企业官网建设流程全解析

简介：这份资源提供中国全部地级市行政区域的空间边界数据，采用Shapefile格式，面向GIS学习者、城市规划人员及从事地理、社会、经济研究的师生，可用于城市分布分析、行政边界制图与人口统计等场景。压缩包共11个文件，约1.91MB，包含shp空间几何数据、dbf属性表、prj投影信息，以及shx、sbn、sbx索引文件与xml元数据，各类型分工明确，便于在ArcGIS中直接加载、裁剪与合并。数据年代为2004年，属性表可读取城市名称、代码、面积等信息，适合作为底图开展空间分析与专题制图。目前已有2079人学习下载，说明其在教学与研究中具有一定参考价值；若用于时效性要求较高的项目，建议结合最新行政区划调整进行更新核对。

1. 拿到一份市级行政边界 shp，先想清楚它能干什么

做数据可视化或者空间分析的人，迟早会撞上一个需求：把全国三百多个地级行政单元按某个指标上色，或者按市域范围做统计汇总。这时候最省事的做法不是自己去爬边界数据，而是直接拿一份整理好的市级行政区域 shp 包。这份资源就是干这个的——中国市级行政区域的矢量边界，shp 格式，配套的 dbf、shx、prj 等文件齐全，导入 QGIS、ArcGIS 或者用 GeoPandas 读进来就能直接画图、做空间连接、算面积。

它适合谁？做区域经济看板的前端和数据分析同学、跑空间统计的研究生、需要给业务系统配一张行政区划底图的开发者。不适合谁？需要乡镇级精度、需要实时更新到最新区划调整的场景，这份资源给不了。先把边界和精度预期对齐，后面才不会翻车。

2. 拆包与字段核对：shp 不是单个文件，读之前先看这五件套

2.1 shp 文件组的构成与完整性检查

很多人第一次拿到 shp 会懵：解压出来一堆同名不同后缀的文件，到底哪个才是数据？答案是它们共同构成一份数据，缺一不可。核心是这几个：

拿到包先做一件事：确认这五个文件同名同目录。我见过有人只拷了 .shp 和 .dbf 过去，结果在另一台机器上打开发现位置飘到海里去了——因为 .prj 没带，软件默认按经纬度裸坐标处理。用命令行快速列一下：

# 列出目录下所有 shp 相关文件，确认五件套齐全 ls -lh *.shp *.shx *.dbf *.prj *.cpg 2>/dev/null

如果 .cpg 缺失，中文属性大概率是 GBK 编码，后面读进来要手动指定编码，这个坑在第 5 章会细说。.prj 里通常写的是地理坐标系（经纬度，常见为 CGCS2000 或 WGS84），这意味着你直接算面积得到的是“平方度”，没有任何物理意义，必须投影后才能算平方公里。

2.2 用 GeoPandas 读入并核对字段与几何类型

Python 侧最顺手的工具是 GeoPandas，底层走 GDAL/OGR，shp 的各种边角情况它基本都能兜住。先装环境，再读：

import geopandas as gpd # 读入 shp，encoding 先按 utf-8 试，乱码再换 gbk gdf = gpd.read_file("china_city.shp", encoding="utf-8") # 看基本信息：几何类型、坐标系、字段 print(gdf.geom_type.unique()) # 期望是 Polygon 或 MultiPolygon print(gdf.crs) # 期望是 EPSG:4326 或 CGCS2000 地理坐标 print(gdf.columns.tolist()) # 看有哪些属性字段 print(len(gdf)) # 市级单元数量，正常在 330~340 上下 print(gdf.head(3))

这段代码的重点不在跑通，而在核对三件事。第一，几何类型。市级边界里一定混着 MultiPolygon——沿海城市有岛屿、飞地，单个 Polygon 装不下，如果你的下游代码只处理 Polygon，这里就会炸。第二，crs 是否为 None。为 None 说明 .prj 丢了或没被识别，后面所有空间运算都不可信。第三，记录条数。全国地级行政区数量会随区划调整变化，如果你拿到的只有两百多条，很可能是把省直辖县级单位漏了，或者这份数据本身就不全，得先跟需求方确认口径。

字段方面，常见会带市名（如 name）、市级行政编码（如 adcode，六位）、所属省份（如 province）。编码字段是后续做关联的钥匙，务必确认它是字符串而不是被读成整数——六位编码如果被当数字，前导零会丢，比如编码 010000 变成 10000，跟别的表一 join 全对不上。发现是整数就强制转字符串并补零：

# 编码字段强制转字符串并左补零到 6 位，防止前导零丢失 gdf["adcode"] = gdf["adcode"].astype(str).str.zfill(6)

这一步看着琐碎，但它是后面所有“按编码关联统计数据”操作的前提。血泪经验：关联失败十次里有六次是编码类型或前导零的问题，不是数据本身错。

3. 投影与面积计算：经纬度直接算面积为什么是错的

3.1 地理坐标与投影坐标的区别，以及该选哪个投影

shp 里存的如果是经纬度（度为单位），你调用gdf.area得到的是“平方度”。一度经度在赤道约 111 公里，在北纬 40 度只有约 85 公里，所以同样一个“平方度”，在南方和北方代表的实际面积差着一大截。直接拿平方度做面积排名，结论必然是错的，这就是典型的玄学数据。

正确做法是先投影到等积投影再算面积。全国范围常用 Albers 等积圆锥投影，参数一般取中央经线 105°E、双标准纬线 25°N 和 47°N，这套参数在国内做全国尺度制图是通行做法：

# 从地理坐标投影到 Albers 等积圆锥（CGCS2000 基准） albers = "+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +x_0=0 +y_0=0 +ellps=GRS80 +units=m +no_defs" gdf_proj = gdf.to_crs(albers) # 此时面积单位是平方米，换算成平方公里 gdf_proj["area_km2"] = gdf_proj.geometry.area / 1e6 print(gdf_proj[["name", "area_km2"]].sort_values("area_km2", ascending=False).head(10))

参数说明：lat_1、lat_2是双标准纬线，选在全国南北跨度内能让形变最小；lon_0是中央经线，取 105°E 大致是全国几何中心；ellps=GRS80对应 CGCS2000 椭球。如果你的数据是 WGS84，用 GRS80 差异在米级，做市级统计可以忽略，但做高精度测量就得换成对应椭球。

投影完再算面积，你会发现排名跟直觉对得上：面积大的市集中在西部和北部，而不是经纬度跨度看起来大的那些。这一步做完，数据才算“能用”。

3.2 空间连接：把点位或栅格统计落到市级单元

市级边界最常见的用法是当“统计容器”。比如你有一批带经纬度的门店、传感器或者事件点，想统计每个市有多少个，用空间连接一步到位：

# points 是带 geometry 的点数据，crs 必须与 gdf 一致 points = points.to_crs(gdf.crs) # 先对齐坐标系，否则连不上 joined = gpd.sjoin(points, gdf[["name", "adcode", "geometry"]], how="left", predicate="within") # 按市聚合计数 count_by_city = joined.groupby(["adcode", "name"]).size().reset_index(name="cnt")

关键点在predicate="within"和坐标系对齐。within表示点落在面内部才算命中；如果点正好压在边界线上，within可能判不进去，这时候可以改用intersects，但要注意边界点可能被相邻两个市同时命中，导致重复计数。坐标系不对齐是另一个高频翻车点——点用 WGS84、面用 CGCS2000，肉眼看着差不多，实际差几十米，边界附近的点就会错配到隔壁市。所以to_crs那行不能省。

如果统计对象是栅格（比如夜间灯光、NDVI），思路类似，用rasterstats的zonal_stats按市做分区统计，这里不展开，但前提同样是栅格和矢量坐标系一致。

4. 出图与轻量化：从 shp 到能上网页的 GeoJSON

4.1 用 Matplotlib 快速出图验证数据可用性

在把数据交给前端之前，先自己画一张图，肉眼确认边界没断裂、没重叠、没跑到境外。这是最便宜的质量检查：

import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(12, 10)) gdf_proj.plot(ax=ax, edgecolor="gray", facecolor="none", linewidth=0.3) ax.set_axis_off() plt.savefig("city_check.png", dpi=150, bbox_inches="tight")

出图后重点看三处：沿海岛屿是否完整、飞地（比如某些市在别的省境内的飞地）是否还在、西部大市边界是否平滑。如果看到某块区域明显缺一块或者多出一块，多半是原始数据在拼接时出了问题，得回去核对源数据，而不是在代码里硬修。

4.2 转 GeoJSON 并做坐标精度与体积压缩

网页端（Leaflet、Mapbox、ECharts）吃的是 GeoJSON，shp 得转一道。直接转出来的文件往往几十兆，加载卡顿，需要做两件事：降精度和简化几何。

# 转回 WGS84（网页底图通用），保留 4 位小数约 10 米精度 gdf_wgs = gdf.to_crs("EPSG:4326") gdf_wgs["geometry"] = gdf_wgs.geometry.simplify(0.01, preserve_topology=True) gdf_wgs.to_file("china_city.geojson", driver="GeoJSON")

参数说明：simplify(0.01)里的 0.01 是容差，单位是度，约 1 公里，适合全国尺度的网页展示；如果要做市级细节展示，容差调到 0.001 甚至更小。preserve_topology=True保证简化后相邻市之间不出现缝隙或重叠——这个参数不开，简化完边界会互相穿插，视觉上像拼图错位。坐标保留 4 位小数是网页端的常见折中，再高精度对屏幕显示没意义，只会撑大文件。

转完用浏览器打开 GeoJSON 或者丢进在线校验器看一眼，确认没有自相交的非法几何。有些源数据在拼接时会产生自相交多边形，GeoJSON 校验会报错，前端渲染直接白屏。遇到这种情况用shapely的make_valid修一下：

from shapely.validation import make_valid gdf_wgs["geometry"] = gdf_wgs.geometry.apply(make_valid)

5. 避坑与排查：市级边界数据最容易翻车的五个地方

5.1 中文乱码：市名读出来是问号或方块

现象：gdf.head()里 name 字段显示为???或乱码字符。原因：.dbf 的属性表编码是 GBK，而 GeoPandas 默认按 UTF-8 读。解决：读入时显式指定encoding="gbk"，或者先确认 .cpg 文件里写的是什么编码再对应设置。如果 .cpg 缺失，GBK 是大概率，试一次不行再试gb18030（GBK 的超集，兼容性更好）。

5.2 坐标系缺失导致位置漂移

现象：数据加载后整体偏移，或者跟底图对不上。原因：.prj 文件丢失，gdf.crs返回 None，软件按无投影处理。解决：先确认原始数据应有的坐标系（国内市级边界多为 CGCS2000 经纬度），手动赋值gdf = gdf.set_crs("EPSG:4490")，再投影。注意set_crs只是“声明”坐标系，不改变坐标值；to_crs才是真正做转换，两者别混用。

5.3 编码前导零丢失导致关联全空

现象：用 adcode 跟统计表 merge，结果一行都对不上。原因：shp 里编码被读成整数，前导零丢了；或者统计表里编码是字符串而 shp 里是整数，类型不匹配。解决：两边都统一成六位字符串再关联，astype(str).str.zfill(6)走一遍，merge 前打印两边 dtype 确认。

5.4 边界点重复计数

现象：按市统计点位数量，总数比实际多。原因：用了intersects做空间连接，落在边界线上的点被相邻两个市同时命中。解决：优先用within；确实需要包含边界点时，连接后按点 ID 去重，只保留一条记录。

5.5 简化后相邻市出现缝隙

现象：网页上放大看，市与市之间有一条白线。原因：几何简化时没开拓扑保持，相邻边界各自简化后不再重合。解决：simplify时加preserve_topology=True；如果已经简化坏了，回到未简化的数据重做，别在简化后的数据上二次修补。

6. 进阶：把市级边界做成可复用的底图服务与校验习惯

做到这一步，数据本身已经能用了，但如果你要在多个项目里反复用，每次都读 shp、投影、简化，效率太低。我的习惯是把它固化成两层：一层是“干净版”的 GeoParquet，一层是带校验的加载函数。

先转 GeoParquet，它比 shp 小、读写快、保留字段类型，适合当本地缓存：

# 投影后的干净数据存成 parquet，下次直接读，省去重复投影 gdf_proj.to_parquet("china_city_albers.parquet") # 下次使用 gdf = gpd.read_parquet("china_city_albers.parquet")

再写一个加载函数，把前面几章的检查点串起来，每次调用自动跑一遍：

def load_city_boundary(path): gdf = gpd.read_parquet(path) assert gdf.crs is not None, "坐标系缺失" assert gdf.geom_type.isin(["Polygon", "MultiPolygon"]).all(), "存在非面几何" assert gdf["adcode"].str.len().eq(6).all(), "编码长度异常" assert gdf.geometry.is_valid.all(), "存在非法几何" return gdf

这四个断言对应四类高频问题：坐标系、几何类型、编码、几何有效性。跑通它们，基本就排掉了八成翻车场景。熟手可以再加一条面积合理性检查——单个市面积不应为负或为零，也不应大到超过某个阈值，这能抓出坐标单位搞错（比如把米当度）的低级错误。

还有一个容易被忽略的点：区划是会调整的。某两个市合并、某个县升格为市，这些变化会让旧边界和新统计口径对不上。所以我在项目里会记录这份数据的“快照时间”，并在关联统计表时核对编码是否都能匹配上，匹配不上的单独列出来人工确认，而不是静默丢掉。这个习惯帮我挡过好几次“数据看着对、结论却偏”的问题。

从那以后我每次拿到新的边界数据，都强制先跑一遍加载函数里的断言，再画一张全国图肉眼过一遍，最后才进业务逻辑。希望帮到你。

本文还有配套的精品资源，点击获取