Python批量转坐标?Proj库如何使用?

wowwwai GIS研习社 · 工具流程与项目排障

引言

很多同学在处理外业采集点、POI表格、遥感样本点或工程测量数据时，都会遇到“Python批量转坐标?Proj库如何使用?”这个问题：手里有一批经纬度、投影坐标或不同坐标系的数据，想用 Python 一次性转换，而不是在 GIS 软件里一条一条操作。

本文以 Python批量转坐标 为核心，讲清楚 Proj 库在 Python 中的实际用法。准确地说，现在 Python 中常用的是 pyproj，它是 PROJ 坐标转换库的 Python 封装。你可以用它完成 WGS84 转 Web Mercator、CGCS2000 转投影坐标、批量 CSV 坐标转换、GeoDataFrame 坐标转换等任务。

背景

在 GIS 项目中，坐标转换并不是简单地把数字换个单位。常见场景包括：

• 把 GPS 采集的 WGS84 经纬度转换为 WebGIS 常用的 EPSG:3857。
• 把 CSV 表格中的经纬度批量转换成投影坐标，用于距离、面积或缓冲区分析。
• 把不同来源的矢量数据统一到同一个坐标系，避免叠加偏移。
• 把工程数据、测绘数据或国土数据转换到项目指定坐标参考系统。

如果只是在 QGIS 或 ArcGIS Pro 中转换一个图层，图形界面已经足够。但当你有几十个文件、上百万条坐标记录，或者需要把转换流程写入自动化脚本时，pyproj批量坐标转换 就非常实用。

本文示例主要围绕三个关键词展开：Python批量转坐标、pyproj坐标转换、CSV坐标批量转换。它们属于同一个问题：如何在 Python 中可靠地完成批量坐标转换。

原理

在使用 Proj 或 pyproj 前，必须先理解两个概念：坐标参考系统和坐标转换。

坐标参考系统，通常简称 CRS，用来说明坐标数字所依赖的地球椭球、基准面、投影方式和单位。例如 EPSG:4326 表示常见的 WGS84 经纬度坐标系，单位是度；EPSG:3857 表示 Web Mercator 投影坐标系，单位通常是米。

坐标转换 是把同一个地理位置从一个 CRS 表达转换成另一个 CRS 表达。比如同一个点在 EPSG:4326 下可能是经度 116.391、纬度 39.907；转换到 EPSG:3857 后会变成以米为单位的平面坐标。

pyproj 的核心思路是：

1. 明确源坐标系，也就是原始坐标属于哪个 CRS。
2. 明确目标坐标系，也就是你希望转换到哪个 CRS。
3. 创建 Transformer 转换器。
4. 把一组 x、y 坐标传给转换器，得到新的 x、y 坐标。

这里有一个很常见的坑：经纬度数据中，x 通常表示经度，y 通常表示纬度。但有些库、坐标系或历史写法会使用纬度在前。为了减少混乱，pyproj 中建议使用 always_xy=True，明确按 x、y 顺序输入，也就是经度、纬度。

步骤

1. 安装 pyproj

如果你使用的是普通 Python 环境，可以用 pip 安装：

pip install pyproj

如果你使用的是 Conda 环境，推荐使用 conda-forge：

conda install -c conda-forge pyproj

安装完成后，可以检查版本：

import pyproj
print(pyproj.__version__)

2. 单点坐标转换：WGS84 转 Web Mercator

先看最基础的 pyproj坐标转换。下面示例把北京附近一个 WGS84 经纬度点转换到 EPSG:3857。

from pyproj import Transformer

transformer = Transformer.from_crs(
    "EPSG:4326",
    "EPSG:3857",
    always_xy=True
)

lon = 116.391
lat = 39.907

x, y = transformer.transform(lon, lat)

print(x, y)

这里的 EPSG:4326 是源坐标系，EPSG:3857 是目标坐标系。因为设置了 always_xy=True，所以输入顺序固定为 经度, 纬度。

3. Python 批量转坐标：列表批量转换

pyproj 的 transform 方法可以直接接收列表或数组，所以 Python批量转坐标 不需要逐条循环处理。

from pyproj import Transformer

transformer = Transformer.from_crs(
    "EPSG:4326",
    "EPSG:3857",
    always_xy=True
)

lons = [116.391, 121.4737, 113.2644]
lats = [39.907, 31.2304, 23.1291]

xs, ys = transformer.transform(lons, lats)

for lon, lat, x, y in zip(lons, lats, xs, ys):
    print(lon, lat, x, y)

这种写法适合处理中小规模坐标列表。对于表格数据，通常会结合 pandas 使用。

4. CSV 坐标批量转换并输出新文件

假设你有一个 CSV 文件 points_wgs84.csv，字段如下：

id,lon,lat
1,116.391,39.907
2,121.4737,31.2304
3,113.2644,23.1291

可以用下面的脚本完成 CSV坐标批量转换：

import pandas as pd
from pyproj import Transformer

input_csv = "points_wgs84.csv"
output_csv = "points_mercator.csv"

df = pd.read_csv(input_csv)

transformer = Transformer.from_crs(
    "EPSG:4326",
    "EPSG:3857",
    always_xy=True
)

df["x_3857"], df["y_3857"] = transformer.transform(
    df["lon"].to_numpy(),
    df["lat"].to_numpy()
)

df.to_csv(output_csv, index=False, encoding="utf-8-sig")

print("转换完成：", output_csv)

输出文件会保留原始字段，同时新增 x_3857 和 y_3857 两列。这个流程适合外业点位、地址匹配结果、监测点、样本点等表格坐标数据。

5. 转换为指定投影坐标系

如果项目要求转换到某个地方投影坐标系，只要知道目标 CRS 的 EPSG 编码，就可以替换目标坐标系。例如转换到 UTM 50N，常见 EPSG 编码为 EPSG:32650：

from pyproj import Transformer

transformer = Transformer.from_crs(
    "EPSG:4326",
    "EPSG:32650",
    always_xy=True
)

lon = 116.391
lat = 39.907

easting, northing = transformer.transform(lon, lat)

print(easting, northing)

注意：UTM 分带和地理位置有关，不能随便选。比如中国跨多个 UTM 带，项目数据如果分布范围较大，需要先确认合适的投影带或使用项目规定的坐标系。

6. 使用 GeoPandas 转换矢量数据坐标系

如果你的数据已经是 Shapefile、GeoPackage 或 GeoJSON，通常不需要手动提取每个点的 x、y。可以使用 GeoPandas 的 to_crs 方法，它底层同样依赖 pyproj。

import geopandas as gpd

gdf = gpd.read_file("input_points.shp")

print(gdf.crs)

gdf_3857 = gdf.to_crs("EPSG:3857")

gdf_3857.to_file("output_points_3857.shp", encoding="utf-8")

这种方式更适合图层级别的坐标转换。对于点、线、面要素，GeoPandas 会处理几何对象中的所有坐标。

常见坑

1. 把经纬度顺序写反

最常见错误是把 lat, lon 当成 lon, lat 输入。WGS84 坐标中，经度范围通常是 -180 到 180，纬度范围通常是 -90 到 90。中国区域常见经度约为 73 到 135，纬度约为 18 到 54。

建议统一使用：

Transformer.from_crs("EPSG:4326", "EPSG:3857", always_xy=True)

并在字段命名上使用 lon、lat，不要混用 x、y、lng、latitude 等不一致写法。

2. 不知道原始坐标系就直接转换

Python批量转坐标 的前提是知道源坐标系。如果你的数据只写了 x、y，没有说明是 WGS84、CGCS2000、GCJ-02、地方坐标还是某个投影坐标系，那么直接转换很可能得到错误结果。

判断线索包括：

• 坐标值像 116.391, 39.907，通常是经纬度。
• 坐标值像 12956475, 4852834，可能是 Web Mercator。
• 坐标值像 450000, 4420000，可能是 UTM 或高斯投影。
• 坐标偏移几百米，可能涉及加密坐标、基准转换或数据源差异。

3. 混淆坐标转换和定义坐标系

定义坐标系是告诉软件“这些坐标本来属于哪个 CRS”；坐标转换是把坐标数字真正转换到另一个 CRS。

如果原始数据没有 CRS，但你知道它是 EPSG:4326，那么应该先定义 CRS，再转换到目标 CRS。GeoPandas 中可以这样理解：

gdf = gdf.set_crs("EPSG:4326")
gdf_3857 = gdf.to_crs("EPSG:3857")

set_crs 不会改变坐标数字，to_crs 才会改变坐标数字。

4. 把 GCJ-02 或 BD-09 当成 WGS84

国内互联网地图常见 GCJ-02、BD-09 坐标，它们不是标准 EPSG 坐标系。pyproj 主要处理标准 CRS 之间的转换，不能直接把 GCJ-02 当成 EPSG:4326 来做严肃 GIS 分析。

如果你的数据来自高德、腾讯、百度等互联网地图接口，需要先确认坐标类型。否则即使用 pyproj 转换成功，也可能在地图上出现明显偏移。

5. 投影坐标系选错分带

比如同样是 UTM，EPSG:32649、EPSG:32650、EPSG:32651 表示不同分带。选错分带后，坐标可能还能生成，但位置、距离和面积分析会不可靠。

方法比较

方法	适合场景	优点	注意事项
pyproj	点坐标、CSV表格、自动化脚本	轻量、灵活、适合批量处理	需要自己确认源坐标系和字段顺序
GeoPandas to_crs	Shapefile、GeoJSON、GeoPackage 等矢量图层	代码简洁，能处理点线面几何	输入图层必须有正确 CRS
QGIS 重投影图层	手动处理少量图层	图形界面直观，适合检查结果	不适合大量文件自动化
ArcGIS Pro Project 工具	企业或测绘项目中的规范化处理	参数完整，适合正式数据生产	需要正确选择地理转换方法
GDAL ogr2ogr	命令行批处理矢量数据	稳定，适合脚本和服务器环境	命令参数较多，新手容易写错

如果你的任务是 CSV坐标批量转换，优先考虑 pandas 加 pyproj。如果你的任务是完整矢量图层转换，GeoPandas 或 QGIS 更方便。如果是生产环境中的批处理管线，可以考虑 pyproj、GeoPandas 与 GDAL 组合使用。

检查清单

在正式执行 Python批量转坐标 前，建议按下面清单检查：

• 是否明确知道源坐标系，例如 EPSG:4326、EPSG:3857、EPSG:4490 等。
• 是否明确知道目标坐标系，而不是凭感觉选择。
• 经纬度字段顺序是否为经度在前、纬度在后。
• 是否设置了 always_xy=True。
• CSV 中是否存在空值、非法字符或经纬度列被读成文本。
• 转换后坐标单位是否符合预期，例如米或度。
• 是否抽取几个点放到 QGIS、ArcGIS Pro 或在线底图中核对位置。
• 是否注意 GCJ-02、BD-09 与 WGS84 的区别。
• 是否保存了原始坐标字段，方便回溯和检查。
• 是否在输出文件名中标明目标坐标系，例如 points_3857.csv。

FAQ

Q1：Proj 库和 pyproj 是一回事吗？

不是完全一回事。PROJ 是底层坐标转换库，pyproj 是它的 Python 封装。日常写 Python 脚本时，通常直接安装和使用 pyproj。

Q2：Python 批量转坐标一定要写循环吗？

不一定。pyproj 的 transform 可以接收列表、NumPy 数组或 pandas 列。对于大量数据，直接传数组通常比逐行循环更简洁，也更适合批处理。

Q3：pyproj 坐标转换结果和 QGIS 不一样怎么办？

先检查源 CRS、目标 CRS、经纬度顺序和地理转换方法是否一致。对于涉及不同基准面的转换，GIS 软件可能使用特定网格文件或转换参数，因此结果可能存在差异。正式项目应以项目规定的转换参数为准。

Q4：EPSG:4326 和 EPSG:4490 有什么区别？

EPSG:4326 通常表示 WGS84，EPSG:4490 通常表示 CGCS2000。两者在很多普通 Web 展示场景下看起来差异不明显，但在测绘、国土、工程等严肃场景中不能随意混用。

Q5：CSV 坐标批量转换后如何验证是否正确？

建议随机抽取几个点，把原始点和转换后的点分别加载到 QGIS 或 ArcGIS Pro 中，叠加可靠底图或已知边界数据检查位置。如果点整体偏移、旋转或落到错误城市，通常说明源坐标系、目标坐标系或经纬度顺序有问题。

Q6：pyproj 能直接处理 Shapefile 吗？

pyproj 本身主要负责坐标和 CRS 转换，不负责完整读取 Shapefile。处理 Shapefile 可以使用 GeoPandas，它会调用 pyproj 完成 CRS 转换。

Q7：为什么转换到 EPSG:3857 后坐标值特别大？

这是正常现象。EPSG:3857 是以米为单位的投影坐标系，数值通常会达到几百万甚至上千万。不要用经纬度范围去判断 EPSG:3857 的坐标是否正常。

结论

Python批量转坐标 的关键不是代码有多复杂，而是先把源坐标系、目标坐标系和字段顺序确认清楚。pyproj 提供了非常直接的接口，适合处理列表、数组和 CSV 表格中的批量坐标。

实际工作中可以按这个思路执行：先用少量样本点测试 pyproj坐标转换，确认结果位置正确；再用 pandas 批量读取 CSV；最后输出带目标坐标系标识的新文件。对于矢量图层，则优先考虑 GeoPandas 的 to_crs 或 GIS 软件中的重投影工具。

只要避免经纬度顺序、未知源坐标系、GCJ-02 混用和投影分带错误这几个常见坑，Proj 库在 Python 中就可以成为非常稳定的 GIS 坐标转换工具。