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矢量边界数据，采用Shapefile格式，面向GIS学习者、城市规划人员及地理相关研究者，可用于行政区划制图、城市分布分析与空间统计等场景。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等平台直接加载、裁剪与合并。数据年代为2004年，属性表可查城市名称、代码、人口、面积等信息，适合作为行政边界底图或历史区划对比的基础素材。目前已有2079人学习下载，读者可据此快速搭建市级行政区划图层，完成专题制图与空间分析练习，也可按需更新至最新年份以提升准确性。

1. 市级行政区域 shp 数据：从“拿到一份能用的边界”开始

做专题图、做空间统计、做区域看板，绕不开的第一件事就是拿到一份能用的市级行政区域 shp。很多人以为这是最没技术含量的环节，结果真正动手才发现：坐标系对不上、市辖区和地级市混在一起、飞地和跨省界的地方画歪了、属性表里连个像样的编码都没有。我见过不止一个项目，业务逻辑写了三千行，最后卡在“两个市的边界重叠了 0.3 平方公里”这种问题上。

这篇讲的就是市级行政区域 shp 这件事本身：一份市级边界数据到底该长什么样，怎么判断手里的数据能不能用，怎么把它清洗成能进生产环境的版本，以及入库、投影、拓扑检查这些环节里最容易翻车的地方。适合正在做区域分析、GIS 可视化、行政区划匹配的从业者，也适合刚接手一份“别人给的 shp”不知道从哪下手的新手。下面按“数据是什么 → 怎么验 → 怎么洗 → 怎么用 → 坑在哪”的顺序推。

2. 市级行政区域 shp 的数据结构与选型判断

2.1 shp 不是单个文件，属性表和几何要分开看

先把这个最基础也最容易被忽略的点说清楚。Shapefile 是一组同名文件的集合，缺一个就打不开或者丢信息。常见构成如下：

血泪经验是：别人发你一个压缩包，解压出来只有 .shp 和 .dbf，看着能打开，但 .prj 一缺，你根本不知道这份市级边界是 WGS84 经纬度还是某种投影坐标。数值上差几十万倍，直接叠到自己的底图上就是“图形飞到天外”。所以拿到数据第一件事不是打开看，是先确认这五个文件齐不齐。

属性表这边，市级行政区域 shp 至少要能回答三个问题：这个面是哪个市（名称）、它的行政编码是多少（唯一标识）、它属于哪个省（上级归属）。没有编码的数据不是不能用，但一旦要做跨数据源匹配，名称的写法差异会让你痛不欲生——“某某市”和“某市”、“XX地区”和“XX市”，靠字符串模糊匹配迟早出事。

2.2 市级边界到底指哪一级：地级市、市辖区还是县级市

这是选型阶段最容易埋雷的地方。中文语境里“市级”至少对应三种口径：

• 地级行政区：包括地级市、地区、自治州、盟，是省级下面的完整一层，面与面之间无缝拼接。
• 市辖区：地级市内部的区，只覆盖城区，不覆盖下辖县市，拼起来有大量空洞。
• 县级市：由地级市代管或省直管，行政级别是县级，但名字里带“市”。

如果你的需求是“按地级市做区域汇总”，却拿到了一份市辖区数据，那每个市的面积都会严重偏小，因为下辖县根本没算进去。反过来，做城市建成区分析却用了地级市全域边界，城区会被周边大片农村稀释。判断方法很直接：看属性表里有没有“级别”或“类型”字段，或者数一下总要素数——全国地级行政区大约三百多个，市辖区数量是它的数倍。数量对不上，口径大概率错了。

提示：不要用“名字里带不带市”来判断层级，县级市同样带“市”。以行政编码的层级位或数据说明为准。

2.3 坐标系与精度：先搞清楚数据在哪个“尺子”上

市级行政区域 shp 常见的坐标参考有两类：地理坐标系（经纬度，单位是度）和投影坐标系（单位是米）。做面积统计、距离计算必须用投影坐标，否则在经纬度上直接算面积，高纬度地区误差能到百分之几十。做网页地图叠加，通常又需要经纬度。所以一份合格的数据要么自带正确的 .prj，要么你能明确知道它的原始坐标系。

精度方面，市级边界的合理精度大致在 1:100 万到 1:25 万之间。精度越高文件越大，但市级分析一般不需要到村级那种细度。判断精度是否够用，看边界在河流、山脊处是否出现明显锯齿——锯齿太粗说明是低精度简化过的，做小区域统计会失真；过于精细则可能带来几十万节点的面，渲染和空间运算都会变慢。选型时按用途定：看板展示用中等精度即可，空间叠加分析再上高精度。

3. 用 Python 把市级 shp 读进来并做第一轮体检

3.1 环境准备与最小读取脚本

我一般用 geopandas 做第一轮体检，因为它把读取、投影、属性、几何操作都收在一套 API 里，排查效率高。环境装好之后，先跑一个最小读取脚本，把基本信息打出来。

import geopandas as gpd # 读取市级行政区域 shp，注意路径指向 .shp 文件本身 gdf = gpd.read_file("./data/city_boundary.shp", encoding="utf-8") # 基本信息：要素数、字段、坐标系、几何类型 print("要素数:", len(gdf)) print("字段:", list(gdf.columns)) print("坐标系:", gdf.crs) print("几何类型:", gdf.geom_type.unique()) # 看前几行属性，确认名称和编码字段是否存在 print(gdf.head())

这段代码的逻辑是先确认“有没有”，再谈“对不对”。encoding="utf-8"是为了防止中文属性乱码，如果 .cpg 缺失且原始编码是 GBK，这里要改成gbk试一次。gdf.crs打印出来如果是None，说明 .prj 缺失或无效，后面所有投影相关操作都不能信。geom_type.unique()应该只返回Polygon或MultiPolygon，如果混进了LineString，说明数据里混了边界线要素，需要先过滤。

参数上，read_file对大文件可以加rows做抽样，先读前 100 行看结构，确认没问题再全量读，避免一个几百 MB 的文件卡住整个排查流程。

3.2 体检清单：空几何、重复、自相交、编码缺失

读完只是开始，真正决定这份数据能不能用的是下面这轮体检。我习惯把它写成一段可复用的检查函数，每次拿到新数据都跑一遍。

import geopandas as gpd def health_check(gdf, name_col="name", code_col="adcode"): report = {} # 1. 空几何与无效几何 report["空几何数"] = gdf.geometry.is_empty.sum() report["无效几何数"] = (~gdf.geometry.is_valid).sum() # 2. 名称与编码缺失 report["名称缺失"] = gdf[name_col].isna().sum() report["编码缺失"] = gdf[code_col].isna().sum() # 3. 编码重复（同一编码出现多次通常是数据拼接出错） report["编码重复"] = gdf[code_col].duplicated().sum() # 4. 面积异常：投影后统计，找出明显偏小或偏大的面 gdf_proj = gdf.to_crs(epsg=3857) # 仅用于相对比较，不用于正式面积 areas = gdf_proj.geometry.area report["面积最小值"] = round(areas.min(), 2) report["面积最大值"] = round(areas.max(), 2) return report print(health_check(gdf))

逻辑说明：空几何和无效几何是空间运算报错的头号来源，is_valid为 False 的面在做相交、裁剪时会直接抛异常。编码重复往往意味着同一区域被录入了两次，做汇总时会翻倍。面积检查用 EPSG:3857 只是为了快速找异常值，它本身在高纬度有变形，正式面积统计要换成对应分带的投影坐标系，比如按经度带选 UTM 或使用等面积投影。

参数上，name_col和code_col要按你数据的实际字段名改，很多数据里叫NAME、CODE或者拼音缩写，先list(gdf.columns)看清楚再传。这一步跑完，报告里任何一项不为零，都要在进入下一步之前处理掉。

3.3 投影转换与面积统计的正确姿势

市级数据做面积统计，投影选错是玄学级翻车点。经纬度直接算面积，单位是“平方度”，没有任何业务意义；用 Web 墨卡托算面积，越往北越虚高。正确做法是按研究区所在纬度带选等面积投影或 UTM 分带。

# 按经度带选 UTM，中国东部大致在 48-51 带，需按实际经度调整 gdf_utm = gdf.to_crs(epsg=32650) # WGS84 / UTM zone 50N gdf_utm["area_km2"] = gdf_utm.geometry.area / 1e6 # 若做全国尺度，等面积投影更稳妥 gdf_eq = gdf.to_crs("+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +datum=WGS84") gdf_eq["area_km2"] = gdf_eq.geometry.area / 1e6

逻辑上，UTM 适合单个省或跨几个带以内的区域，变形小；全国尺度用 Albers 等面积投影，保证面积可比。参数里lat_1、lat_2是标准纬线，lon_0是中央经线，按研究区范围调整，不要照抄。面积除以 1e6 是把平方米换成平方公里，这一步别漏，否则报表数字会大六个数量级。

4. 清洗与入库：让市级边界能进生产环境

4.1 修复无效几何与消除重叠缝隙

体检出来的无效几何，常见原因是自相交（一个面自己绕回来交叉了）和环方向错误。修复用buffer(0)是老办法，但对复杂面可能改变形状，更稳的是make_valid。

from shapely.validation import make_valid # 只对无效几何做修复，避免全量重算 mask = ~gdf.geometry.is_valid gdf.loc[mask, "geometry"] = gdf.loc[mask, "geometry"].apply(make_valid) # 修复后复查 print("修复后无效几何数:", (~gdf.geometry.is_valid).sum())

逻辑说明：make_valid会把自相交的面拆成合法面，可能返回 MultiPolygon，这是正常的。修复后一定要复查，因为个别极端几何修复后仍不合法，需要人工看。参数上没有可调的，重点是只对无效行操作，全量 apply 在大数据上很慢。

重叠和缝隙是另一类问题。相邻市之间理论上应该无缝拼接，但不同来源的数据拼在一起，接缝处常有细长缝隙或重叠条带。处理思路是先做一次全量 union，再按属性重新切分，或者用拓扑规则约束。实操中更常见的是接受微小缝隙（比如小于 1 平方米的），只处理明显重叠。

4.2 属性表规范化：编码、名称、层级三件套

属性表不规范，后面所有匹配都是灾难。我一般把属性整理成固定几列：行政编码、名称、上级编码、层级。编码用国家行政区划代码的六位或十二位口径，保持字符串类型，千万别存成整数——前导零会丢，比如编码以 0 开头的会变成少一位。

# 统一成字符串并去空格，防止 "110000" 和 " 110000" 匹配不上 gdf["adcode"] = gdf["adcode"].astype(str).str.strip() gdf["name"] = gdf["name"].astype(str).str.strip() # 按编码前两位推上级省份编码（六位编码口径） gdf["province_code"] = gdf["adcode"].str[:2] + "0000" # 去重：同一编码只保留一条，保留面积最大的（通常是主面） gdf = gdf.sort_values("area_km2", ascending=False).drop_duplicates("adcode")

逻辑上，字符串化加去空格解决的是“看着一样实际不等”的隐形问题。推上级编码是为了后续按省汇总时不用再查表。去重保留最大面，是因为有些数据把飞地拆成了多条记录，主面才是业务上要的那个。参数上，编码位数要按你的数据口径改，六位和十二位的前缀规则不同，别混用。

4.3 导出 GeoPackage 与入库前的最后校验

shp 有字段名长度限制（10 字符）、编码问题、单文件 2GB 上限，生产环境我更倾向导出成 GeoPackage 或直接入库。导出前做最后一轮校验：要素数、编码唯一性、坐标系、几何有效性。

# 导出为 GeoPackage，字段名不受 10 字符限制，中文更稳 gdf.to_file("./out/city_boundary.gpkg", layer="city", driver="GPKG") # 入库前校验 assert gdf["adcode"].is_unique, "编码存在重复" assert gdf.crs is not None, "坐标系缺失" assert gdf.geometry.is_valid.all(), "仍有无效几何" print("校验通过，要素数:", len(gdf))

逻辑说明：assert在这里是硬门槛，任何一条不满足就不该往下走。GeoPackage 用layer指定图层名，一个文件可以放多层，比 shp 好管理。参数上driver="GPKG"不能省，否则可能按默认格式写出。如果目标库是 PostGIS，可以用to_postgis，但要注意库里的 SRID 要和数据坐标系一致，否则查询时空间关系全错。

5. 市级 shp 使用中的避坑与排查

5.1 现象：两个市的边界重叠，汇总面积大于总面积

原因通常是数据来源拼接，相邻市各自带了一点对方的边，或者简化算法在接缝处产生了重叠。解决：先做全量 union 得到整体轮廓，再按属性重新切分；或者用拓扑检查工具找出重叠面积超过阈值的面对，人工修正。阈值我一般设 1 平方公里，小于这个的当噪声忽略。

5.2 现象：中文属性全是乱码，名称匹配全失败

原因是 .dbf 的字符编码和读取时指定的不一致，常见是数据本身 GBK 而按 UTF-8 读。解决：先试encoding="gbk"，读出来正常就说明是 GBK；如果 .cpg 文件存在，里面会写明编码。根治办法是读进来后统一转 UTF-8 再导出，别让编码问题流到下游。

5.3 现象：空间相交查询返回空，但图形明明叠在一起

原因是两个图层的坐标系不一致，一个经纬度一个投影，数值上根本不在一套尺子里。解决：查询前统一to_crs到同一坐标系，且优先用投影坐标做相交，经纬度做相交在跨带时会有误差。排查时先打印两边的crs对比，这一步能省掉大量瞎猜。

5.4 现象：面积统计结果和官方公布数据差很多

原因可能是口径不对（地级市 vs 市辖区）、投影不对（用墨卡托算面积）、或者边界精度太低把海域、飞地算漏了。解决：先确认口径，再换等面积投影重算，最后和公开的行政区面积做量级对比，差一个数量级说明口径错了，差百分之几可能是精度和投影的正常误差。

5.5 现象：渲染时边界出现锯齿或断裂

原因是几何精度和渲染缩放级别不匹配，低精度数据放大后节点不够，高精度数据缩小后节点过密导致渲染卡顿。解决：按展示级别做几何简化，用simplify保留拓扑，简化容差按缩放级别定，别一刀切。简化后要复查相邻面是否还拼接，拓扑保留参数要开。

6. 进阶：用空间连接把业务数据挂到市级边界上

数据洗干净之后，真正的价值在于把业务数据挂上去。最常见的场景是：手里有一批带经纬度的点位，要统计每个市有多少个。做法是空间连接，但直接sjoin有两个前提——坐标系一致、点位落在面内。边界附近的点容易因为精度问题落在缝隙里，导致漏统计。

# 点位数据转成 GeoDataFrame，假设已有 lon/lat 字段 points = gpd.GeoDataFrame( df, geometry=gpd.points_from_xy(df["lon"], df["lat"]), crs="EPSG:4326" ) # 统一到市级边界的坐标系 points = points.to_crs(gdf.crs) # 先做一次微小缓冲，吸收边界缝隙造成的漏点 points["geometry"] = points.geometry.buffer(0.0001) joined = gpd.sjoin(points, gdf[["adcode", "name", "geometry"]], how="left", predicate="within") count_by_city = joined.groupby("adcode").size().reset_index(name="cnt")

逻辑说明：buffer(0.0001)是给点一点容差，让它能落进因缝隙而“漏掉”的面里，容差大小按数据精度定，经纬度下 0.0001 度大约十米。predicate="within"表示点完全落在面内，边界上的点可能被判为不在任何面内，所以缓冲很有必要。how="left"保证没匹配上的点也保留，方便排查是哪些点漏了。

参数上，buffer的容差不能太大，否则会把本该属于 A 市的点吸到 B 市；sjoin的predicate还可以用intersects，对边界点更宽容，但可能造成一个点被多个面匹配，需要去重。做完之后一定要核对总数：连接后的点数应该等于原始点数，少了就是有漏匹配，多了就是有重复匹配。

进阶一点的做法是把这套流程固化成脚本，每次新数据进来先跑体检、再跑清洗、最后跑连接，把中间报告落盘。我自己的习惯是每个项目建一个data_check目录，体检报告、修复日志、校验结果都放进去，出问题时能回溯是哪一步把数据改坏了。市级行政区域 shp 这件事，难点从来不在“拿到数据”，而在“拿到之后敢不敢用”。把体检和校验做成习惯，比事后救火省心得多。希望帮到你。

本文还有配套的精品资源，点击获取