企业官网建设流程全解析

简介：这份资源面向GIS从业者、地理信息专业师生及需要中国行政区划底图的数据分析人员，提供覆盖全国省级行政区的shapefile矢量数据，可用于区域划分分析、专题制图、城市规划与交通网络研究等场景。压缩包共20个文件，约3.27MB，以shp、shx、dbf三类核心文件为主：shp存储省份边界几何形状，shx建立空间索引，dbf保存省份名称等属性信息，另附txt说明与m脚本，便于在ArcGIS、MATLAB等环境中直接加载与可视化。数据覆盖内地31个省份及台湾省、香港、澳门特别行政区，边界完整无遗漏，适合作为全国地图绘制与空间统计的基础底图。目前已有1549人学习下载，读者可借此快速搭建省级行政区划实验环境，完成人口、经济或环境数据的空间关联与可视化呈现，减少自行搜集与整理边界数据的时间成本。

1. 拿到一份分省 SHP 之后，先别急着往 GIS 里拖

做全国尺度的空间分析，绕不开一份靠谱的行政区划底图。不管是做人口热力、路网密度、还是把业务数据按省聚合，第一步都是把「省界」这个空间骨架搭起来。我见过太多人卡在这一步：网上随手搜到的 shp 要么缺几个省，要么南海诸岛是空的，要么坐标系是地理坐标没投影，一算面积全是错的。这份「中国完整领土分省 SHP」解决的就是这个前置问题——它是一套按省级行政区分层的矢量面数据，完整覆盖领土范围，格式是经典的 Shapefile（.shp/.shx/.dbf/.prj 一整套）。适合谁？做数据可视化、做空间统计、做地图底图二次加工的人。新手能直接拖进 QGIS 出图，熟手更关心的是它的坐标系、字段结构和边界精度能不能扛住后续的叠加分析。下面我按「先验数据、再动手、最后避坑」的顺序，把这份资源拆开讲透。

2. 先验后动：SHP 的坐标系、字段与完整性怎么查

拿到任何一份 Shapefile，我的习惯是先做三件事：看坐标系、看属性表字段、看几何完整性。这三步不做，后面所有分析都是空中楼阁。很多人一上来就拖进软件画图，图是出来了，可一旦做面积量算或者和别的图层叠加，偏差就冒出来了，回头排查能耗掉一整天。

2.1 用 ogrinfo 快速体检，别等出图才发现问题

命令行下最省事的工具是 GDAL 自带的ogrinfo，不用打开笨重的桌面软件就能把元数据摸清楚。假设解压后目录里是china_province.shp，先跑一遍摘要信息：

# 查看图层概览：坐标系、要素数量、几何类型、字段列表 ogrinfo -so -al china_province.shp # 只看坐标系定义，确认是地理坐标还是投影坐标 ogrinfo -so china_province.shp china_province | grep -i "PROJCRS\|GEOGCRS\|AUTHORITY"

-so表示 summary only，只输出摘要不打印每个要素；-al是对所有图层操作。输出里重点看三行：Geometry是不是 Polygon 或 MultiPolygon（分省数据通常是 MultiPolygon，因为一个省可能包含岛屿等多块）；Feature Count是不是符合预期（省级行政区数量级在三十多个，具体以数据为准）；Layer SRS里的坐标系。如果AUTHORITY显示EPSG:4326，说明是 WGS84 地理坐标，单位是度，直接算面积会得到「平方度」这种没有物理意义的数字，必须先投影。

提示：如果ogrinfo报找不到命令，说明 GDAL 没装或没进 PATH。Windows 下可以用 OSGeo4W 装，macOS 用brew install gdal，Linux 用包管理器装gdal-bin。

2.2 属性表字段决定了你能怎么聚合

分省数据的价值一半在几何，一半在属性表。用下面这条命令把字段结构单独拎出来看：

# 输出字段名、类型、宽度，判断哪个字段能作为省级唯一标识 ogrinfo -so -al china_province.shp | sed -n '/Data axis/,/Geometry/p'

常见做法是属性表里会有一个省级名称字段（比如NAME、PROV、省之类）和一个行政代码字段。行政代码比名称更可靠——名称可能有「省」「自治区」「特别行政区」后缀不一致的问题，做表连接时容易对不上。我一般会优先用代码字段做主键，名称字段只用来显示。如果这份数据的字段名是拼音或英文缩写，建议先导出一份字段对照表，避免后面写 SQL 时猜字段。

# 用 geopandas 读进来，直接看字段和坐标系，比命令行更直观 import geopandas as gpd gdf = gpd.read_file("china_province.shp") print("坐标系:", gdf.crs) # 确认 EPSG 编号 print("字段:", list(gdf.columns)) # 看有哪些属性列 print("要素数:", len(gdf)) # 省级单元数量 print("几何类型:", gdf.geom_type.unique()) print(gdf.head(3)) # 抽查前几行属性

gdf.crs返回的是 pyproj 的 CRS 对象，能直接看到 EPSG 编号；geom_type.unique()能告诉你是不是混合了几何类型。如果发现有的要素是 Polygon、有的是 MultiPolygon，做统一处理时要么全部转成 MultiPolygon，要么用explode()拆开，否则某些空间操作会报类型不匹配。

2.3 完整性检查：领土范围不能只看大陆轮廓

「完整领土」这四个字是这份数据的核心卖点，但完整性得自己验，不能只信文件名。检查思路是：把数据画出来，看几个关键区域在不在——东南沿海的岛屿、最南端的岛礁、西部边境的完整边界。用 geopandas 快速出一张检查图：

import matplotlib.pyplot as plt # 画全国轮廓，肉眼确认关键区域是否缺失 fig, ax = plt.subplots(figsize=(12, 10)) gdf.plot(ax=ax, edgecolor="black", facecolor="none", linewidth=0.5) ax.set_title("Province Boundary Check") plt.savefig("check.png", dpi=150, bbox_inches="tight")

出图后重点看两处：一是南部海域是否有独立的岛礁要素或包含在某个省级单元里；二是西部边界是否连续无断裂。如果发现某块区域是空白，说明数据在这一块有缺失，后续做全国统计时会漏算。另一个量化检查是看总面积——投影到等面积坐标系后算总面积，和已知的国土面积量级对比，偏差过大就说明边界有问题。

# 投影到等面积坐标系后再算面积，地理坐标下算面积没有意义 gdf_proj = gdf.to_crs("EPSG:6933") # 全球等面积圆柱投影 total_area = gdf_proj.geometry.area.sum() / 1e6 # 转成平方公里 print(f"总面积约 {total_area:.0f} 平方公里")

EPSG:6933是等面积投影，适合做全国尺度的面积量算。注意这里算的是几何面积，不含海域，所以数值会比含海域的国土面积小，这是正常的，关键看量级对不对。

3. 从原始 SHP 到可用底图：投影、裁剪与字段标准化

验完数据只是第一步，真正拿来做分析前，还得把它加工成「能直接叠加业务数据」的形态。这一步的核心是三件事：统一坐标系、按研究区裁剪、把字段整理成自己能用的结构。跳过这步直接叠加，最常见的翻车就是坐标系不一致导致图层错位，或者字段名对不上导致连接失败。

3.1 坐标系选择：按用途定，别盲目用 4326

坐标系没有「最好」，只有「合不合适」。做全国尺度的面积统计、密度分析，用等面积投影；做 Web 地图展示，用 Web 墨卡托（EPSG:3857）；做和 GPS 点位叠加，用 WGS84（EPSG:4326）。我一般会保留一份 4326 的原始版本作为母版，然后按分析需求派生出投影版本。

# 按用途派生不同投影版本，母版不动 gdf_wgs = gdf.to_crs("EPSG:4326") # 经纬度，用于和 GPS 点叠加 gdf_web = gdf.to_crs("EPSG:3857") # Web 墨卡托，用于在线地图底图 gdf_area = gdf.to_crs("EPSG:6933") # 等面积，用于面积/密度计算 # 分别导出，命名带投影标识，避免以后自己都分不清 gdf_wgs.to_file("province_wgs84.shp", encoding="utf-8") gdf_web.to_file("province_webmercator.shp", encoding="utf-8") gdf_area.to_file("province_equalarea.shp", encoding="utf-8")

to_crs()的参数是目标坐标系，可以传 EPSG 编号字符串，也可以传 proj 字符串。导出时encoding="utf-8"很关键——Shapefile 的 .dbf 默认编码在不同系统上不一致，中文属性容易变乱码，显式指定 UTF-8 能规避大部分问题。如果目标软件不支持 UTF-8 的 dbf，可以改用 GBK，但要和读取端保持一致。

3.2 按研究区裁剪：用 clip 而不是手动删要素

如果你只研究某几个省或者某个流域，没必要保留全国数据。常见做法是用clip按边界裁剪，而不是手动选中删除——手动删容易漏掉飞地或者跨界的部分。假设你有一个研究区的边界文件study_area.shp：

import geopandas as gpd province = gpd.read_file("province_wgs84.shp") study = gpd.read_file("study_area.shp") # 先统一坐标系，再裁剪，顺序反了会报错或结果错位 if province.crs != study.crs: study = study.to_crs(province.crs) clipped = gpd.clip(province, study) clipped.to_file("province_clipped.shp", encoding="utf-8") print(f"裁剪后要素数: {len(clipped)}")

gpd.clip()做的是几何相交裁剪，保留落在研究区内的部分。注意裁剪前必须统一 CRS，否则 clip 会直接抛异常或者给出错误结果。裁剪后要素数可能比原来少（完全在区外的被剔除），也可能几何被切割（跨界的被切开），这取决于研究区边界和省级边界的关系。

3.3 字段标准化：把属性表改成自己能维护的结构

原始数据的字段名往往不统一，有的用拼音，有的用英文缩写，有的还带特殊字符。做后续分析前，我习惯把字段重命名成一套固定规范，比如prov_name、prov_code、area_km2。这样不管换哪份底图，下游代码都不用改。

# 字段重命名 + 补充计算字段，形成标准化底图 gdf_std = gdf_area.copy() gdf_std = gdf_std.rename(columns={ "NAME": "prov_name", # 按实际字段名替换 "CODE": "prov_code", }) # 补充面积字段，单位平方公里 gdf_std["area_km2"] = gdf_std.geometry.area / 1e6 # 只保留需要的列，减小文件体积 gdf_std = gdf_std[["prov_name", "prov_code", "area_km2", "geometry"]] gdf_std.to_file("province_std.shp", encoding="utf-8")

重命名时columns字典的键是原字段名，值是新字段名，必须和实际字段对得上，写错了不会报错但会多出一列 NaN。补充的area_km2是在等面积投影下算的，所以有物理意义。最后只保留必要列，能显著减小 .dbf 体积，加快后续读取速度。

4. 避坑与排查：分省 SHP 最容易翻车的五个地方

这份数据本身不复杂，但用起来翻车的点不少，而且很多是「看起来正常、结果错了」的隐性坑。下面五条是我和身边人踩过的，按「现象 → 原因 → 解决」写清楚。

4.1 面积算出来是「平方度」，数值小得离谱

现象：用gdf.geometry.area算面积，得到的是零点几到几十的数值，完全不是平方公里量级。原因：数据是 EPSG:4326 地理坐标，单位是度，面积自然是平方度。解决：先to_crs()到等面积投影（如 EPSG:6933 或 Albers 等积投影）再算面积，别在地理坐标下做任何面积或距离量算。

4.2 中文属性变乱码，省份名全是问号

现象：打开属性表，中文省名显示成???或乱码方块。原因：Shapefile 的 .dbf 编码和读取端不一致，常见是数据用 GBK 存、软件按 UTF-8 读。解决：读取时显式指定编码，gpd.read_file(..., encoding="gbk")或"utf-8"试一遍；导出时统一用 UTF-8，并在文档里注明编码，避免交接时出问题。

4.3 图层叠加错位，点位飘到海里

现象：把 GPS 点位和分省底图叠加，点全跑到边界外或者海里。原因：两个图层坐标系不一致，一个是 4326 一个是 3857，软件按数值直接叠了。解决：叠加前强制统一 CRS，point.to_crs(province.crs)，并且养成「先查 CRS 再叠加」的习惯，别信软件自动对齐。

4.4 某个省「消失」了，要素数对不上

现象：明明是全国数据，画出来少了一个省，或者要素数比预期少。原因：可能是该省是 MultiPolygon 但被某步操作拆散后只保留了主块，也可能是裁剪时被误删。解决：检查len(gdf)和gdf.geom_type，用explode()看是不是被拆成多块；如果是裁剪导致，回到裁剪步骤确认研究区边界是否覆盖了该省。

4.5 边界锯齿严重，放大后像马赛克

现象：放大到城市级别，省界呈现明显折线锯齿，不够平滑。原因：这份数据是省级尺度，边界精度本来就按省级综合过，不适合做市级或更细的展示。解决：明确数据精度边界——省级分析够用，市级以上展示需要换更高精度的底图。别拿省级数据硬撑大比例尺出图，那是给自己找麻烦。

5. 进阶用法：把分省 SHP 接进自动化分析流水线

单次出图用桌面软件就够了，但如果你要反复做「业务数据按省聚合 + 出图」这件事，手动操作迟早会累死自己。我的习惯是把分省 SHP 作为底图母版，封装成一个可复用的空间连接函数，业务数据进来直接跑出结果。下面这套写法我用了很久，核心是「底图只读一次、投影只转一次、连接只做一次」。

import geopandas as gpd import pandas as pd def aggregate_by_province(business_csv, province_shp, value_col): """ 把带经纬度的业务数据按省聚合。 business_csv: 含 lon/lat 两列的业务数据 province_shp: 分省底图（任意坐标系，函数内统一） value_col: 要聚合的数值列名 """ # 底图投影到等面积，保证后续面积和空间关系正确 prov = gpd.read_file(province_shp).to_crs("EPSG:6933") # 业务数据转成点图层，原始经纬度按 WGS84 处理 df = pd.read_csv(business_csv) pts = gpd.GeoDataFrame( df, geometry=gpd.points_from_xy(df["lon"], df["lat"]), crs="EPSG:4326", ).to_crs(prov.crs) # 关键：转到和底图一致 # 空间连接：每个点落到哪个省 joined = gpd.sjoin(pts, prov, how="left", predicate="within") # 按省聚合，统计点数和数值总和 result = joined.groupby("prov_name").agg( point_count=(value_col, "size"), value_sum=(value_col, "sum"), ).reset_index() return result # 调用示例 out = aggregate_by_province("biz_points.csv", "province_std.shp", "amount") print(out.sort_values("value_sum", ascending=False).head(10))

这段代码有几个关键点值得说。第一，底图在函数内统一转到EPSG:6933，业务点也跟着转，保证sjoin时坐标系一致，这是最容易出错的地方。第二，predicate="within"表示点必须落在省内才算匹配，边界上的点可能因为浮点误差落到省外，如果业务上不能丢点，可以改成"intersects"并加缓冲。第三，how="left"保留没匹配上的点，方便排查是数据问题还是边界问题。第四，聚合用groupby而不是循环，数据量大时性能差好几个量级。

再补一个验证环节。自动化流水线最怕「跑通了但结果是错的」，所以每次跑完我会做两个断言：一是聚合后的省数量不超过底图省数量，二是point_count的总和等于原始点数（用within时可能略少，差值就是落在边界外的点）。

# 结果自检：点数守恒 + 省数量合理 assert out["point_count"].sum() <= len(pts), "聚合后点数超过原始点数，逻辑有误" assert len(out) <= len(prov), "聚合后省数量超过底图，连接可能重复" # 打印未匹配的点数，判断是否需要调整 predicate unmatched = joined[joined["prov_name"].isna()] print(f"未匹配点数: {len(unmatched)}")

assert在生产环境可以换成日志告警，但思路一样——让错误在流水线里尽早暴露，而不是等到出图才发现。未匹配的点单独拎出来看，如果集中在边界附近，说明是精度问题；如果随机分布，可能是经纬度写反了或者坐标系标错了。

从那以后我每次接新的分省底图，都强制走一遍「ogrinfo 验坐标系 → 投影后算面积 → 空间连接自检」这三步，再也没出现过点位飘海里或者面积差一个量级的事故。希望这份拆解能帮到你，拿到数据先验后用，别急着出图。

本文还有配套的精品资源，点击获取