2017县级行政区shp数据实战：从字段解析到空间分析与制图

简介这份资源是面向GIS从业者、地理数据分析人员及规划相关专业学生的1:100万比例尺中国2017年县级行政区矢量边界数据集可用于人口统计、城市规划、环境保护、灾害管理与交通规划等空间分析场景帮助读者快速获得统一、规范的县级行政单元底图。压缩包共7个文件约46.33MB以shp主文件承载几何图形dbf存储县名与代码等属性prj定义CGS_WGS_1984坐标系shx、sbn、sbx提供空间索引以加速检索xml记录元数据配套结构完整、开箱即用。目前已有615人学习下载。读者可直接将其与人口密度、地形地貌、气候等数据叠加分析揭示地理模式与趋势也可作为制图底图或空间统计的基础数据省去自行收集与配准边界的时间适合需要可靠县级行政边界的中高级GIS用户。1. 拿到一份 2017 县级行政区 shp先想清楚它能干什么县级行政区划矢量数据在 GIS 圈子里属于那种“平时不觉得稀罕真要用时到处找不到干净版本”的东西。一份 2017 年的县级行政区 shp 文件本质上是把当年全国县级单元的边界、名称、行政代码以面要素的形式固化下来配合基础地理数据库里的道路、水系、居民地等图层能撑起人口统计制图、专题图底图、空间叠加分析、区域规划前期底图这一整条链路。它解决的核心问题是“空间单元对齐”你手上有一堆按县统计的表格数据缺一张能把数字落到地图上的边界底图。适合谁做国土空间、民政区划、统计年鉴可视化、教学演示、以及需要历史年份快照做对比分析的从业者。2017 这个年份很关键它是一份时间切片不是“最新最全”用之前必须先接受这个前提。2. 2017 县级行政区 shp 的字段结构与坐标系先读懂再动手拿到 shp 不要急着往 QGIS 或 ArcGIS 里拖先搞清楚它到底带了什么。一个 shapefile 从来不是单个文件而是.shp几何、.shp.xml元数据、.dbf属性表、.prj投影、.shx索引这一组少一个都可能翻车。基础地理数据库出品的县级行政区图层属性字段通常围绕行政区划代码、名称、上级代码、几何面积这几类组织但不同来源命名差异很大必须自己核对。2.1 用 ogrinfo 把图层“体检”一遍我一般第一步不是开桌面软件而是命令行体检快且不污染工程。# 查看 shp 的图层名、要素数、坐标系、字段定义 ogrinfo -so -al county_2017.shp # 只看字段列表快速确认有没有行政代码和名称 ogrinfo -so county_2017.shp county_2017 | grep -E Field|Geometry-so是 summary only不读几何只读元信息几秒钟出结果-al表示所有图层。输出里重点看三样Feature Count要素数全国县级单元大致在两千八百上下明显偏离就要怀疑是不是只给了某个省、Geometry应为 Polygon 或 MultiPolygon、Extent范围是否覆盖你关心的区域。字段部分要确认有没有类似adcode、name、parent的列没有行政代码的版本做关联统计会非常痛苦。2.2 坐标系与投影别让面积算错一个数量级基础地理数据库常见的是地理坐标系经纬度单位度而做面积统计、缓冲区、叠加时必须用投影坐标系单位米。这是新手最容易忽略、老手也常偷懒的一步。import geopandas as gpd gdf gpd.read_file(county_2017.shp) print(gdf.crs) # 看原始坐标系常见为 EPSG:4326 print(gdf.geom_type.value_counts()) print(gdf.columns.tolist()) # 面积统计前必须投影到等积或等距坐标系这里用常见的 Albers 等积投影示例 gdf_proj gdf.to_crs(projaea lat_125 lat_247 lat_00 lon_0105 datumWGS84 unitsm) gdf_proj[area_km2] gdf_proj.geometry.area / 1e6 print(gdf_proj[[name, area_km2]].head())to_crs里的 Albers 参数lat_1、lat_2是标准纬线lon_0是中央经线这套参数在国内全域制图中很常见但如果你只做某个省标准纬线应换成该省范围否则边缘变形会偏大。area / 1e6是把平方米换成平方公里。注意直接对 EPSG:4326 的几何调.area得到的是“平方度”毫无物理意义这个坑每年都有人踩。2.3 属性表清洗名称、代码、空几何三件事县级数据里常见的脏点名称带空格或全角括号、行政代码被存成数值型丢了前导零、个别要素几何为空或自相交。# 名称去空格、代码补零、剔除空几何 gdf[name] gdf[name].astype(str).str.strip() gdf[adcode] gdf[adcode].astype(str).str.zfill(6) # 县级代码统一 6 位 gdf gdf[gdf.geometry.notna() ~gdf.geometry.is_empty] gdf gdf[gdf.geometry.is_valid] # 先过滤明显无效几何 print(len(gdf))zfill(6)是关键行政区划代码是字符串语义一旦被读成整数110101变成110101还好但带前导零的省级拼接就会错位。is_valid过滤掉自相交多边形避免后续空间连接报拓扑错误。清洗完再落盘别在原文件上反复覆盖。3. 把县级 shp 接进分析流程空间连接、裁剪与制图底图数据读懂了接下来是它真正产生价值的地方——和你的业务表对齐。这一章按“关联 → 裁剪 → 出图”的顺序走每一步都给可复现的代码和参数解释。3.1 用行政代码做属性关联而不是靠名称名称关联是血泪教训同名县、简称、民族自治县全称差异匹配率能掉到七八成。行政代码是唯一稳定键。import pandas as pd stats pd.read_csv(county_stats_2017.csv, dtype{adcode: str}) stats[adcode] stats[adcode].str.zfill(6) merged gdf.merge(stats, onadcode, howleft) missing merged[merged[指标值].isna()] print(f未匹配要素数: {len(missing)}) print(missing[[adcode, name]].head(10))dtype{adcode: str}在读 CSV 时就把代码锁成字符串避免 pandas 自动推断成整数。howleft保证边界要素不丢未匹配的用isna()单独捞出来人工核对——通常是代码版本差异2017 年后有区划调整或统计表本身缺项。这一步不要跳过未匹配清单就是你的数据质量报告。3.2 按研究区裁剪clip 与 mask 的取舍全国数据动辄几百 MB做市级研究没必要全量加载。裁剪有两种常见做法按边界clip保留几何交集或按掩膜mask只留完全落入的要素。study_area gpd.read_file(study_boundary.shp).to_crs(gdf.crs) # 方案一clip保留与边界相交的部分并裁掉外部 clipped gpd.clip(gdf, study_area) # 方案二mask只保留质心落在研究区内的完整县级单元 masked gdf[gdf.geometry.representative_point().within(study_area.unary_union)] print(len(clipped), len(masked))clip适合出图边界干净mask适合统计保证每个县是完整单元不被切碎。representative_point()比centroid稳凹多边形质心可能落在外面。unary_union把研究区合并成单一几何再判断包含比逐要素循环快一个量级。两种结果数量不同是正常的选哪个取决于你要“图好看”还是“数对得上”。3.3 出专题图底图分类与配色别踩统计陷阱县级单元做分级设色最容易被忽略的是分类方法。等间距equal interval在县级数据上几乎必然翻车因为少数大城市指标极高其余全挤在低值段。import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(10, 8)) merged.plot(column指标值, cmapYlOrRd, schemequantiles, k5, legendTrue, edgecolorwhite, linewidth0.3, axax, missing_kwds{color: lightgrey, label: 无数据}) ax.set_axis_off() plt.savefig(county_choropleth.png, dpi200, bbox_inchestight)schemequantiles分位数分级每级要素数接近视觉区分度好k5是级数超过 7 级人眼难分辨。missing_kwds把未匹配单元标灰避免“白块被误读成零值”。edgecolorwhite加细边线让相邻县可辨。dpi 200 够印刷级预览正式出版再上 300。4. 2017 县级行政区 shp 的避坑清单五个真实翻车现场这一章全是踩过的坑按“现象 → 原因 → 解决”写能省你至少两天返工。4.1 要素数对不上不是数据坏了是口径变了现象全国要素数只有两千六百多比预期少一两百。原因2017 年之后有撤县设区、合并不同来源的“2017 版”可能混入了调整后的边界或本身只覆盖陆地不含某些管理单元。解决先确认数据说明里的统计口径用行政代码去重后计数再和当年区划简册的县级数量对照差异集中在某几个省就逐省核对别急着全量重投影。4.2 中文属性乱码dbf 编码是黑匣子现象.dbf里名称显示成问号或乱码。原因shapefile 的 dbf 对中文编码支持不统一常见 GBK 与 UTF-8 混用GDAL 默认按 Latin-1 读。解决读的时候显式指定编码gpd.read_file(county_2017.shp, encodinggbk)不行再试utf-8确认后统一转存为 GeoPackage 或 GeoJSON绕开 dbf 编码问题。4.3 空间连接结果翻倍几何重叠与重复要素现象merge 或 sjoin 后行数暴涨。原因边界数据存在重复要素或相邻县共享边界导致intersects命中多次。解决先drop_duplicates(subsetadcode)去重空间连接用predicatewithin或先取代表点再连接避免面与面相交的多对多。4.4 面积算出来离谱投影没换或单位没除现象某县面积显示几十万。原因对经纬度几何直接算面积单位是平方度。解决先to_crs到米制投影再.area并统一除以1e6转平方公里跨纬度大的区域用 Albers 等积投影别用 Web Mercator 算面积。4.5 出图边界锯齿与缝隙简化与拓扑现象放大后县界有细缝或锯齿。原因原始数据精度高但相邻要素节点不共享或做过简化未保持拓扑。解决出图前用simplify(tolerance0.001, preserve_topologyTrue)适度简化tolerance 按投影单位调缝隙明显时用buffer(0)修复自相交但会轻微改变边界统计用途慎用。5. 让 2017 快照可复用版本化存储与跨年对比的实操技巧一份 2017 年的县级 shp最大的价值不在“当年出图”而在“作为时间切片参与对比”。我一般会把它转成 GeoPackage 做版本化存储字段里加一列vintage标记年份后续 2019、2021 的版本同表管理对比时按代码对齐、按年份分组。# 转存 GeoPackage加年份标记便于多版本共存 gdf[vintage] 2017 gdf.to_file(county_admin.gpkg, layercounty_2017, driverGPKG) # 跨年对比按 adcode 对齐找出边界或归属变化的单元 old gpd.read_file(county_admin.gpkg, layercounty_2017) new gpd.read_file(county_admin.gpkg, layercounty_2021) changed set(old[adcode]) ^ set(new[adcode]) # 对称差集即新增/撤销 print(f区划变动单元数: {len(changed)})driverGPKG单文件存多图层比一堆 shp 好管理也规避了 dbf 编码和字段名长度限制。^对称差集一次捞出“只在旧版”和“只在新版”的代码再拿这些代码回查名称就是一份区划调整清单。注意 GeoPackage 的字段名不要用中文跨工具兼容性差用拼音或英文列名、中文放值。一个具体技巧做跨年对比图时别用两套配色硬拼而是用“变化类型”单图层表达——新增、撤销、边界调整各一色未变单元浅灰打底。这样一张图讲清十年区划演变比两张并排图信息密度高得多。我自己的习惯是每次拿到新年份数据先跑一遍对称差集把变动清单存成 CSV 归档三年后回看就是一份现成的区划沿革台账。数据这东西当时觉得麻烦的版本标记日后都是后悔药。希望帮到你。本文还有配套的精品资源点击获取