广东省shp地图处理全攻略：从坐标清洗到QGIS可视化

简介：广东省shp地图数据集以Shapefile矢量格式封装，完整覆盖省界、市级与县级行政区划，并附带产业专题与人口专题图层，面向GIS制图人员、规划研究者及数据分析师。在ArcGIS等专业软件中可直接调用，用于行政区划底图制作、区域经济人口分布可视化及城市空间关联分析等典型场景。压缩包共30个文件，核心为5组shp/shx/dbf配套数据，另含投影文件prj、工程文档mxd及预览图jpg，整体大小仅1.25MB，轻量精炼、便于快速下载与加载。目前已有2657人浏览学习。通过省界、市县边界与产业人口专题的叠加，用户既能快速生成省域概况图，也能按县域或市域深入考察产业热点与人口密度差异，为学术研究或规划决策提供基础地理框架。数据文件层级清晰，适合地理信息入门学习者熟悉SHP结构，也可供专业用户直接嵌入现有项目。

1. 广东省shp地图：一张能落到项目里的矢量边界，到底包含什么

做可视化大屏或地理数据分析的人，手里大概率都备着一份“广东省shp地图”。所谓shp，即Shapefile，是GIS行业沿用多年的矢量数据格式——它存储的不是一张图片，而是边界坐标点、属性表、投影坐标系等一系列结构化数据。一份可用的广东shp图，通常覆盖省界、21个地级市界、区县级界三级边界，并且每个多边形都挂接了行政区划代码和名称；少了其中任何一层，后续的业务点落区、统计聚合、地图渲染都会跟着出问题。

这块数据在我们工程里的作用很具体：一是当底图，把点位、线路、热力叠上去；二是做区划分析，比如判断一个坐标落在哪个地市，或者把一个区县的指标汇总到市级。两种用法对数据质量的要求完全不同，但前提都是边界干净、坐标系明确、属性表能读。很多项目在初期随手拉了一份shp就开跑，等做到坐标匹配或者名称关联时才发现数据不行，回头重做数据层的成本远高于一开始花半小时做校验。

所以这篇笔记我按实际做项目的顺序来写：先讲怎么判断拿到的数据靠不靠谱，再处理坐标系、编码、属性关联，然后落地到QGIS和Python的可视化与Web交付，最后把我会踩的坑集中排一遍。读完你可以自己得到一份能直接用在工程里的广东省边界数据，而不是一个在关键时刻掉链子的半成品。

2. 从公开数据到本地shp：文件结构、来源判断与首轮清洗

2.1 解压后先核对这六类文件：shp从来不只是一个文件

第一次接触Shapefile的人，常常会把压缩包里的.gd_city.shp单独复制走，回头再打开，要么打不开，要么地图整体漂移。原因很简单：Shapefile在磁盘上是一组文件互相配合的格式，缺了某个文件，轻则属性丢失，重则坐标系被猜错。

我收到一份“广东省shp地图”压缩包后，第一件事不是打开看边界，而是按下面的表格核对文件是否齐全：

这里面最容易被忽略的是.prj和.cpg。我见过一份市界数据，文件头写得清清楚楚是WGS84，但.prj文件缺失，用软件打开时被默认为Web墨卡托投影，整个广东省横向拉伸，边界和底图叠不到一起。所以每拿到一份新数据，第一步就把坐标系和编码这两件事确认掉，不要等到做可视化时才返工。

如果你准备把这份数据归档到项目的数据目录里，我习惯是把整套文件保留，不要精简成单个.shp文件。磁盘空间不差这几百KB，但半年后你再回头用这批数据时，不会因为找不到.prj而重新推导坐标系。

2.2 快速甄别一份广东边界数据是否值得用：三看

拿到数据源后，先别急着画图，我用“三看”来判断这份数据是否值得投入：

一看要素数量。打开文件后先看行数和要素数。正常情况下，地市级图层应有接近二十个要素，区县级图层则有一百多个要素。如果文件里只剩一个整省轮廓，那它只能做全局底图，做不了地市维度的分析。

二看坐标系是否明确。用程序读一下.crs属性，看它是CGCS2000、WGS84还是Web墨卡托。坐标系缺失或描述为“Unknown”的数据，我一般会直接放弃，除非来源本身提供了文字说明。

三看属性表是否可读。至少要能找到名称字段和行政区划代码字段。常见命名有NAME/CITY_NAME、adcode/ADCODE，也有直接用拼音命名的。代码字段能否对上规范，直接决定后面关联统计表顺不顺畅。

顺便一提来源问题：网络上下载到的省界数据大体有两类，一类来自公开的地理基础信息共享站点，坐标系和质量相对可控；另一类是个人整理后二次发布的，经常出现边界缺块、编码含糊、坐标系混淆的问题。当你只能找到第二类数据源时，务必用上面三看把关，并尽早做一次坐标系和编码整理。

2.3 用GeoPandas做一次首轮清洗

确认数据基本可用后，我会统一做一轮清洗：只保留业务需要的字段、统一编码为UTF-8、统一转为经纬度坐标。下面这段代码是起手动作：

import geopandas as gpd # 读取原始地市边界，显式指定编码，避免中文乱码 gdf = gpd.read_file("raw/gd_city.shp", encoding="utf-8") print(gdf.shape) print(gdf.columns.tolist()) print(gdf.crs)

如果你读到的编码还是乱码，可以把encoding改成"gbk"再读一次，这是国内数据最常见的编码方式。看完字段后，做字段裁剪并重新保存：

# 只保留位置匹配和统计关联必要的三个字段 keep_cols = ["adcode", "name", "geometry"] gdf = gdf[keep_cols] # 保存为清洗后的数据，编码固定为utf-8 gdf.to_file("clean/gd_city_clean.shp", encoding="utf-8")

为什么要删字段？因为很多公开shp里会带大量冗余字段，比如面积、周长、版本号、更新日期。字段多了不会直接影响渲染，但在GeoPandas里做属性连接时容易搞错列名，而且保存出的GeoJSON体积明显变大。删到只剩adcode、name和geometry，后续无论是前端取数还是后端聚合，心智负担都小得多。

此外，我在这一步还会把几何统一修复一遍，避免后续出现重叠或缝隙问题：

# buffer(0)能修复一部分自相交和多边形边界上的小问题 gdf["geometry"] = gdf.geometry.buffer(0)

这一步可能让少量本就不合格的数据变得更加明显，正好在项目早期暴露问题。

3. 三个必须先做的事：坐标系统一、编码修复、行政区划代码对齐

3.1 坐标系选型：WGS84、CGCS2000、Web墨卡托分别用在什么场景

拿到一份数据后，最先要回答的问题不是“这图漂不漂亮”，而是“这份数据在什么坐标系下”。国内常见的情况有三种：

我一般会把所有业务数据先统一到WGS84经纬度，再做后续处理。原因是：GPS采集的原始坐标是WGS84，多数公开底图接口也以WGS84或Web墨卡托为基础；万一项目用到规划红线、宗地等测绘数据，再单独把那个图层转为CGCS2000即可，不必让全链路都迁就某个投影。

转换代码很简单：

# 统一转成WGS84经纬度坐标 gdf_wgs84 = gdf.to_crs(epsg=4326) # 如果需要给前端地图库供数据，通常会再转一次Web墨卡托 gdf_3857 = gdf_wgs84.to_crs(epsg=3857)

这里有两点需要说明：第一，to_crs能正确转换的前提是原始数据自带坐标系定义；如果你前面没有确认过crs信息，转换结果可能完全错误。第二，Web墨卡托适合渲染和切片，但不适合做面积计算，比如统计某个地市的面积时，不要在3857下算，否则结果会严重偏大。

3.2 属性表读出乱码：不是数据坏了，是编码没对上

国内公开的shp数据，属性表编码大多是GBK，少部分是UTF-8。如果你的读取代码里没指定编码，工具会按系统默认编码去猜，猜错就出现全部问号或乱码。

排查方法：换编码重新读取，看到能正常显示中文的编码就是源数据的真实编码：

# 尝试UTF-8读取 gdf = gpd.read_file("gd_city.shp", encoding="utf-8") # 尝试GBK读取 gdf = gpd.read_file("gd_city.shp", encoding="gbk")

找到正确编码后，直接转存为UTF-8的干净数据，后续所有Python接口和Web系统都用它，不再依赖源文件：

gdf.to_file("clean_gbk_to_utf8.shp", encoding="utf-8")

有一点容易被忽略：当你用QGIS打开一份shp时，QGIS会优先读取同目录下的.cpg文件来识别编码。如果原始压缩包里带了cpg但内容是“GBK”，你直接删除这个文件或者不复制它，QGIS反而可能把它当成UTF-8读。所以清洗后的数据，一定要确认生成的.cpg文件内容是UTF-8，这一步尤其容易踩坑。

3.3 用六位行政区划代码对齐外部统计表

不少业务需求是“把这份统计表按地市画成色块”。统计表里的地市名称写法可能各不相同，比如“广东-广州”“广州市”“广州”，靠名称做关联永远会出现匹配不上的漏网之鱼。正规做法是用六位行政区划代码对齐。

行政区划代码的规则很简单：前两位是省级代码，前四位是地市级代码，后两位是区县代码。例如某地级市的代码通常以四位加两个零结尾。六位代码具有唯一性，是行政区划关联的稳定主键，比汉字名称可靠得多。

实际操作中，我会先确认shp的属性表里有adcode字段，没有的话通过名称字段补全：

import pandas as pd import geopandas as gpd gdf = gpd.read_file("clean/gd_city_clean.shp", encoding="utf-8") # 模拟一份外部统计表，列名自定 stat = pd.DataFrame({ "city_code": ["440100", "440200", "440300"], "metric": [120.5, 88.3, 150.2] }) # 用行政区划代码做左连接，保留地图所有要素 gdf_merged = gdf.merge(stat, left_on="adcode", right_on="city_code", how="left") print(gdf_merged.head())

关联完成后，先检查一下哪些要素没有匹配上：

na_rows = gdf_merged[gdf_merged["metric"].isna()] print(na_rows[["name", "adcode"]])

如果未匹配的行数较多，常见原因是shp里部分要素是“省直辖县级行政单位”或“类似功能区”的特殊代码，它们的adcode在市界文件中并不存在。这时候要么从统计表中补上对应数据，要么在后续分析中单独处理，不要直接丢弃，否则地图上会莫名其妙多出几个无数据的空洞。

4. 把广东省shp地图画出来并交付给Web端：QGIS与Python双线操作

4.1 QGIS里从加载到出图的完整操作顺序

虽然很多工程师偏好写代码，但做数据质检和快速出图，QGIS依然是效率最高的工具。我的操作顺序大致如下：

第一步，拖拽.shp文件到QGIS图层区。如果中文乱码，右键图层打开属性，在“数据源”里把编码改成GBK或UTF-8重新载入。

第二步，设置样式。对地市边界图层，填充色设为浅色，描边设成深灰色，宽度0.8。如果是区县级图层，需要先按地市分组配色。

第三步，用“按属性选择”或表达式筛选，把省界、地市界、区县界分别导出成独立图层。常用于输出打印图或做交付分层。

第四步，在打印布局里放置地图框，设置固定比例尺或固定范围，导出图片。这里建议把分辨率设为150dpi以上，不要用默认的72dpi，否则边界线发虚。

这套操作我反复做过很多次，最耽误时间的不是工具操作，而是风格参数反复调整。我的经验是：QGIS里做好一个样式后，右键图层选择“导出”中的“保存为QGIS样式文件（.qml）”，下次碰到另一份广东边界只需一键载入样式，省下大量时间。

4.2 用Python画一张带区划统计信息的分级图

当数据量变化频繁或者要批量出图时，我会直接用Python出图，方便重复执行。下面是一个最简可用的示例：

import geopandas as gpd import matplotlib.pyplot as plt from matplotlib import font_manager # 注册中文字体，避免图例和标题乱码 font_manager.fontManager.addfont("/usr/share/fonts/opentype/noto/NotoSansCJK-Regular.ttc") plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC"] gdf = gpd.read_file("clean/gd_city_clean.shp", encoding="utf-8") # 画边界轮廓底图 fig, ax = plt.subplots(figsize=(8, 10)) gdf.plot(ax=ax, color="white", edgecolor="#333333", linewidth=0.8) plt.axis("off") plt.title("广东省地市边界") plt.show()

如果需要画分级统计图，在上一步基础上加一列数值字段再调用属性绘图：

# 假设已通过merge挂接好metric字段 fig, ax = plt.subplots(figsize=(8, 10)) gdf.plot( column="metric", ax=ax, cmap="YlOrRd", legend=True, legend_kwds={"label": "指标值", "shrink": 0.6}, edgecolor="white", linewidth=0.3 ) plt.axis("off") plt.title("广东省地市分级统计图") plt.show()

这里面有两个参数值得注意：cmap选择色带，浅色到深色表达从低到高；legend_kwds里的shrink控制图例长度，避免图例过长挡住地图内容。如果某些地市数值为空，plot时会出现空白多边形，不要觉得奇怪，那是合并阶段就没匹配上，回到代码里检查adcode字段。

中文字体是另一个高频坑：Linux服务器上缺中文字体时，matplotlib直接输出方块字。我一般提前执行fc-list检查中文字体，没有就安装一个，或者把字体文件路径写进注册表格。

4.3 导出给前端用的GeoJSON与体积控制

前端做地图展示时，通常不直接加载shp，而是转成GeoJSON喂给地图库。转换很简单：

# 转换为GeoJSON文件 gdf.to_file("web/gd_city.geojson", driver="GeoJSON")

但这一步往往会发现一个新问题：文件特别大。一份未简化的区县级边界GeoJSON动辄几十MB，浏览器加载直接卡住。常见做法是降级到地市级，或者对几何做简化，具体简化方式放在最后一章细说。这里先讲一个临时应急办法：只导出需要的两个字段和简化后的边界。

import geopandas as gpd from shapely.geometry import mapping gdf = gpd.read_file("clean/gd_city_clean.shp", encoding="utf-8") gdf_simplified = gdf.copy() gdf_simplified["geometry"] = gdf_simplified.geometry.simplify( tolerance=0.001, preserve_topology=True ) gdf_simplified[["adcode", "name", "geometry"]].to_file( "web/gd_city_simple.geojson", driver="GeoJSON" )

注意simplify里的tolerance在经纬度坐标下表示度，0.001度大约相当于100米量级，具体取舍还是要看你的业务精度要求。如果前端只要看整体轮廓，甚至可以放宽到0.005。

5. 广东省shp地图的高频翻车现场：五个典型问题与排查方法

5.1 地市数量对不上，整份数据只有省界轮廓

现象：打开数据后发现只有一个大面要素，没有地市边界，无法按市做分析。

原因：下载的是简化版省界数据，或来源数据本身只发布省级轮廓，不包含市级边界。

解决：回到原始渠道选择“地市级”或“市县”数据集。如果确实只有省界，可以先用其他来源补齐地市边界，再和你手上的省界套合检查边界是否贴合，以边界形状为准。

5.2 地图要素与底图严重错位，边界跑到海里

现象：shp里的广东省轮廓和在线地图底图完全对不上，边界位置漂移数百米甚至更多。

原因：坐标系不一致。常见情况是数据为Web墨卡托投影，但被当成WGS84展示；或者数据本身经过坐标偏移处理（如国测局坐标），直接叠加在标准坐标系上自然错位。

解决：先打印gdf.crs确认坐标系描述；没有crs信息时，对比已知点位反推。处理办法是把所有图层统一到一个坐标系。如果是偏移坐标系，必须先做纠偏，这一步不能在QGIS里通过简单切换投影解决。

5.3 属性表中文全部乱码

现象：名称字段显示为“寮??寮??”，或全部变成问号。

原因：.dbf是GBK编码，但读取工具按照UTF-8解释；或.cpg文件丢失后软件用了错误默认值。

解决：先按GBK重读一遍，确认中文显示正常后再另存为UTF-8。每次保存后检查同目录下的.cpg文件内容是UTF-8。

5.4 地市边界之间有缝隙或重叠

现象：相邻两个地市的多边形没有完全贴合，中间有白条或重叠区域。

原因：数据源在制作时对相邻面做过裁剪，但裁剪精度不够；也可能是县级拼合到市级时边线未完全对齐。

解决：用拓扑修复思路处理。相邻地市交界处存在的细小缝隙，可以用buffer(0)修复；更严重的情况，需要按相邻关系对齐边界。对大多数业务场景来说，把边界整体简化一点，再buffer(0)，基本能消除渲染时可见的缝隙。

5.5 面积字段与几何实际计算不一致

现象：属性表里有现成的面积字段，数值看起来很大，和用软件量算的结果对不上。

原因：面积字段是原数据制作时在特定投影下算的，而你现在处于WGS84经纬度或Web墨卡托下，再算面积当然不同。

解决：不依赖属性表里给的面积，需要面积时原地计算。先把数据转为适合中国的投影坐标系（如Albers等积投影），再调用area计算，得到的结果才是接近真实值的。这个原则对距离量算同样适用，别在经纬度坐标下直接算距离，误差会随维度变化尤其明显。

以上就是我在这类数据上遇到频率最高的五个问题。如果你手头的数据同时在犯其中两条以上，我建议别硬修，直接换数据源更划算——硬修的时间成本大概率高于重新获取一份高质量数据。

6. 让边界更实用：拓扑修复与几何简化的落地技巧

最后这一步，是很多项目从“能用”走向“好用”的关键：几何简化与拓扑修复。

先说拓扑修复。拿到一份拼接完的地市边界，即使肉眼看不出来问题，也建议跑一次有效性检查：

invalid = gdf[~gdf.geometry.is_valid] print("无效要素数量：", len(invalid))

无效几何通常表现为自相交或边界线断裂，轻则影响面积计算，重则在前端渲染时产生异常图形。对于自相交问题，我用得最多的是buffer(0)修复：

gdf["geometry"] = gdf.geometry.buffer(0)

这行代码的作用是把每个几何以0距离向内向外各缓冲一次，把自相交的部分“融化”掉，同时保持边界整体不变。如果你发现buffer(0)修复无效，大概率是数据本身已经严重破损，这时候直接换源。

再说几何简化。这是控制Web端地图加载性能最有效的手段。前文提过simplify方法，实际使用时我一般结合矢量瓦片和FID字段一起做：

# 先备份原始几何，简化后方便后期按FID回到原始边界 gdf["fid"] = range(len(gdf)) gdf["orig_geom"] = gdf.geometry # 简化边界，保留拓扑上下层关系 gdf_simple = gdf.copy() gdf_simple["geometry"] = gdf.geometry.simplify( tolerance=0.002, preserve_topology=True ) gdf_simple.to_file("web/gd_city_simplified.shp", encoding="utf-8")

关于tolerance参数的调法，我有一条经验供参考：如果数据是经纬度坐标，0.001度约为100米，适合区县级地图；0.005度约500米，适合地市级总览；省界大屏展示可以放宽到0.01。每次调完都放大局部边界检查一遍，重点看海岸线和地市交界处有没有明显失真。

简化后还要做一次效果验证：

import os size_origin = os.path.getsize("clean/gd_city_clean.shp") size_simple = os.path.getsize("web/gd_city_simplified.shp") print("原始大小：", size_origin) print("简化后大小：", size_simple)

我有的经验是：一份完整的广东县级边界，未简化时可能达到数十MB，简化到区县级外轮廓后能降到几MB，前端加载速度能提升一个量级。前提是你在简化和保真之间做了取舍，而不是盲目追求小体积。

这套工作完成后，把输出统一放在一个单独目录，文件名带上分辨率或容差标记，比如gd_city_t0.002.geojson。我早期就是因为不标参数，做了三四版简化数据后完全分不清哪份对应哪个前端环境，后来才养成这个习惯。数据从下载、清洗、简化到交付，每一步留下一行说明，项目越久，这个习惯越值钱。希望这篇文章能帮你避掉我在里面踩过的坑，少花几个晚上在边界数据上折腾。

本文还有配套的精品资源，点击获取