企业官网建设流程全解析

简介：1100万基础地理数据库（2017版）提供全国县级行政区划边界矢量数据，面向GIS开发、城乡规划、人口统计与环境分析等场景，适合需要标准县级面图层做叠加计算或制图的研究者与工程师。资源共7个文件，压缩包约46.33MB，包含核心shp几何文件、dbf属性表、prj坐标系定义（CGS_WGS_1984），以及sbn/sbx/shx等空间索引文件，配套结构完整，可直接加载进ArcGIS、QGIS等平台使用。已有615人学习下载。借助该数据集可快速获取2017年县级行政边界，免除手动矢量化与配准工作；同时属性表内嵌县名、代码等信息，便于与人口、经济等专题数据挂接，开展区域差异、可达性、生态区划等分析。对需要统一行政单元口径的地理数据项目而言，这是一套基础而实用的底图数据。

1. 1100万基础地理数据库里的2017县级行政区shp：先搞清这批数据的真实体量

收到一套“1100万基础地理数据库_2017县级行政区shp文件”，别急着把它当成1100万个要素的庞然大物。这个命名里的“1100万”，通常指基础地理数据库中全部图层要素或坐标记录的综合规模，真正承载“县级行政区”的 shp 面要素往往没有那么多。先确认数据构成与坐标系，再决定用哪种方式读取，后续处理才不会一开始就走偏。我会按一线做地理数据处理的顺序来讲：先拆解文件组成与坐标识别，再给两条可复现的读取与转换路线，接着处理 2017 年行政代码与现状不一致的问题，最后集中排一排乱码、缝隙、偏移这类高频坑，并给一套十分钟的入库前验证流程。新手可以照着步骤走，熟手则可以直接跳到第 5 章看边界情况。

2. 读 shp 前该认的三件事：文件三件套、坐标系与 1100 万的构成

2.1 shp 从来不是一个文件：缺了 shx 就开不了门的组件关系

很多人第一次拿到 shp 会觉得奇怪：明明叫“县级行政区.shp”，压缩包里却躺着一堆后缀各不相同的文件。这不是数据发错了，而是 shapefile 天生就是多文件构成的格式。一个完整可用的 shp 至少需要三个基础文件，配套文件缺一个，读取结果就会失灵或数据品质打折。

我收到的这版 2017 县级数据，发行时一般会附带 .cpg 文件，但很多二次分发者只拷了 .shp、.shx、.dbf 三个文件就往外传，导致接收方无法确认坐标系与编码。实际工作中，我首先会检查.prj和.cpg是否存在，缺少的立即向数据来源方要说明，否则后续每一步都可能走歪。

2.2 坐标系识别：先看 prj 再定投影，别等图偏了才后悔

打开一个 shp 前先做一件事：看坐标系。2017 年发布的县级行政区数据，绝大多数已切换为国家 2000 大地坐标系（CGCS2000），但不同生产单位对数据作了不同的投影处理。同样是 CGCS2000，地理坐标系与投影坐标系在面积量算和空间分析上表现完全不一样。

常见做法是用文本编辑器直接打开 .prj 文件，里面是一段 WKT 描述。如果看到GCS_China_Geographic_2000，说明它是经度/纬度存储的地理坐标系；如果看到CGCS2000_3_Degree_GK_CM_120E或类似描述，则是高斯-克吕格投影坐标系。这两种情况下的处理方式完全不同。

判断方法不止读 .prj 一种。我一般会用 GDAL 工具快速读取元数据，命令行下执行gdalsrsinfo county_2017.prj，输出里会直接给出 EPSG 编号和投影参数。没有 GDAL 环境时，直接看文件位置也行：数据落在经度 73 到 135、纬度 18 到 54 这个范围附近，大概率是地理坐标系；如果坐标动辄几十万、几百万，则是投影坐标系，需要反查中央经线再做后续投影转换。

2.3 1100 万这个数字该怎么读：要素记录、顶点数量与文件体积

“1100 万”最容易让人误判为县级行政区有 1100 万个。2017 年全国县级行政区划单位数量在数千个量级，远达不到百万。对做基础地理数据库的人来说，1100 万更可能是以下三者之一：

• 全库要素总数：指数据库里所有图层（境界、居民地、水系、交通、植被等）的要素记录合计，单看县级行政区图层，要素数只占很小一部分；
• 几何顶点总数：shp 里的每个面由成百上千个折点组成，复杂行政区边界全部顶点累加后可达百万甚至千万规模；
• 解压后文件总记录：有的生产单位把乡级以上的全部境界数据合并到一个图斑表里，行数会非常接近这个量级。

区分这三种含义，直接决定你用什么方式处理。如果只是县级边界，几千行的 GeoDataFrame 用个人电脑跑完全没问题；如果要对全部 1100 万图斑做拓扑检查，就必须考虑分块读取和空间索引。拿到数据后第一步就是打开属性表看记录数，而不是纠结文件名里的数字。

3. 用 OGR 与 GeoPandas 把 2017 县级 shp 读进来：两条实操路线

3.1 先用 GDAL/OGR 读元数据，半小时能看穿一个 shp 的底色

加载县级 shp 最容易犯的错是拿到文件直接拖进可视化界面，等它画出图来才发现坐标系不对、属性乱码。我习惯先用 GDAL/OGR 把元数据读出来，整个过程用不了一分钟，却能把文件底细摸清。

from osgeo import ogr # 打开 shp，第二个参数 0 表示只读，不修改源文件 shp_path = "county_2017.shp" ds = ogr.Open(shp_path, 0) if not ds: raise SystemExit("文件打不开，检查 .shp/.shx/.dbf 三件套是否齐全") layer = ds.GetLayer(0) # 图层名与要素数量 print("图层名:", layer.GetName()) print("要素数:", layer.GetFeatureCount()) # 空间参考信息：能导出的就导出，导不出说明 prj 缺失 spatial_ref = layer.GetSpatialRef() if spatial_ref: print(spatial_ref.ExportToPrettyWkt()) else: print("未找到坐标系定义，需要手动指定") # 读取第一个要素的几何类型，确认是面还是多面 feature = layer.GetNextFeature() geom = feature.GetGeometryRef() print("几何类型:", geom.GetGeometryName())

这段代码输出四类关键信息：图层名、要素数量、坐标系定义、几何类型。要素数量让你确认数据实际规模；坐标系定义决定后续是否需要重投影；几何类型能帮你提前发现“县级行政区其实是线图层”这类发错文件的情况。参数方面，ogr.Open()的第一个参数是路径，第二个参数 0 表示只读，如果改成 1 就允许写入，但日常检查一律用只读，避免误改原始数据。

如果ExportToPrettyWkt()输出里包含GEOGCS["China Geodetic Coordinate System 2000"，那坐标系明确是 CGCS2000 地理坐标系，对应 EPSG:4490。如果输出为空或报错，回到第 2 章补读 .prj，不要靠猜。

3.2 用 GeoPandas 读入、转坐标与快速绘图

确认元数据后，进入数据分析环境。GeoPandas 是 Python 生态里处理 shp 最顺手的工具，底层依赖 Shapely 与 Fiona，读取 shp 时需要注意编码参数。

import geopandas as gpd # 读取 shp # encoding 按 .cpg 声明选择，常见为 gbk，读出来乱码可逐个尝试 gdf = gpd.read_file("county_2017.shp", encoding="gbk") # 查看整体情况 print(gdf.shape) # 行数与列数 print(gdf.columns.tolist()) # 属性字段列表 print(gdf.crs) # 当前坐标系 # 统一转到 CGCS2000 地理坐标，便于后续跨省拼接和叠加 gdf = gdf.to_crs("EPSG:4490") # 快速计算每个县的面积（单位：平方公里） # 先投影到等积投影再算面积，结果更接近真实值 gdf["area_km2"] = ( gdf.geometry.to_crs("EPSG:3857").area / 1_000_000 ) print(gdf[["NAME", "area_km2"]].head())

read_file()的encoding参数是这一节最容易翻车的地方。国内县级数据属性表大多用 GBK 或 GB2312 编码，如果默认按 UTF-8 读取，省、市、县名称会变成乱码；用utf-8读不出来的时候，依次尝试gbk、gb18030。to_crs("EPSG:4490")只做坐标转换，不改属性。面积计算这里我用了近似的等积投影方式，面积结果仍有轻微误差，但比直接在经纬度坐标系下计算稳妥得多，量级没有问题。

读取成功后先别急着分析，先绘图检查一眼，看面要素是否填满整个行政区域。用gdf.plot(figsize=(12, 8))即可，如果图形出现大面积空白或边界重叠，说明数据存在几何问题，下一章的避坑部分会专门讲。

4. 属性表处理：把 2017 年的行政区划代码对齐到当前

4.1 先读懂县级 shp 的属性字段再动手

2017 年版县级行政区的属性表字段，不同生产批次差异较大，但通常会包含以下几类核心信息：

处理 2017 年县级 shp，最核心的动作是识别“行政区划代码列”。2017 年版数据里代码列未必叫 PAC，也有可能叫 GB_CODE 或 XZDM，你需要打印出字段名逐一确认。我的经验是：先print(gdf.dtypes)看类型，再print(gdf.head(20))看样例值。如果代码列是数字类型，先转成字符串再处理，避免前导零丢失。

4.2 行政区划代码更新的三种情形与映射方法

2017 年距今已有多年，县级行政区划发生了不少调整。常见情形有三类：

• 撤县设区：某县改为某市某区，行政代码整体变化；
• 合并与拆分：多个县合并成一个，或一个县拆成多个；
• 名称变更但代码不变：仅地名发生变化，代码不动。

如果直接拿 2017 年版代码关联现状数据，会发现大量匹配不上。稳妥做法是保留原始代码列，另建一列映射到最新代码。映射关系必须人工核对，不要自动推断，因为个别调整存在代码跳号。

import pandas as pd # 假设 gdf 是已读取的 GeoDataFrame # 先保住原始代码列，再新增映射列 gdf["CODE_RAW"] = gdf["XZQHDM"].astype(str).str.strip() # 手工整理的代码映射表，格式为 {2017版代码: 最新代码} # 实际操作中每个调整都需要对照最新的行政区划代码公告确认 code_map = { "320281": "320281", # 假设这个县未调整，保持原代码 "321282": "321203", # 假设撤市设区，映射到新区的代码 # ... 继续补齐其他变更记录 } # 未在映射表中的记录，保留原代码并做标记 gdf["CODE_NEW"] = gdf["CODE_RAW"].map(lambda x: code_map.get(x, x)) # 找出需要人工复核的记录 mask = gdf["CODE_RAW"] != gdf["CODE_NEW"] print("行政代码发生变化的数量:", mask.sum()) print(gdf.loc[mask, ["NAME", "CODE_RAW", "CODE_NEW"]].head(10))

映射表是这套处理的关键。我的习惯是不在代码里写死变更逻辑，而是维护一个独立的 CSV 映射文件，方便其他同事核对修改。map方法对没有匹配的记录默认返回None，所以我用code_map.get(x, x)让未匹配项保留原代码，再单独筛选出来人工处理。这一步做完，后续关联人口、经济等现状数据时，代码对齐率会大幅提升。

4.3 处理县界合并与拆分：保留原代码再开新字段

行政代码变更是属性层面的问题，但合并与拆分还会带来几何层面的问题。比如某两个县合并成一个新区，原始 shp 里是两个面要素，现状统计需要的是一个面要素。此时需要按新代码做聚合，几何上做 dissolve 合并。

# 按新代码聚合，合并几何和属性 merged = gdf.dissolve(by="CODE_NEW", aggfunc="first") # 重置索引，把 CODE_NEW 变回普通列 merged = merged.reset_index() print(merged.shape) print(merged.head(10))

dissolve(by="CODE_NEW")会把相同新代码的相邻面要素合并成一个 MultiPolygon，aggfunc="first"表示属性字段取第一行记录，因为名称、代码在新代码级别应当一致。需要注意，dissolve 之后的要素有可能出现“一个县变成两个不相连的多边形”，这不一定是错误，也可能是飞地或岛屿，要结合具体地理位置判断，不能直接当作数据异常处理。

拆分情形则需要反过来：原始 shp 中一个面要素要拆分两种用途，通常用数据表关联的方式实现，几何上拆分需要借助另一份参考边界。2017 年县级 shp 本身没有拆分信息，我的做法是从最新的乡镇级边界数据中按属性截取，再合并回县级空间。这种操作较复杂，业务不涉及拆分时可以跳过。

5. 避坑排查：乱码、缝隙、坐标偏移与罕见几何异常的定位思路

5.1 现象：属性表打开全是乱码

现象：GeoPandas 读出来省份、县名全是“锟斤拷”“烫烫烫”一类字符，或在 QGIS 里打开属性表文字不可读。

原因：属性表 .dbf 文件使用 GBK 编码存储，读取时按 UTF-8 解码，中文字符被错误映射。多数情况是 .cpg 文件缺失，软件无法判断编码。

解决：首先看 .cpg 文件，里面若写GBK或GB2312，直接在read_file()里指定encoding="gbk"；如果 .cpg 不存在，就用文本编辑器打开 .dbf 头几个字节判断，或者干脆依次尝试gbk、gb18030、utf-8。QGIS 里则在图层属性中修改“数据源编码”为 GBK。这里有个小规律：乱码字符若表现为常见中文问号加英文字母组合，多半是 GBK 被当 UTF-8 读；若表现为可打印符号，要考虑是不是编码声明与实际不一致。

5.2 现象：相邻县界之间出现缝隙或压盖

现象：放大查看时，两个相邻县边界中间有条白缝，或两块面相互重叠。

原因：shp 本质上是独立面要素的集合，并不保证拓扑一致。生产方不同批次数据拼接时，公共边界可能来自不同采集过程，差几十米都常见。缝隙和压盖不是数据损坏，而是数据生产精度差异。

解决：做县级汇总统计前，必须用缓冲区消除微小缝隙。常用做法是geometry = geometry.buffer(0)，这一步能把自相交的碎屑清理掉，再对相邻小缝隙做修复。如果是更复杂的拓扑问题，比如需要生成无缝面层，就要用unary_union做整体融合再切分，但这样处理量大很多，建议只对业务范围内的子集做。叠加分析之前，务必先统一坐标系，否则缝隙和压盖会因投影转换而放大。

5.3 现象：数据整体与在线底图发生几十米偏移

现象：把县级 shp 与在线底图叠加显示，边界整体往一个方向偏移了几十米到一公里，行政界线与底图影像不贴合。

原因：最常见的是坐标系不匹配。shp 是 CGCS2000 地理坐标，在线底图是 WGS84 地理坐标，两套坐标系在部分地区存在数十米差距；还有的情况是 shp 本身是投影坐标但被当作地理坐标加载，偏移会达到数公里量级。

解决：先读取 .prj 确认原始坐标系，再统一到同一个 EPSG。CGCS2000 与 WGS84 之间的转换，多数场景直接to_crs("EPSG:4326")即可，误差在业务可接受范围；如果对精度有高要求，需要加七参数或网格改正。注意这里不要用平移方式硬凑，治标不治本，换一个底图又会偏。比较合适的做法是在读取后统一转成 EPSG:4490，并把在线底图也切到 CGCS2000 切片，很多图商底图支持 4490 版本。

5.4 现象：关键属性大量为空

现象：统计省份名称时发现几百行空值，或者行政区划代码缺失，导致关联数据失败。

原因：属性表在制作时漏填了字段，或因代码位数限制被截断。最常见的是“地级市”字段在直辖市场景下为空，以及代码字段数值类型前导零丢失。

解决：第一步先区分“不该为空但为空”和“本来就允许为空”。乡镇数据里地级市字段为空要警惕，直辖市辖区则属正常。第二步做填充策略：省级代码缺失的，从更粗的省级边界数据里空间匹配补齐；代码前导零丢失的，用zfill(6)补足到 6 位。我在实际项目中做过一次统计，空值分布往往集中在少数几个特殊区域，优先处理这些区域能明显减少数据错误带来的连锁问题。

5.5 现象：一个县变成了两个甚至多个多边形

现象：选中某县名称，属性表显示该要素几何类型是 MultiPolygon，由多个不相连的部分构成；更意外的是 dissolve 之后，一个名字对应两块分开的区域。

原因：这是正常现象，不代表数据错误。中国不少行政区存在飞地、岛屿、跨水域的属地，导致一个县级行政区在地理上天然分裂成多块。shp 里它被存储为一个 MultiPolygon 要素，展开后是多个 Polygon。

解决：分析时先确认是否要把飞地单独处理。县级尺度上做可视化不做拆分问题不大；但做面积统计、叠加分析时，MultiPolygon 的各个子块可能会与邻县边界产生交集。我通常会先用explore()方式把 MultiPolygon 展开成独立要素，逐一检查最大块面积占整体比重，确认没有“主块缺失”的异常。展开后若发现某县主体区域面积占比过小，就要怀疑原始数据是否有几何错误，再对照影像底图核实。另外，很多空间计算库对 MultiPolygon 自相交很敏感，先运行gdf.geometry.is_valid检查，若有 False 记录，执行gdf.geometry.buffer(0)修复。

6. 用十分钟快检流程，验证 2017 县级 shp 能不能用于业务

6.1 一套文件、两次投影、三个查询

拿到手先不急着写业务逻辑，按下面的快检流程走一遍，十分钟内能判断这套数据是否可用于生产。

一套文件：确认 .shp、.shx、.dbf、.prj、.cpg 全部存在。缺 .prj 就先补坐标系，缺 .cpg 就先验证属性编码，缺 .shx 找来源方重新导出。

两次投影：第一次打印gdf.crs，确认原始坐标系；第二次明确业务最终需要的坐标系，执行to_crs()，例如省级范围用 EPSG:4490，市级高精度计算用高斯投影。两次投影之间用面积和边长做检验，数值变化在合理范围内才算转换正确。

三个查询：

# 1. 属性空值检查 print("空值统计:\n", gdf.isna().sum()) # 2. 几何有效性检查 invalid = gdf[~gdf.geometry.is_valid] print("无效几何数量:", len(invalid)) # 3. 行政代码重复检查 dups = gdf.duplicated(subset="CODE_NEW", keep=False) print("重复代码记录数:", dups.sum())

空值检查覆盖所有业务关键字段；无效几何用 Shapely 的is_valid判断，返回 False 的要素先buffer(0)修复再继续；重复代码检查用于判断是否存在同一行政区被重复采集的情况。三项查询都通过，数据具备入库条件；不通过就把异常记录筛选出来逐条处理。

6.2 抽样人工比对后，再决定要不要信任这批数据

自动化检查通过后，还差最后一步：抽样与可信底图人工比对。从不同省份区域里取三到五个县，缩放查看行政边界走向是否贴合常见的地理标志，比如河流走向、山脉山脊线。属性上随机抽几个县的名称和代码，与公开的行政区划信息核对，重点确认 2017 年与当前代码不一致的条目是否已经映射正确。我在某地市的业务项目里曾经跳过这一步直接出图，结果因一版代码映射错误导致整个街道汇总数据偏了一截，后来找原因才发现是省市两级代码混用。自此我养成了入库前只抽五个县做人工看一眼的习惯，花费时间很短，却能拦住大多数低级的源数据问题。

这套 2017 年县级行政区 shp，价值在于它反映了一个特定年份的行政区划快照，用来做历史复盘、对比分析是合适且稳妥的。确定它能用之后，建议把它作为基准数据在项目内统一共享，后续再做人口、GDP 空间化时，都基于同一套边界，避免各人手里版本不一致。希望帮到你。

本文还有配套的精品资源，点击获取