Python批量转坐标?Proj库如何使用?

坐标批量转换的噩梦？Proj库就是你的“地理翻译官”

你是不是也遇到过这种情况：从不同部门拿到一堆点位数据，有的是WGS84经纬度，有的是GCJ02火星坐标，还有的用的是地方独立坐标系——打开ArcGIS手动一个个转？等你转完黄花菜都凉了。更别说半夜跑脚本时突然报错：“CRSError: Invalid projection”，直接让你怀疑人生。

我在参与某省国土空间规划项目时，曾一次性处理超过50万条来自不同测绘单位的历史地块数据。手动转换？不可能。Proj库+GeoPandas，30行代码搞定，效率提升百倍不止。

为什么坐标系转换这么难？因为地球不是平面，也不是橘子

很多人以为坐标转换就是简单的数学公式代入，实则大错特错。地球是个不规则椭球体，不同国家、不同项目为了“贴合本地地形”，会采用不同的投影方式和基准面。这就像你想把一个橘子皮完整剥下来摊平——无论你怎么拉扯，总会变形或撕裂。投影变换的本质，就是在可控误差范围内，“合理地扭曲”地理空间。

Proj（全称PROJ.4）正是解决这个问题的行业标准库。它背后是一套历经数十年打磨的坐标转换引擎，支持超过6000种坐标系统定义，从古老的北京54到最新的CGCS2000，从UTM到Albers，统统不在话下。

实战教学：三步用Python批量转坐标

我们以最常见的场景为例：把一批WGS84经纬度点（EPSG:4326）批量转为UTM投影坐标（比如EPSG:32650）。全程使用pyproj库——它是Proj在Python中的官方接口。

from pyproj import Transformer
import pandas as pd

# 第一步：准备你的数据（假设是CSV格式）
df = pd.read_csv('points.csv')  # 包含 lat, lon 两列

# 第二步：创建转换器（从WGS84到UTM Zone 50N）
transformer = Transformer.from_crs("EPSG:4326", "EPSG:32650", always_xy=True)

# 第三步：批量转换，生成新列
df['easting'], df['northing'] = transformer.transform(df['lon'].values, df['lat'].values)

# 保存结果
df.to_csv('points_utm.csv', index=False)
print("✅ 坐标转换完成！共处理 {} 条记录".format(len(df)))

就这么简单？没错。但有几个关键细节你必须知道：

• always_xy=True：这是救命参数！默认情况下，Proj按纬度/经度顺序处理，但大多数GIS软件和GeoJSON都是经度/纬度。设为True可避免坐标轴颠倒导致的“跑到太平洋去”的惨剧。
• Transformer对象可复用：别在循环里每次都新建Transformer，性能损耗极大。创建一次，反复使用。
• 支持数组向量化：如示例所示，直接传入整个NumPy数组，比for循环快几十倍。

进阶技巧：自定义坐标系与复合变换

遇到地方独立坐标系怎么办？比如某市用的是“XX市城建坐标系”，没有现成EPSG代码？别慌，Proj支持自定义PROJ字符串。

# 自定义一个基于高斯-克吕格投影的地方坐标系
custom_crs = "+proj=tmerc +lat_0=0 +lon_0=117 +k=1 +x_0=500000 +y_0=0 +ellps=GRS80 +units=m +no_defs"

# 创建自定义转换器
trans_custom = Transformer.from_crs("EPSG:4326", custom_crs, always_xy=True)

甚至可以链式转换：WGS84 → CGCS2000 → 地方坐标系。只需在初始化时传入多个CRS即可。

避坑指南：那些年我踩过的Proj大坑

总结：Proj不是工具，是思维方式

掌握Proj库，不只是学会了一个Python包，更是建立起“空间参考系统”的底层认知。下次再看到一堆杂乱坐标，你脑中浮现的将不再是混乱，而是一张清晰的转换路径图。

现在轮到你了 👇
你在项目中遇到过最奇葩的坐标系是什么？评论区留下你的“坐标灾难故事”，我会挑三个最精彩的，送你《Proj高级应用手册》电子版一份！