata | populated place | ||
| 10608715 | Bhadaipur | IN | Uttar Pradesh | Faizābād | 26.59399 | 82.16855 | 0 | Asia/Kolkata | populated place | ||
| 10502833 | Kalothara | IN | Madhya Pradesh | Shivpurī | 25.68324 | 78.27495 | 0 | Asia/Kolkata | populated place | ||
| 10877323 | Piladka | IN | Karnataka | Dakshina Kannada | 12.79365 | 75.04315 | 0 | Asia/Kolkata | populated place | ||
| 10519287 | Chāndli | IN | Maharashtra | Chandrapur | 20.64118 | 79.81997 | 0 | Asia/Kolkata | populated place | ||
| 10882761 | Gonpur | IN | Bihar | Nawāda | 24.66052 | 85.42923 | 0 | Asia/Kolkata | populated place | ||
| 1257742 | Sairep | IN | Mizoram | Lunglei | 22.82292 | 92.82106 | 0 | Asia/Kolkata | populated place | ||
| 10825325 | Tulsipur | IN | Uttar Pradesh | Bareilly | 28.47054 | 79.49741 | 0 | Asia/Kolkata | populated place | ||
| 11486642 | Ayappankandam | IN | Kerala | Kollam | 9.10573 | 76.89832 | 0 | Asia/Kolkata | populated place | ||
| 10498864 | Utāyali | IN | Madhya Pradesh | Chhatarpur | 24.68347 | 79.52791 | 0 | Asia/Kolkata | populated place | ||
| 1348845 | Māndshar | IN | West Bengal | South 24 Parganas | 22.41583 | 88.47444 | 0 | Asia/Kolkata | populated place | ||
| 11675939 | Kallampārai | Kallamparai,Kallampārai | IN | Tamil Nadu | Thoothukkudi | 8.59185 | 78.01583 | 0 | Asia/Kolkata | populated place | |
| 10879397 | Kadamba | IN | Telangana | Ādilābād | 19.38025 | 79.65372 | 0 | Asia/Kolkata | populated place | ||
| 11419675 | Kummarapalli | IN | Andhra Pradesh | Chittoor | 13.70476 | 78.99864 | 0 | Asia/Kolkata | populated place | ||
| 10815053 | Kanghusri | IN | Bihar | Pashchim Champāran | 27.23253 | 84.37215 | 0 | Asia/Kolkata | populated place | ||
| 10541677 | Bandarkola | IN | Madhya Pradesh | Damoh | 23.55853 | 79.71307 | 0 | Asia/Kolkata | populated place | ||
| 11374275 | Nandipālem | IN | Andhra Pradesh | Prakasam | 15.66794 | 79.20958 | 0 | Asia/Kolkata | populated place | ||
| 10565880 | Karia | IN | Uttar Pradesh | Gonda | 27.14279 | 81.94402 | 0 | Asia/Kolkata | populated place | ||
| 10791058 | Dhorhandih | IN | Bihar | Rohtās | 25.18135 | 84.3987 | 0 | Asia/Kolkata | populated place | ||
| 10608103 | Purwa Upadhia | IN | Uttar Pradesh | Faizābād | 26.56856 | 82.11145 | 0 | Asia/Kolkata | populated place | ||
| 10622380 | Tikuri | IN | Uttar Pradesh | Jaunpur | 26.14975 | 82.57909 | 0 | Asia/Kolkata | populated place | ||
| 10744960 | Dhārmi | IN | Uttarakhand | Dehradun | 30.93287 | 77.90582 | 0 | Asia/Kolkata | populated place | ||
| 10841541 | Akta | IN | Jharkhand | Chatra | 24.36701 | 84.74197 | 0 | Asia/Kolkata | populated place | ||
| 10589363 | Pura Hīra Brahman | IN | Uttar Pradesh | Faizābād | 26.72736 | 81.71979 | 0 | Asia/Kolkata | populated place | ||
| 11249054 | Kondarajanahalli | IN | Karnataka | Chikkaballapur | 13.60769 | 77.99159 | 0 | Asia/Kolkata | populated place | ||
| 11692017 | Nawākora | IN | Odisha | Kendujhar | 21.78272 | 85.28646 | 0 | Asia/Kolkata | populated place | ||
| 11627584 | Datmā | IN | Jharkhand | Rānchī | 23.48519 | 85.54501 | 0 | Asia/Kolkata | populated place | ||
| 10709595 | Ismāilganj | IN | Uttar Pradesh | Sītāpur | 27.24177 | 80.73423 | 0 | Asia/Kolkata | populated place | ||
| 10602536 | Amār Kurmi | IN | Uttar Pradesh | Gonda | 27.00608 | 82.47636 | 0 | Asia/Kolkata | populated place | ||
| 10765637 | Sripur | IN | Uttar Pradesh | Pratāpgarh | 26.03658 | 81.69635 | 0 | Asia/Kolkata | populated place | ||
| 11676945 | Setuvarāyankuppam | IN | Tamil Nadu | Cuddalore | 11.61524 | 79.08175 | 0 | Asia/Kolkata | populated place | ||
| 10522429 | Kodwaria | IN | Jharkhand | Garhwa | 24.3926 | 83.79945 | 0 | Asia/Kolkata | populated place | ||
| 10911129 | Jaljoga | IN | Bihar | Jamui | 24.82133 | 86.20157 | 0 | Asia/Kolkata | populated place | ||
| 10672330 | Bhelsand | IN | Uttar Pradesh | Ghāzīpur | 25.71758 | 83.53918 | 0 | Asia/Kolkata | populated place | ||
| 10547829 | Dulhādaul | IN | Uttar Pradesh | Mirzāpur | 25.05297 | 82.79618 | 0 | Asia/Kolkata | populated place | ||
| 9978573 | Sānch | IN | Haryana | Kaithal | 29.72796 | 76.66788 | 0 | Asia/Kolkata | populated place | ||
| 10193890 | Bīna Māzra | IN | Uttar Pradesh | Muzaffarnagar | 29.59997 | 77.17566 | 0 | Asia/Kolkata | populated place | ||
| 11185511 | Kakkivadanpatti | IN | Tamil Nadu | Virudhunagar | 9.40341 | 77.72544 | 0 | Asia/Kolkata | populated place | ||
| 10549453 | Nai Bāzār | IN | Uttar Pradesh | Mirzāpur | 24.9663 | 82.39224 | 0 | Asia/Kolkata | populated place | ||
| 10447471 | Rawelīdih | IN | Chhattisgarh | Durg | 21.32625 | 81.33796 | 0 | Asia/Kolkata | populated place | ||
| 10532892 | Belauhi | IN | Madhya Pradesh | Rewa | 24.77381 | 81.95398 | 0 | Asia/Kolkata | populated place | ||
| 10622229 | Ratanpur | IN | Uttar Pradesh | Sultānpur | 26.24831 | 82.55672 | 0 | Asia/Kolkata | populated place | ||
| 11557086 | Perumālpālaiyam | IN | Tamil Nadu | Namakkal | 11.31291 | 77.83652 | 0 | Asia/Kolkata | populated place | ||
| 10478819 | Māhu | IN | Madhya Pradesh | Guna | 24.70961 | 77.45186 | 0 | Asia/Kolkata | populated place | ||
| 10904877 | Gorantla | IN | Andhra Pradesh | Kurnool | 15.63183 | 77.83573 | 0 | Asia/Kolkata | populated place | ||
| 6989112 | Nārnond | Nalnad,Nalnod,Narnond,Nālnad,Nālnod,Nārnond | IN | Rajasthan | Jhunjhunūn | 28.22185 | 75.50325 | 0 | Asia/Kolkata | populated place | |
| 10841410 | Pāndepura | IN | Bihar | Gayā | 24.40966 | 84.62082 | 0 | Asia/Kolkata | populated place | ||
| 10430536 | Lingampalli | IN | Telangana | Rangareddi | 17.39542 | 77.74982 | 0 | Asia/Kolkata | populated place | ||
| 11030414 | Bishunpura | IN | Bihar | Vaishāli | 25.76579 | 85.50053 | 0 | Asia/Kolkata | populated place | ||
| 10192359 | Kunkata | IN | Rajasthan | Sawāi Mādhopur | 26.41345 | 76.61231 | 0 | Asia/Kolkata | populated place | ||
| 10575861 | Sīta Rām | IN | Uttar Pradesh | Rāe Bareli | 26.34457 | 81.49797 | 0 | Asia/Kolkata | populated place | ||
| 10212601 | Ratera Khurd | IN | Madhya Pradesh | Betūl | 21.99769 | 78.20805 | 0 | Asia/Kolkata | populated place | ||
| 7002504 | Pajūna | IN | Uttar Pradesh | Jālaun | 26.23301 | 79.40611 | 0 | Asia/Kolkata | populated place | ||
| 10721991 | Pālai | IN | Himachal Pradesh | Chamba | 32.40785 | 76.38623 | 0 | Asia/Kolkata | populated place | ||
| 10508383 | Sarāi | IN | Bihar | Kaimur District | 25.26542 | 83.67587 | 0 | Asia/Kolkata | populated place | ||
| 10748415 | Lānti | IN | Chhattisgarh | Mahasamund | 21.3226 | 83.11414 | 0 | Asia/Kolkata | populated place | ||
| 10920723 | Kheunta | IN | Uttar Pradesh | Sītāpur | 27.30911 | 80.57746 | 0 | Asia/Kolkata | populated place | ||
| 10623997 | Madārpur | IN | Uttar Pradesh | Sant Kabir Nagar | 26.89967 | 82.94014 | 0 | Asia/Kolkata | populated place | ||
| 10600624 | Bharwa Jot | IN | Uttar Pradesh | Balrampur | 27.29647 | 82.33945 | 0 | Asia/Kolkata | populated place | ||
| 11522985 | Kuppanāyakkanvalasu | IN | Tamil Nadu | Tiruppur | 11.08282 | 77.602 | 0 | Asia/Kolkata | populated place | ||
| 10743872 | Tala Kheri | IN | Madhya Pradesh | Shājāpur | 23.77745 | 76.02886 | 0 | Asia/Kolkata | populated place | ||
| 11632180 | Parariya | IN | Bihar | Gayā | 24.43536 | 84.94187 | 0 | Asia/Kolkata | populated place | ||
| 10807257 | Kot Aswāl | IN | Uttarakhand | Almora | 29.6113 | 79.29577 | 0 | Asia/Kolkata | populated place |
Inde : Cartographie de la mosaïque vivante d’un sous-continent
Un rêve de cartographe dans une nation de contrastes
L’Inde n’est pas simplement un pays—c’est une mosaïque dynamique et vivante de cultures, de climats et de géographies. En tant que géographe, explorer l’Inde revient à naviguer dans un univers de contrastes, des berceaux himalayens du nord aux deltas ensoleillés du sud, des déserts arides du Rajasthan aux forêts persistantes des Ghats occidentaux. Mais comprendre l’Inde dans toute sa complexité spatiale nécessite plus que des descriptions poétiques. Cela nécessite des données. Données propres, structurées, précises du point de vue géographique.
C’est pourquoi j’ai développé une base de données complète des villes indiennes, classées par État et district, et enrichie de coordonnées géographiques—rendant l’analyse spatiale de ce vaste territoire non seulement possible, mais profondément perspicace.
Des États aux Districts : Le Backbone Administratif
L’Inde est divisée en 28 États et 8 territoires de l’Union, qui se divisent ensuite en plus de 700 districts. Ces divisions ne sont pas des futilités administratives—elles sont profondément liées aux frontières historiques, aux identités culturelles et aux structures politiques. Les villes et les villages sont entrelacés au sein de ces couches, chacun fonctionnant comme un nœud économique, un marqueur démographique et un phare culturel.
Pour vraiment étudier l’Inde dans l’espace, il faut la voir à travers le prisme de ces niveaux administratifs. Mon ensemble de données garantit que chaque ville est indexée avec sa propre région et division départementale, permettant un filtrage multiniveau précis et des études géographiques comparatives.
Les villes comme catalyseurs de la transformation
Les villes indiennes évoluent à un rythme étonnant. Des mégalopoles comme Mumbai et Delhi dominent le récit, mais les villes de niveau II et III comme Bhopal, Guwahati, Coimbatore et Jodhpur sont tout aussi cruciales. Ces centres urbains sont des moteurs de décentralisation, des points chauds de croissance qui nécessitent une cartographie spatiale minutieuse pour la planification, l’élaboration des politiques et l’analyse du marché.
En incluant la latitude et la longitude de chaque ville, cet ensemble de données vous permet de visualiser les modèles de peuplement, les corridors d’infrastructure et les déséquilibres régionaux avec clarté et précision.
Latitude et Longitude : La Géométrie de l’Entendement
Les coordonnées ne sont pas seulement des points sur une carte—elles sont la clé pour débloquer des motifs. Les vallées fluviales, routes commerciales et zones linguistiques de l’Inde deviennent intelligibles lorsqu’elles sont vues à travers le prisme de la géolocalisation. Qu’il s’agisse d’analyser des groupes de population le long de la plaine indo-gangétique ou de tracer des zones économiques à travers les régions côtières, l’inclusion de coordonnées précises transforme la curiosité géographique en informations exploitables.
La puissance d’Excel dans les données géographiques
Bien que le jeu de données soit disponible dans plusieurs formats techniques—CSV, SQL, JSON et XML — l’ajout récent d’Excel (.xlsx) marque un tournant. Excel est la lingua franca des planificateurs, analystes et chercheurs qui veulent de l’immédiateté et de la clarté.
Dans ce nouveau format Excel, les données sont organisées de manière intuitive : nom de la ville, état, district et coordonnées géographiques, tous formatés pour une utilisation instantanée. Filtrez par région, triez par latitude, analysez des clusters ou branchez-les dans des tableaux de bord—Excel transforme les données spatiales en intelligence stratégique. Que vous soyez un chercheur en politique à Delhi ou un planificateur logistique à Londres, Excel facilite vos décisions grâce à l’accessibilité d’une feuille de calcul et à la profondeur d’une plateforme SIG.
Précision multi-format pour chaque cas d’utilisation
Au-delà d’Excel, le jeu de données prend en charge une interopérabilité totale. Les développeurs peuvent importer JSON et XML dans des applications web, les data scientists peuvent intégrer SQL dans des bases de données relationnelles, et les statisticiens peuvent extraire des lignes propres des CSVs. Peu importe votre écosystème, les données s’ajustent sans compromis.
Chaque format est maintenu cohérent, complet et sans erreur—parce que l’intégrité des données spatiales n’est pas facultative. C’est essentiel.
Pourquoi cette base de données compte maintenant
L’Inde connaît une transition urbaine à l’échelle historique. D’ici 2030, on estime que plus de 40 % de sa population vivra dans des villes. La planification de ce changement exige des données rigoureuses et structurées—pas seulement pour les mégapoles, mais pour chaque municipalité qui forme le cœur battant des économies locales.
Cette base de données n’est pas simplement une collection de noms de villes—c’est une ressource stratégique. Il permet des comparaisons interrégionales, suit les inégalités spatiales, soutient les initiatives de villes intelligentes et alimente les modèles d’adaptation au climat et de résilience des infrastructures.
Conclusion : Une passion pour la cartographie, un outil de progrès
Comprendre l’Inde, c’est embrasser son échelle et sa complexité. Et pour le faire efficacement, vous avez besoin d’un cadre de données aussi détaillé, diversifié et dynamique que le pays lui-même. Avec l’inclusion du format Excel—aux côtés de CSV, SQL, JSON et XML — ce jeu de données géographiques offre une vue panoramique mais précise de l’urbanité indienne.
Que ces données soient votre carte, votre objectif, votre fondement analytique. L’Inde n’est pas seulement un lieu—c’est un motif. Et avec les bonnes données, ce schéma devient limpide.
