还在手动拼接地理数据？Python地理处理自动化脚本（附：效率提升5倍源码）

wowwwai GIS研习社 · 工具流程与项目排障

《还在手动拼接地理数据？Python地理处理自动化脚本（附：效率提升5倍源码）》这篇文章解决一个很常见的 GIS 日常问题：多个县区、多个图层、多个 Shapefile 或 GeoPackage 文件需要反复拼接、统一字段、修复几何、输出成果时，手动在 QGIS 或 ArcGIS Pro 里逐个操作既慢又容易出错。

本文以 Python 地理处理自动化脚本为核心，演示如何批量读取矢量数据、检查坐标系、统一字段、合并图层、修复无效几何并输出结果。示例使用 GeoPandas，适合 GIS 学生、初级 GIS 工程师、空间数据分析人员在日常数据整理中复用。

引言：为什么要用 Python 地理处理自动化脚本

如果你经常处理行政区划、调查地块、道路、水系、POI 或项目范围数据，大概率遇到过这些场景：

• 一个市下面有几十个县区 Shapefile，需要拼接成一个完整图层。
• 不同同事导出的字段名不一致，合并后属性表很乱。
• 部分数据坐标系不同，叠加后发生偏移。
• 某些要素几何无效，导致合并、裁剪、相交分析失败。
• 每周都要重复处理同样的数据更新包。

这些任务并不复杂，但非常耗时间。Python 地理处理自动化脚本的价值就在于：把重复、规则明确、容易手误的 GIS 操作写成可复用流程。一次写好脚本，后续只需要替换输入文件夹，就能稳定产出结果。

背景：手动拼接地理数据最容易出错的地方

在桌面 GIS 软件中手动拼接地理数据，常见问题不是“不会操作”，而是“步骤太多，难以保证每次都一致”。尤其是数据量一多，错误往往隐藏在中间环节。

1. 坐标系没有统一

两个图层看起来都是同一个区域，但一个是 CGCS2000 地理坐标系，一个是 Web Mercator 投影坐标系。如果直接合并，可能出现位置偏移、面积计算不准、空间分析结果异常。

2. 字段结构不一致

例如同样表示名称，有的字段叫 name，有的叫 NAME，有的叫 mc。手动合并后，字段会变成多列，后续统计和制图都不方便。

3. 几何无效没有提前处理

自相交面、空几何、重复节点等问题，在地图上不一定明显，但在叠加分析、空间连接、格式转换时经常报错。Python 脚本可以在合并前统一检查并修复。

4. 文件命名和来源难追踪

批量拼接后，很多人会忘记每条记录来自哪个原始文件。建议在自动化脚本中增加一个 source_file 字段，便于后续质量检查和问题回溯。

原理：Python 批量拼接地理数据的核心逻辑

Python 地理处理自动化脚本并不是简单地把文件“堆在一起”。一个可靠的批量拼接流程，至少应包含以下步骤：

1. 扫描输入文件夹，找到符合条件的地理数据文件。
2. 逐个读取图层，确认几何类型和坐标系。
3. 必要时将所有数据重投影到统一坐标系。
4. 按预设字段映射规则统一属性字段。
5. 检查并修复无效几何。
6. 合并所有 GeoDataFrame。
7. 输出为 GeoPackage、Shapefile 或 GeoJSON。
8. 生成处理日志，记录成功、失败和跳过的文件。

这里推荐优先输出为 GeoPackage。相比 Shapefile，GeoPackage 支持更长字段名、中文路径兼容性更好、单文件管理更方便，也更适合自动化流程。

步骤：Python 地理处理自动化脚本完整实现

步骤 1：准备 Python 环境

建议使用 Conda 创建独立环境，避免 GDAL、Fiona、GeoPandas 版本冲突。

conda create -n gis_auto python=3.11 -y
conda activate gis_auto
conda install -c conda-forge geopandas pyogrio shapely pandas -y

如果你使用的是 Windows，并且经常处理中文路径或较大的矢量数据，建议优先使用 Conda Forge 安装 GeoPandas 相关库，稳定性通常比直接 pip 安装更好。

步骤 2：整理输入数据目录

假设你的项目目录如下：

project/
  input/
    county_a.shp
    county_b.shp
    county_c.shp
  output/
  merge_gis_data.py

本文脚本默认批量读取 input 文件夹中的 Shapefile，也可以根据需要改成 GeoPackage、GeoJSON 或 FileGDB 图层。

步骤 3：编写批量拼接脚本

下面是一份可直接改造使用的 Python 地理处理自动化脚本。它包含批量读取、坐标系统一、字段标准化、几何修复、来源记录和最终输出。

from pathlib import Path
import geopandas as gpd
import pandas as pd

INPUT_DIR = Path("input")
OUTPUT_DIR = Path("output")
OUTPUT_DIR.mkdir(exist_ok=True)

OUTPUT_FILE = OUTPUT_DIR / "merged_result.gpkg"
OUTPUT_LAYER = "merged_data"

TARGET_CRS = "EPSG:4490"

FIELD_MAP = {
    "NAME": "name",
    "Name": "name",
    "名称": "name",
    "MC": "name",
    "mc": "name",
    "CODE": "code",
    "编码": "code",
    "XZQDM": "code"
}

KEEP_FIELDS = ["name", "code", "source_file", "geometry"]


def standardize_fields(gdf):
    rename_dict = {}
    for col in gdf.columns:
        if col in FIELD_MAP:
            rename_dict[col] = FIELD_MAP[col]

    gdf = gdf.rename(columns=rename_dict)

    for field in KEEP_FIELDS:
        if field != "geometry" and field not in gdf.columns:
            gdf[field] = None

    return gdf[[field for field in KEEP_FIELDS if field in gdf.columns]]


def fix_geometry(gdf):
    gdf = gdf[~gdf.geometry.is_empty]
    gdf = gdf[gdf.geometry.notnull()]

    invalid_count = (~gdf.is_valid).sum()
    if invalid_count > 0:
        gdf["geometry"] = gdf.geometry.buffer(0)

    gdf = gdf[gdf.geometry.notnull()]
    gdf = gdf[~gdf.geometry.is_empty]

    return gdf


def read_one_file(file_path):
    print(f"读取：{file_path.name}")

    gdf = gpd.read_file(file_path)

    if gdf.empty:
        print(f"跳过空文件：{file_path.name}")
        return None

    if gdf.crs is None:
        raise ValueError(f"{file_path.name} 缺少坐标系定义，请先确认.prj或手动指定CRS")

    if gdf.crs.to_string() != TARGET_CRS:
        gdf = gdf.to_crs(TARGET_CRS)

    gdf["source_file"] = file_path.name
    gdf = standardize_fields(gdf)
    gdf = fix_geometry(gdf)

    return gdf


def main():
    files = sorted(INPUT_DIR.glob("*.shp"))

    if not files:
        raise FileNotFoundError("input 文件夹中没有找到 .shp 文件")

    gdf_list = []
    failed_files = []

    for file_path in files:
        try:
            gdf = read_one_file(file_path)
            if gdf is not None and not gdf.empty:
                gdf_list.append(gdf)
        except Exception as e:
            failed_files.append((file_path.name, str(e)))
            print(f"处理失败：{file_path.name}，原因：{e}")

    if not gdf_list:
        raise RuntimeError("没有可合并的数据，请检查输入文件")

    merged = gpd.GeoDataFrame(
        pd.concat(gdf_list, ignore_index=True),
        crs=TARGET_CRS
    )

    merged.to_file(
        OUTPUT_FILE,
        layer=OUTPUT_LAYER,
        driver="GPKG"
    )

    print("处理完成")
    print(f"输出文件：{OUTPUT_FILE}")
    print(f"输出图层：{OUTPUT_LAYER}")
    print(f"合并要素数：{len(merged)}")

    if failed_files:
        print("以下文件处理失败：")
        for name, reason in failed_files:
            print(f"- {name}: {reason}")


if __name__ == "__main__":
    main()

步骤 4：运行脚本

在项目目录中打开终端，运行：

python merge_gis_data.py

运行成功后，会在 output 文件夹中生成：

output/merged_result.gpkg

你可以用 QGIS 或 ArcGIS Pro 打开这个 GeoPackage，检查合并后的要素数量、字段结构、坐标系和空间位置是否正确。

步骤 5：验证结果是否可靠

不要只看脚本有没有报错。GIS 数据处理必须做结果验证，建议至少检查以下内容：

• 合并后的要素数量是否等于各输入文件要素数量之和。
• 输出图层坐标系是否为预期的 EPSG:4490 或你的项目坐标系。
• 字段是否只保留了需要的标准字段。
• 地图位置是否与底图或参考边界吻合。
• source_file 字段是否能正确追踪原始数据来源。
• 是否存在空几何、无效几何或异常碎片要素。

常见坑：Python 拼接地理数据失败的排查重点

1. Shapefile 中文字段或中文路径乱码

Shapefile 对中文编码支持并不稳定，不同软件导出的编码可能不同。如果出现字段乱码或属性乱码，可以尝试将数据先转换为 GeoPackage，再进入自动化流程。

如果必须读取 Shapefile，可尝试指定编码：

gdf = gpd.read_file(file_path, encoding="utf-8")

或者：

gdf = gpd.read_file(file_path, encoding="gbk")

2. 缺少坐标系定义

如果 Shapefile 缺少 .prj 文件，GeoPandas 会认为该图层没有坐标系。此时不能盲目使用 to_crs，因为重投影需要先知道原始坐标系。

正确做法是先确认原始数据坐标系，再使用：

gdf = gdf.set_crs("EPSG:4490")

注意：set_crs 是“声明当前坐标系”，to_crs 是“转换到新坐标系”。两者不能混用。

3. 几何修复后仍然失败

示例脚本使用 buffer(0) 修复常见面几何问题，但它不是万能方法。对于复杂自相交、多部件异常或精度问题严重的数据，可能需要在 QGIS 中使用“修复几何图形”工具，或在 PostGIS 中使用 ST_MakeValid。

4. 字段类型不一致

同一个字段在不同文件中可能有的是整数，有的是文本。合并后 Pandas 会自动推断类型，但输出到某些格式时可能出现类型变化。对于正式生产流程，建议在输出前显式转换字段类型。

merged["code"] = merged["code"].astype("string")
merged["name"] = merged["name"].astype("string")

5. 数据量太大导致内存不足

GeoPandas 适合中小规模矢量数据处理。如果一次性拼接数百万要素，可能出现内存压力。此时可以考虑分批处理，或改用 PostGIS、DuckDB Spatial、ogr2ogr 等更适合大数据量的方案。

方法比较：手动拼接、GeoPandas、ArcPy 和 PostGIS 怎么选

如果你的任务是“每周把多个县区的同类矢量数据拼接成一个成果图层”，Python GeoPandas 是非常合适的起点。如果数据已经进入数据库，或者要支撑多人协作查询，则建议进一步迁移到 PostGIS 流程。

检查清单：发布成果前必须确认的项目

• 输入文件是否完整，是否存在遗漏县区或遗漏图层。
• 所有输入图层是否属于同一数据类型，例如都是面图层或都是线图层。
• 坐标系是否统一，是否符合项目要求。
• 字段映射规则是否覆盖了所有常见字段名。
• 是否保留了 source_file 字段用于追踪来源。
• 输出格式是否适合后续使用，优先考虑 GeoPackage。
• 合并后要素数量是否符合预期。
• 是否检查过无效几何、空几何和异常位置。
• 脚本是否保存到项目目录，方便下次复用。
• 是否记录了处理日期、数据版本和处理人。

FAQ：Python 地理处理自动化脚本常见问题

Q1：Python 拼接地理数据一定比手动快 5 倍吗？

不一定。效率提升取决于文件数量、字段复杂度、检查步骤和重复频率。对于只合并两三个小文件，手动操作可能更快。但如果是几十个文件、每周重复处理、还要统一字段和坐标系，Python 地理处理自动化脚本通常能显著减少操作时间和人为错误。

Q2：GeoPandas 能直接处理 Shapefile、GeoJSON 和 GeoPackage 吗？

可以。GeoPandas 通过底层 GDAL、Fiona 或 Pyogrio 读取常见 GIS 格式。实际项目中，建议将中间成果和最终成果保存为 GeoPackage，因为它比 Shapefile 更适合保存中文字段、长字段名和多个图层。

Q3：坐标系不一致时，应该用 set_crs 还是 to_crs？

如果数据本身没有坐标系定义，但你确认它实际就是某个坐标系，用 set_crs。如果数据已经有正确坐标系，只是要转换到项目统一坐标系，用 to_crs。这是 Python GIS 自动化里非常重要的区别。

Q4：合并后属性字段变多，应该怎么处理？

字段变多通常是因为输入数据字段名不一致。解决方法是建立字段映射表，把 NAME、名称、mc 等字段统一重命名为 name。本文脚本中的 FIELD_MAP 就是为了解决这个问题。

Q5：面数据修复几何后面积会变化吗？

有可能。几何修复会尝试让无效几何变成合法几何，复杂错误可能导致边界细节变化。因此正式项目中，修复前后建议抽样检查图形，并对关键面积字段重新计算，不要直接沿用旧面积值。

Q6：这个脚本能用于 ArcGIS Pro 项目吗？

可以用于 ArcGIS Pro 项目前的数据整理，输出 GeoPackage 后可直接加载到 ArcGIS Pro。如果你的流程必须使用 File Geodatabase、地理处理工具箱或企业地理数据库，则可以考虑改写为 ArcPy 脚本。

结论：把重复 GIS 操作变成可复用流程

手动拼接地理数据适合临时、小规模任务，但一旦数据来源多、更新频繁、字段不统一，就应该考虑 Python 地理处理自动化脚本。它不仅能提升效率，更重要的是让每次处理过程可复现、可检查、可追踪。

本文给出的 GeoPandas 脚本已经覆盖了批量读取、统一坐标系、字段标准化、几何修复、数据合并和 GeoPackage 输出。你可以先在一个小项目中测试，再根据自己的业务规则扩展字段映射、日志记录、质量检查和批量制图功能。

真正高效的 GIS 工作流，不是记住更多按钮位置，而是把稳定的处理逻辑沉淀成脚本。下次再遇到多个地理数据文件需要拼接时，不妨让 Python 先替你完成第一轮整理。