Fiona读取地理数据?与GeoPandas啥区别?

wowwwai GIS研习社 · 工具流程与项目排障

很多同学在做 Python GIS 数据处理时会搜索“Fiona读取地理数据?与GeoPandas啥区别?”，因为两者都能打开 Shapefile、GeoPackage、GeoJSON 等矢量数据，但写法、返回对象和适用场景并不一样。简单说：Fiona 更像“底层矢量数据读写接口”，GeoPandas 更像“带空间能力的表格分析工具”。

本文以一个常见任务为主线：用 Python 读取一个行政区划 Shapefile，查看属性、筛选要素、保存结果，并解释什么时候应该用 Fiona，什么时候应该用 GeoPandas。

引言：先看一个最小可运行例子

假设你有一个行政区划文件：

data/county.shp

用 Fiona 读取时，通常是逐条遍历要素：

import fiona

with fiona.open("data/county.shp", "r", encoding="utf-8") as src:
    print(src.crs)
    print(src.schema)

    for feature in src:
        print(feature["properties"])
        print(feature["geometry"]["type"])
        break

用 GeoPandas 读取时，通常是一次性读成一个 GeoDataFrame，也就是带几何列的表格：

import geopandas as gpd

gdf = gpd.read_file("data/county.shp")
print(gdf.crs)
print(gdf.head())
print(gdf.geometry.geom_type.value_counts())

从这个例子可以看出，Fiona读取地理数据时更接近文件本身的要素结构，而 GeoPandas 更接近 pandas 表格分析思路。

背景：为什么 Fiona 和 GeoPandas 经常被放在一起比较

在 Python GIS 生态中，Fiona 和 GeoPandas 的关系非常紧密。很多时候你调用的是 geopandas.read_file()，但背后实际可能会通过 Fiona 或 pyogrio 这类引擎去读取矢量文件。也就是说，GeoPandas 面向用户提供高级接口，而 Fiona 更接近数据源驱动层。

这也是很多初学者困惑的原因：既然 GeoPandas 能读 Shapefile、GeoJSON、GeoPackage，那还需要 Fiona 吗？答案是：看任务类型。

• 如果你要做属性筛选、空间连接、缓冲区、叠加分析，优先用 GeoPandas。
• 如果你要逐条读取超大文件、检查 schema、控制字段类型、写入驱动格式，Fiona 更直接。
• 如果你只是想快速把矢量数据转成表格并分析，GeoPandas 更省事。
• 如果你需要了解矢量文件的底层结构，Fiona 更适合学习和调试。

原理：Fiona读取地理数据到底读到了什么

Fiona 读取矢量数据时，返回的不是 pandas 表格，而是类似 GeoJSON Feature 的结构。每一条要素通常包含三部分：

• id：要素编号。
• properties：属性字段和值。
• geometry：几何类型和坐标。

例如一条行政区要素可能长这样：

{
    "id": "0",
    "properties": {
        "name": "示例县",
        "code": "330101"
    },
    "geometry": {
        "type": "Polygon",
        "coordinates": [...]
    }
}

而 GeoPandas 读取后得到的是 GeoDataFrame。你可以把它理解成一个普通 pandas DataFrame，只是多了一列特殊的 geometry，这一列存放点、线、面等空间几何对象。

import geopandas as gpd

gdf = gpd.read_file("data/county.shp")

print(type(gdf))
print(gdf.columns)
print(gdf.geometry.name)

因此，Fiona读取地理数据的重点是“读写要素”，GeoPandas 的重点是“分析空间表格”。

步骤：用 Fiona 读取、筛选并保存地理数据

步骤 1：查看数据驱动、坐标系和字段结构

使用 Fiona 时，建议先检查数据的坐标系和 schema。schema 可以理解为矢量图层的字段结构和几何类型定义。

import fiona

input_path = "data/county.shp"

with fiona.open(input_path, "r", encoding="utf-8") as src:
    print("驱动：", src.driver)
    print("坐标系：", src.crs)
    print("字段结构：", src.schema)
    print("要素数量：", len(src))

这一步非常适合排查 Shapefile 字段乱码、几何类型不一致、坐标系缺失等问题。

步骤 2：逐条读取要素

Fiona 的一个优势是可以逐条读取，不一定要把整个文件一次性放进内存。

with fiona.open(input_path, "r", encoding="utf-8") as src:
    for feature in src:
        props = feature["properties"]
        geom = feature["geometry"]

        print(props)
        print(geom["type"])
        break

如果你的文件很大，只需要扫描部分字段，Fiona读取地理数据会比直接加载为 GeoDataFrame 更可控。

步骤 3：按属性筛选要素

下面示例筛选名称字段中包含“区”的要素，并写入新的 GeoPackage 文件。

import fiona

input_path = "data/county.shp"
output_path = "data/county_filtered.gpkg"

with fiona.open(input_path, "r", encoding="utf-8") as src:
    meta = src.meta.copy()

    with fiona.open(
        output_path,
        "w",
        driver="GPKG",
        layer="county_filtered",
        crs=src.crs,
        schema=src.schema,
        encoding="utf-8"
    ) as dst:
        for feature in src:
            name = feature["properties"].get("name", "")
            if "区" in name:
                dst.write(feature)

这个例子体现了 Fiona 的典型用法：保持原始 schema，逐条判断，逐条写出。

步骤：用 GeoPandas 完成同样的任务

步骤 1：读取为 GeoDataFrame

如果你更关心分析和筛选，GeoPandas 的代码会更短。

import geopandas as gpd

gdf = gpd.read_file("data/county.shp")
print(gdf.head())
print(gdf.crs)

步骤 2：按属性筛选

filtered = gdf[gdf["name"].str.contains("区", na=False)]
print(filtered[["name", "geometry"]].head())

步骤 3：保存结果

filtered.to_file(
    "data/county_filtered.gpkg",
    layer="county_filtered",
    driver="GPKG"
)

对于普通 GIS 数据处理任务，GeoPandas 代码更接近“读表、筛选、保存”的思路。尤其是当你熟悉 pandas 时，GeoPandas 会更容易上手。

常见坑：Fiona读取地理数据时容易遇到的问题

1. Shapefile 中文字段或属性乱码

Shapefile 编码历史包袱较多，中文乱码很常见。可以尝试显式指定编码：

with fiona.open("data/county.shp", "r", encoding="utf-8") as src:
    for feature in src:
        print(feature["properties"])
        break

如果 utf-8 不对，可以根据数据来源尝试 gbk。更推荐的做法是把长期使用的数据转换为 GeoPackage，减少 Shapefile 编码和字段长度限制带来的问题。

2. Fiona 读出来的是 dict，不是 DataFrame

这是设计差异，不是错误。Fiona 返回的是一条条 feature。你不能直接使用 gdf["字段名"] 这种 pandas 写法。

如果你需要表格操作，可以把要素整理为列表，或者直接使用 GeoPandas：

import geopandas as gpd

gdf = gpd.read_file("data/county.shp")

3. 写出文件时 schema 不匹配

Fiona 写文件时字段类型必须符合 schema。比如 schema 中某个字段是整数，你却写入字符串，就可能报错或写入失败。

with fiona.open("data/county.shp", "r", encoding="utf-8") as src:
    print(src.schema)

写出前先检查 schema，是 Fiona 工作流中很重要的一步。

4. 坐标系缺失导致后续分析不准

Fiona 和 GeoPandas 都能读取 CRS，也就是坐标参考系统。但如果源数据本身没有正确的坐标系定义，软件并不会自动知道它到底是 WGS84、CGCS2000 还是某个投影坐标系。

如果后续要计算面积、长度或做叠加分析，一定要先确认坐标系。

方法比较：Fiona 与 GeoPandas 到底怎么选

如果你只是问“Fiona 和 GeoPandas 哪个更好”，这个问题本身不够准确。更实用的判断方式是：

• 要读取后马上做空间分析：选 GeoPandas。
• 要检查或控制矢量文件结构：选 Fiona。
• 要逐条处理很大的矢量数据：优先考虑 Fiona。
• 要和 pandas 统计分析结合：选 GeoPandas。
• 要写教学代码理解 GIS 文件结构：Fiona 很有价值。

检查清单：选择 Fiona 还是 GeoPandas 前先确认这些问题

• 你的目标是“读写文件”还是“空间分析”？读写偏 Fiona，分析偏 GeoPandas。
• 数据量是否大到不能一次性加载进内存？如果是，优先考虑 Fiona 的逐条读取方式。
• 是否需要保留原始字段类型和图层 schema？如果需要，Fiona 更直接。
• 是否需要执行缓冲区、裁剪、叠加、空间连接？如果需要，GeoPandas 更合适。
• 是否熟悉 pandas？如果熟悉，GeoPandas 的学习成本更低。
• 是否遇到编码、字段长度、驱动格式问题？可以用 Fiona 先检查数据结构。
• 是否需要长期保存中间成果？优先考虑 GeoPackage，而不是继续堆 Shapefile。

FAQ：Fiona读取地理数据与 GeoPandas 常见问题

Fiona读取地理数据能不能直接转成 GeoPandas？

可以。最简单的方式通常是直接用 GeoPandas 读取同一个文件。如果你已经用 Fiona 拿到了 feature 列表，也可以再构造成 GeoDataFrame，但多数场景没有必要绕一圈。

import geopandas as gpd

gdf = gpd.read_file("data/county.shp")

GeoPandas 是否完全替代 Fiona？

不能简单说完全替代。GeoPandas 更适合分析，Fiona 更适合底层读写和结构检查。对于 GIS 工程项目，二者经常配合使用：先用 Fiona 排查数据格式问题，再用 GeoPandas 做分析处理。

Fiona 可以做缓冲区分析吗？

Fiona 本身不负责缓冲区分析。缓冲区这类几何运算通常由 Shapely 或 GeoPandas 完成。Fiona 可以负责读入和写出，几何处理交给其他库。

为什么 GeoPandas 读取大文件会慢或占内存？

GeoPandas 通常会把数据加载成 GeoDataFrame，属性和几何对象都进入内存。如果数据量很大，内存压力会明显增加。此时可以考虑 Fiona 逐条处理，或把数据导入 PostGIS 后用数据库完成筛选和空间查询。

Fiona 和 GDAL/OGR 是什么关系？

Fiona 是 Python 中常用的矢量数据读写库，它的能力与 GDAL/OGR 生态密切相关。你可以把 GDAL/OGR 理解为底层地理数据格式支持体系，Fiona 提供了更符合 Python 使用习惯的接口。

新手应该先学 Fiona 还是 GeoPandas？

如果目标是快速完成 GIS 数据分析，建议先学 GeoPandas。如果目标是理解矢量文件结构、字段 schema、驱动格式和数据写出细节，再学习 Fiona。实际工作中，两者都值得掌握。

结论：把 Fiona 当作读写接口，把 GeoPandas 当作分析工具

回到“Fiona读取地理数据?与GeoPandas啥区别?”这个问题，最实用的结论是：Fiona 偏底层，GeoPandas 偏分析。Fiona读取地理数据时，你面对的是 feature、schema、driver 和 CRS；GeoPandas 读取数据后，你面对的是 GeoDataFrame、属性列和 geometry 列。

如果你要写一个稳定的数据转换脚本，尤其需要逐条处理、检查字段结构和控制输出格式，Fiona 很合适。如果你要做筛选、统计、空间连接、缓冲区、叠加分析，GeoPandas 会更高效。真正的 Python GIS 工作流不是二选一，而是根据任务把两者放在合适的位置。