GeoPandas dissolve 聚合出错：分组字段、统计规则与几何合并检查
按行政区汇总网格指标时，dissolve 一跑就少了记录、数值翻倍，或生成一个看似正确但包含空洞的 MultiPolygon。问题通常不在函数本身，而在分组字段、统计规则和几何关系没有被显式说明。本文用一个可复核的聚合框架，避免把“合并面”和“汇总属性”混成黑盒。
GeoPandas dissolve 聚合：先把问题拆成可验证的环节
GIS 工具往往能在几秒内给出一个结果，但“工具成功运行”并不等于结果可用。处理前先固定 数据版本、CRS、几何类型、字段语义和容差/尺度；处理后再核对数量、范围、面积或统计量。把这两组检查写进流程，问题才不会在交付阶段才暴露。
dissolve 同时做两件事
GeoPandas dissolve 会按 by 字段分组，几何通常做 union，非几何字段依据 aggfunc 汇总。一个字段是求和、平均还是取首值，取决于它表示总量、比率还是分类标签；默认规则并不替你理解业务语义。
比例字段不能直接求和
人口、面积可以 sum；密度、比例、均价通常应按分母重算或加权平均。把各网格的百分比相加是最常见的“数值成功、业务失败”。
邻接与重叠会改变 union 结果
同组面不相邻会成为 MultiPolygon；彼此重叠会在 union 后消重。聚合前要区分这是正常的离散辖区，还是编码错误造成的错组。
可执行实操流程
- 复制原始 GeoDataFrame，明确 CRS，并用 is_valid、is_empty、duplicated 检查几何和主键。
- 检查 group 字段的空值、前后空格、大小写和编码；先输出 value_counts，不要直接聚合。
- 为每个属性写出统计规则：总量用 sum，比率按分子/分母重算，类别字段用众数或保留独立表。
- 在一个行政区样本上 dissolve，比较合并前后面积、要素数和指标；确认预期是否允许 MultiPolygon。
- 将结果导出 GeoPackage，重新读取后核对行数、字段类型和空间范围，再进入制图或入库。
out = gdf.dissolve(
by='district_id',
aggfunc={'pop':'sum', 'income':'mean', 'name':'first'}
)
out['density'] = out['pop'] / out.geometry.area项目避坑与质量检查
曾见过区划代码 “01” 被读成整数 1，而另一批是字符串 “1”；视觉上都像同一个区，实际却聚成两行。处理前强制统一字段类型，并在聚合后把 group 数与预期行政区清单做集合比对，是低成本且很有效的质检。
| 检查项 | 合格信号 | 异常时优先排查 |
|---|---|---|
| 输入一致性 | 范围、CRS、字段含义可解释 | 数据源、坐标定义、空值 |
| 处理结果 | 数量与关键统计量符合预期 | 参数、分组条件、单位 |
| 空间抽检 | 边界与典型位置无明显异常 | 容差、精度、几何有效性 |
建议把“处理前后要比什么”写入项目 README。 这比保存一串截图更能让同事复跑，也能在数据更新时迅速判断差异究竟来自源数据还是算法。
FAQ
dissolve 后为什么少了行？
同一分组值本来就会合成一行；若少得异常，检查空值、编码清洗和分组字段是否被错误截断。
面积应该如何汇总？
面积字段可求和，但应同时比较 union 后 geometry.area；两者差异能暴露重叠面或投影问题。
能否在经纬度坐标中计算密度？
不能直接用度单位面积。先投影到适合研究区的平面 CRS，再计算面积和密度。
总结
dissolve 的价值在于把空间单元和业务指标按同一规则聚合；先明确字段语义，再让代码执行，才能得到可解释的区域统计。真正可靠的 GIS 成果不是某一次按钮点击后的图层，而是一套知道输入边界、参数理由和复核证据的可复现流程。