Bot beskyttelse

Bekræft venligst, at du ikke er en robot

Hovedmenu

2025 - De dyreste byer i Asien efter leveomkostninger

Vi bestræber os på at sikre nøjagtigheden af ​​vores forskningsdata. Hvis du kan hjælpe med at forbedre det, så del venligst nogle priser fra din by

Top De dyreste byer i Asien at bo i 2025

Fortæl os om priser i din by

Sammenligninger bliver bedre for hvert nyt stykke data, du leverer. Del nogle priser fra din by!

Ranking

Indikatorer

#

Placere

Byer

Asiatisk placering

Leveomkostningsindeks

Mest dyrt først

Købekraftindeks

Kan sammenlignes med New York

Forholdet mellem husleje og løn

Leje/Løn
🏅 1
🇸🇬   Singapore, Singapore
82.53
0.89
0.53
🥈 2
🇭🇰   Hong Kong, Hongkong
73.47
0.91
0.47
🥉 3
63.11
0.19
1.84
4
48.19
0.09
1.01
5
47.37
0.20
0.63
6
🇹🇱   Dili, Timor-Leste
41.98
1.26
0.32
7
🇲🇻   Malé, Maldiverne
38.56
0.48
0.77
8
🇯🇵   Tokyo, Japan
34.80
1.11
0.30
9
🇱🇦   Vientiane, Laos
34.70
0.12
3.74
10
🇲🇴   Mação, Macao
33.11
0.78
0.51
11
🇰🇷   Seoul, Sydkorea
32.92
1.37
0.25
12
🇯🇵   Kawasaki, Japan
32.38
1.39
0.22
13
🇯🇵   Sapporo, Japan
30.22
0.74
0.45
14
🇯🇵   Yokohama, Japan
29.80
1.31
0.24
15
🇹🇭   Phuket, Thailand
29.47
0.44
0.77
16
🇰🇷   Taegu, Sydkorea
28.99
1.35
0.22
17
🇰🇷   Incheon, Sydkorea
28.58
1.42
0.21
18
🇯🇵   Osaka, Japan
28.33
1.12
0.27
19
🇯🇵   Nagoya, Japan
28.31
1.33
0.22
20
🇷🇺   Moskva, Rusland
27.78
0.86
0.49
21
🇰🇷   Busan, Sydkorea
27.58
1.32
0.21
22
🇰🇷   Gwangju, Sydkorea
27.37
1.24
0.23
23
🇨🇳   Shanghai, Kina
27.28
1.15
0.30
24
🇯🇵   Kyoto, Japan
27.00
1.03
0.25
25
🇹🇼   Taipei, Taiwan
26.35
1.16
0.29
26
🇨🇳   Beijing, Kina
26.25
1.17
0.28
27
🇰🇷   Daejeon, Sydkorea
26.03
1.31
0.22
28
🇯🇵   Kobe, Japan
25.69
1.01
0.27
29
🇨🇳   Shenzhen, Kina
25.40
1.21
0.26
30
🇰🇷   Suwon, Sydkorea
24.83
1.73
0.17
31
🇮🇳   Surat, Indien
24.38
0.30
1.35
32
🇲🇳   Ulan Bator, Mongoliet
24.24
0.30
1.17
33
🇹🇭   Samut Sakhon, Thailand
24.08
0.50
0.72
34
🇰🇷   Ulsan, Sydkorea
24.01
1.67
0.15
35
🇹🇭   Bangkok, Thailand
23.82
0.54
0.54
36
🇯🇵   Saitama, Japan
23.64
1.16
0.21
37
🇵🇭   Taguig, Filippinerne
23.58
0.38
0.83
38
🇹🇼   Taoyuan, Taiwan
23.00
0.75
0.38
39
🇹🇼   Kaohsiung, Taiwan
22.70
0.86
0.33
40
🇮🇳   Mumbai, Indien
22.58
0.72
0.46
41
🇰🇭   Phnom Penh, Cambodia
22.01
0.27
1.11
42
🇵🇭   Manila, Filippinerne
21.62
0.40
0.73
43
🇺🇿   Tasjkent, Uzbekistan
21.60
0.39
0.94
44
🇹🇼   Taichung, Taiwan
21.52
1.03
0.25
45
🇨🇳   Suzhou, Kina
21.48
0.74
0.30
46
🇨🇳   Guangzhou, Kina
21.46
0.95
0.29
47
🇰🇿   Almaty, Kazakhstan
21.15
0.50
0.76
48
20.80
0.44
0.87
49
🇲🇾   Kuala Lumpur, Malaysia
20.43
1.21
0.26
50
20.36
0.45
0.61
51
20.35
0.71
0.52
52
🇨🇳   Wuhan, Kina
20.13
0.78
0.36
53
19.98
0.38
0.75
54
🇵🇭   Caloocan, Filippinerne
19.83
0.24
1.44
55
🇹🇭   Nonthaburi, Thailand
19.56
0.72
0.29
56
🇮🇩   Jakarta, Indonesien
19.33
0.51
0.62
57
🇹🇼   Tainan, Taiwan
19.31
1.14
0.20
58
🇹🇭   Chiang Mai, Thailand
19.25
0.59
0.43
59
🇦🇿   Baku, Aserbajdsjan
19.24
0.42
0.66
60
🇨🇳   Tianjin, Kina
19.24
0.82
0.31
61
🇲🇾   Johor Bahru, Malaysia
19.18
0.82
0.41
62
🇷🇺   Vladivostok, Rusland
19.18
0.51
0.72
63
🇰🇬   Bisjkek, Kirgisistan
18.94
0.32
1.06
64
🇱🇰   Colombo, Sri Lanka
18.86
0.20
0.97
65
🇷🇺   Khabarovsk, Rusland
18.79
0.56
0.62
66
🇺🇿   Nukus, Uzbekistan
18.76
0.11
1.36
67
18.25
0.46
0.74
68
🇵🇭   Davao, Filippinerne
18.16
0.44
0.62
69
🇺🇿   Fergana, Uzbekistan
17.71
1.03
0.23
70
🇷🇺   Irkutsk, Rusland
17.68
0.50
0.71
71
🇻🇳   Hanoi, Vietnam
17.68
0.47
0.69
72
🇨🇳   Xi'an, Kina
17.49
0.79
0.30
73
🇲🇾   Klang, Malaysia
17.48
0.81
0.40
74
🇹🇭   Samut Prakan, Thailand
17.17
0.61
0.37
75
🇷🇺   Ekaterinburg, Rusland
17.02
0.55
0.63
76
🇹🇯   Dusjanbe, Tadsjikistan
17.00
0.16
1.75
77
🇦🇫   Herat, Afghanistan
16.57
0.17
1.29
78
🇹🇭   Yala, Thailand
16.54
0.72
0.32
79
16.46
0.41
0.53
80
🇨🇳   Chengdu, Kina
16.43
0.86
0.25
81
🇷🇺   Novosibirsk, Rusland
16.42
0.54
0.60
82
🇮🇳   Bangalore, Indien
16.33
1.28
0.17
83
🇷🇺   Kasan, Rusland
16.30
0.58
0.62
84
🇨🇳   Chongqing, Kina
16.26
0.86
0.25
85
🇮🇳   Delhi, Indien
16.24
0.85
0.28
86
16.19
0.59
0.56
87
🇻🇳   Hai Phong, Vietnam
16.10
0.61
0.54
88
🇵🇭   Batangas, Filippinerne
16.09
0.18
1.46
89
🇻🇳   Da Nang, Vietnam
16.05
0.48
0.67
90
🇷🇺   Makhatjkala, Rusland
15.82
0.37
0.91
91
🇮🇩   Surabaya, Indonesien
15.79
0.37
0.73
92
🇻🇳   Hải Dương, Vietnam
15.76
0.49
0.52
93
🇷🇺   Barnaul, Rusland
15.69
0.44
0.80
94
🇮🇩   Tangerang, Indonesien
15.68
0.33
0.85
95
🇦🇿   Sumqayit, Aserbajdsjan
15.67
0.49
0.56
96
15.64
0.34
0.70
97
🇹🇭   Kalasin, Thailand
15.54
0.37
0.60
98
🇷🇺   Krasnodar, Rusland
15.44
0.61
0.51
99
🇰🇿   Karaganda, Kazakhstan
15.38
0.56
0.51
100
🇰🇿   Shymkent, Kazakhstan
15.35
0.34
0.89
101
🇮🇳   Hyderabad, Indien
15.21
1.11
0.18
102
🇵🇭   Bulakan, Filippinerne
15.15
0.38
0.66
103
🇮🇳   Ahmedabad, Indien
15.09
0.60
0.36
104
🇮🇩   Bekasi, Indonesien
14.98
0.49
0.49
105
🇷🇺   Omsk, Rusland
14.76
0.60
0.53
106
🇦🇫   Kabul, Afghanistan
14.61
0.30
0.54
107
🇷🇺   Toljatti, Rusland
14.55
0.47
0.73
108
🇷🇺   Ufa, Rusland
14.53
0.60
0.53
109
🇷🇺   Tjeljabinsk, Rusland
14.48
0.51
0.64
110
🇮🇩   Medan, Indonesien
14.45
0.33
0.67
111
🇮🇳   Chennai, Indien
14.40
1.02
0.19
112
🇺🇿   Samarkand, Uzbekistan
14.32
0.36
0.70
113
🇷🇺   Volgograd, Rusland
14.30
0.43
0.67
114
🇰🇿   Aktjubinsk, Kazakhstan
14.14
0.28
1.02
115
14.04
0.29
0.63
116
🇷🇺   Saratov, Rusland
14.02
0.54
0.56
117
🇳🇵   Katmandu, Nepal
13.70
0.28
0.62
118
🇮🇩   Bandung, Indonesien
13.65
0.30
0.69
119
🇵🇰   Lahore, Pakistan
13.61
0.23
1.02
120
🇮🇳   Lucknow, Indien
13.48
0.56
0.33
121
🇵🇰   Karachi, Pakistan
13.42
0.21
1.21
122
🇺🇿   Bukhara, Uzbekistan
13.31
0.67
0.36
123
🇮🇳   Jaipur, Indien
13.28
0.77
0.23
124
🇵🇰   Quetta, Pakistan
12.70
0.14
2.10
125
🇧🇩   Dhaka, Bangladesh
12.69
0.37
0.36
126
🇮🇳   Kolkata, Indien
12.66
0.63
0.25
127
🇻🇳   Can Tho, Vietnam
12.41
0.22
1.05
128
🇻🇳   Bien Hoa, Vietnam
12.24
0.48
0.51
129
🇺🇿   Namangan, Uzbekistan
11.92
0.56
0.51
130
🇵🇰   Rawalpindi, Pakistan
11.89
0.25
0.86
131
🇵🇰   Multan, Pakistan
11.72
0.30
0.61
132
🇮🇩   Sidoarjo, Indonesien
11.38
0.30
0.64
133
🇧🇩   Chittagong, Bangladesh
11.36
0.40
0.30
134
🇮🇩   Depok, Indonesien
11.21
0.70
0.20
135
🇵🇰   Peshawar, Pakistan
11.20
0.30
0.69
136
10.93
0.75
0.22
137
🇵🇰   Faisalabad, Pakistan
10.53
0.33
0.60
138
🇧🇩   Gazipur, Bangladesh
10.39
0.28
0.40
139
🇵🇰   Gujranwala, Pakistan
9.64
0.34
0.49
140
🇧🇩   Narsingdi, Bangladesh
8.35
0.63
0.20
141
🇧🇩   Noakhali, Bangladesh
7.72
0.97
0.07

Du kan frit bruge disse data, men et link til vores hjemmeside er påkrævet!