Python GIS自动化：批量处理矢量数据和制图导出

wowwwai GIS研习社 · 工具流程与项目排障

Python GIS自动化：批量处理矢量数据和制图导出，适合已经会一点 Python、但还在手动打开软件、逐个图层检查字段和导出成果的 GIS 学习者。本文不追求炫技，而是给出一套可复用的自动化思路：先把输入数据整理成清单，再用脚本完成检查、转换、统计和制图导出。

引言

很多 GIS 项目真正耗时的地方，不是某一个复杂算法，而是重复劳动：几十个行政区边界要统一坐标系，几百个图斑文件要检查字段，多个专题图要按同一版式导出。Python GIS自动化的价值，就是把这些可描述、可重复、可检查的步骤交给脚本。

这篇文章围绕一个常见任务展开：批量读取一个目录下的矢量数据，检查坐标系和字段，修复常见几何问题，输出清洗后的 GeoPackage，并为后续制图导出准备统计结果。

背景

在 GIS 工作中，Python 通常不是替代 QGIS 或 ArcGIS Pro，而是补上批处理和质量控制这一环。桌面软件适合交互检查和人工判断，Python 适合处理规则明确的大量文件。

常见的 Python GIS 自动化工具包括 GeoPandas、Shapely、Fiona、pyogrio、GDAL、Rasterio 和 ArcPy。开源流程通常使用 GeoPandas 与 GDAL，ArcGIS Pro 项目内的企业流程则常用 ArcPy。无论选哪一套，核心思想都是一样的：把人工操作拆成输入、处理、检查、输出四个阶段。

原理

一个稳定的 Python GIS 自动化流程，通常要先回答四个问题。

• 输入在哪里：数据目录、文件格式、图层命名规则是否固定。
• 质量怎么判断：坐标系、字段、空几何、无效几何、重复编号是否需要检查。
• 结果输出什么：是 Shapefile、GeoPackage、PostGIS 表，还是 PDF 地图和 Excel 统计表。
• 失败如何记录：脚本不能只报错退出，还要写出哪个文件失败、失败原因是什么。

因此，自动化脚本不是把软件按钮翻译成代码，而是把项目规范写成可执行的检查规则。

步骤

步骤一：整理项目目录

建议先建立清晰的目录结构，不要让脚本直接在原始数据上反复覆盖。

project/
  input/
    county_a.shp
    county_b.shp
  output/
  logs/
  scripts/
    batch_vector_process.py

input 保存原始数据，output 保存清洗后的成果，logs 保存检查记录。这样即使脚本中途失败，也能回到原始状态重新处理。

步骤二：批量读取矢量文件

下面的示例使用 GeoPandas 批量读取 Shapefile。实际项目中，如果数据量较大，也可以优先考虑 GeoPackage 或数据库表，减少 Shapefile 字段名长度和编码带来的问题。

from pathlib import Path
import geopandas as gpd

input_dir = Path("project/input")
files = sorted(input_dir.glob("*.shp"))

for path in files:
    gdf = gpd.read_file(path)
    print(path.name, len(gdf), gdf.crs)

这一步不要急着处理数据，先确认脚本能稳定遍历所有文件，并输出每个文件的要素数量和坐标系。

步骤三：检查坐标系和必要字段

批处理最容易出问题的地方，是不同文件看起来类似，但字段名、坐标系或几何类型并不一致。可以先写一个检查函数。

required_fields = {"name", "code"}
target_crs = "EPSG:4490"

missing = required_fields - set(gdf.columns)
if missing:
    raise ValueError(f"{path.name} 缺少字段: {missing}")

if gdf.crs is None:
    raise ValueError(f"{path.name} 没有定义坐标系")

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

这里要区分两个概念：定义坐标系 是告诉软件数据原本是什么坐标系，投影转换 是把坐标值真正转换到另一个坐标系。很多面积不准、叠加错位问题都来自这一步混淆。

步骤四：修复无效几何并输出结果

矢量叠加、裁剪和面积统计前，建议检查空几何和无效几何。不同项目对修复方式要求不同，下面只给出一个常见的入门写法。

gdf = gdf[gdf.geometry.notna()].copy()

invalid_mask = ~gdf.geometry.is_valid
if invalid_mask.any():
    gdf.loc[invalid_mask, "geometry"] = gdf.loc[invalid_mask, "geometry"].buffer(0)

out_path = Path("project/output") / f"{path.stem}_clean.gpkg"
gdf.to_file(out_path, layer="clean", driver="GPKG")

buffer(0) 可以修复一部分自相交面，但不是所有几何问题的万能方案。正式项目中，应把修复前后的要素数量、面积变化和失败记录写入日志，避免悄悄改变成果。

步骤五：生成统计表和制图输入

清洗后的数据可以继续生成统计结果，例如按行政区代码统计面积。

gdf["area_m2"] = gdf.to_crs("EPSG:3857").area
summary = gdf.groupby("code", as_index=False)["area_m2"].sum()
summary.to_csv("project/output/area_summary.csv", index=False)

面积统计必须使用适合面积计算的投影坐标系。上面的坐标系只适合演示，不代表所有地区都应该使用它。实际工作中，应根据项目区域选择合适的等面积投影或本地投影坐标系。

步骤六：自动制图导出

如果使用 ArcGIS Pro，可以用 ArcPy 打开既有工程模板、替换数据源并导出 PDF。如果使用 QGIS，可以通过 PyQGIS 调用布局模板。更稳妥的做法是先由人工设计一个模板，再让 Python 负责批量替换数据和导出。

# ArcPy 思路示例，需在 ArcGIS Pro Python 环境中运行
# aprx = arcpy.mp.ArcGISProject("template.aprx")
# layout = aprx.listLayouts("main")[0]
# layout.exportToPDF("project/output/map.pdf")

制图自动化的重点不是把所有地图都做成同一种样子，而是把比例尺、图名、图例、数据源和导出命名这些容易出错的环节标准化。

常见坑

• 路径写死：脚本只能在作者电脑上运行，换一台机器就找不到数据。
• 坐标系未定义：数据没有 CRS，却直接执行投影转换，结果可能完全错误。
• Shapefile 字段被截断：字段名超过限制后被截短，批处理时找不到原字段。
• 覆盖原始数据：脚本运行失败后无法恢复，只能重新找数据源。
• 没有日志：只知道脚本失败，不知道哪个文件、哪个要素、哪一步失败。
• 把示例投影当通用投影：面积、长度和缓冲区分析必须根据项目区域选择合适坐标系。

方法比较

方法	适合场景	注意事项
GeoPandas	矢量数据清洗、字段处理、空间连接、统计分析	大数据量时要关注内存占用和文件格式
GDAL/OGR	格式转换、批量投影、命令行自动化	参数多，建议先在少量样例上验证
ArcPy	ArcGIS Pro 工程、企业数据、批量制图导出	依赖 ArcGIS Pro 授权和对应 Python 环境
PyQGIS	QGIS 项目、布局模板、开源制图流程	运行环境配置比普通 Python 脚本更复杂

检查清单

• 是否保留了一份不被脚本覆盖的原始数据。
• 是否明确输入格式、输出格式和命名规则。
• 是否检查了坐标系、字段、空几何和无效几何。
• 是否把失败文件和失败原因写入日志。
• 是否在正式批处理前，用 2 到 3 个样例文件试跑。
• 是否人工抽查了输出数据的位置、属性、面积和制图效果。

FAQ

Python GIS自动化一定要先学 ArcPy 吗？

不一定。如果你的工作主要在 ArcGIS Pro 生态内，ArcPy 很重要。如果你更关注开源数据处理、WebGIS 数据准备或跨平台脚本，GeoPandas、GDAL 和 Rasterio 往往更适合作为起点。

GeoPandas 能处理所有 GIS 批量任务吗？

不能。GeoPandas 很适合中小规模矢量数据处理，但栅格处理通常要用 Rasterio 或 GDAL，大规模空间查询更适合 PostGIS，复杂桌面制图则可能需要 ArcPy 或 PyQGIS。

为什么脚本运行成功，结果还是可能错？

因为脚本只能执行你写进去的规则。如果没有检查坐标系、字段含义、单位和异常几何，程序成功结束也可能只是批量生成了一批错误结果。

初学者应该从哪个自动化任务开始？

建议从批量读取文件、检查字段、统一坐标系和输出 GeoPackage 开始。这类任务足够真实，也比较容易验证结果。

结论

Python GIS自动化的核心不是写一段很长的脚本，而是把重复 GIS 工作拆成可检查的步骤。对于初学者，先从批量处理矢量数据开始，建立目录规范、检查规则、日志记录和输出标准，再逐步扩展到空间分析、PostGIS 入库和自动制图导出。这样写出来的脚本，才真正能在项目里省时间、少出错、可交付。