石家庄GIS数据怎么转GeoJSON？Shapely与Fiona实战技巧（附：代码示例）

在进行石家庄区域地理数据分析或Web地图开发时，将专业的GIS数据（如Shapefile、CAD）转换为通用的GeoJSON格式是一个高频需求。许多开发者在面对坐标系转换、属性丢失或性能瓶颈时感到棘手。本文将深入探讨如何利用Python生态中的Shapely和Fiona库，高效、准确地完成石家庄GIS数据到GeoJSON的转换，并提供实战代码示例，帮助你解决这一核心痛点。

为什么选择Shapely与Fiona处理GIS数据转换？

在Python的GIS开发生态中，Shapely和Fiona是处理几何对象和文件I/O的黄金搭档。相比于QGIS等桌面软件的点击操作，代码化转换具有可复用、批处理能力强的优势。

Shapely专注于几何对象的创建、操作和分析（如缓冲区分析、空间关系判断），而Fiona则负责读取和写入各种地理空间数据格式。二者结合，能让我们在内存中灵活处理几何逻辑，再写入磁盘。

核心组件对比

实战步骤：石家庄GIS数据转GeoJSON

假设你手头有一份石家庄的行政区划Shapefile（例如shijiazhuang_boundary.shp），我们需要将其转换为GeoJSON格式。以下是详细步骤。

1. 环境准备与依赖安装

首先，确保你的Python环境中安装了必要的库。推荐使用conda或pip安装。

安装命令：

pip install fiona shapely geopandas

注：虽然本文重点讲解Shapely与Fiona，但在实际工程中，GeoPandas作为封装库能进一步简化流程。为了演示底层原理，我们将直接使用Fiona和Shapely。

2. 数据读取与坐标系检查

读取石家庄数据时，必须注意坐标系。石家庄常用的坐标系可能是WGS84 (EPSG:4326)或CGCS2000 (EPSG:4527)。GeoJSON标准强制要求使用WGS84经纬度（EPSG:4326）。

代码示例：

import fiona
from shapely.geometry import shape, mapping

# 定义输入和输出路径
input_file = 'shijiazhuang_boundary.shp'
output_file = 'shijiazhuang_boundary.geojson'

# 打开源文件并查看属性
with fiona.open(input_file, 'r') as source:
    print(f"坐标系: {source.crs}")
    print(f"要素数量: {len(source)}")
    # 获取第一个要素查看结构
    first_feature = source[0]
    print(first_feature['properties']) # 打印属性表

如果源数据是CGCS2000坐标系（EPSG:4527），我们需要在转换过程中进行投影变换。Fiona本身支持坐标转换，但需要安装pyproj。

3. 几何处理与格式转换

在读取数据后，我们可以利用Shapely对几何对象进行验证或简单处理（如修复无效多边形），然后写入新的GeoJSON文件。

代码示例：带坐标系转换的完整流程

import fiona
from shapely.geometry import shape, mapping
from fiona.transform import transform_geom

# 源坐标系（假设为CGCS2000 高斯投影）
src_crs = 'EPSG:4527' 
# 目标坐标系（GeoJSON标准 WGS84）
dst_crs = 'EPSG:4326'

schema = {
    'geometry': 'Polygon',
    'properties': {'name': 'str'} # 根据实际属性调整
}

with fiona.open(input_file, 'r') as source:
    # 检查并修正坐标系
    if source.crs != dst_crs:
        print(f"开始坐标转换: {source.crs} -> {dst_crs}")
    
    with fiona.open(output_file, 'w', driver='GeoJSON', 
                      crs=dst_crs, schema=source.schema) as sink:
        
        for feature in source:
            # 1. 获取Shapely几何对象
            geom = shape(feature['geometry'])
            
            # 2. (可选) 使用Shapely进行几何验证或清洗
            if not geom.is_valid:
                geom = geom.buffer(0) # 修复自相交等无效几何
            
            # 3. 坐标转换 (Fiona内部使用pyproj)
            # 注意：Fiona 1.9+版本推荐使用transform_geom
            transformed_geom = transform_geom(
                source.crs, dst_crs, 
                mapping(geom)
            )
            
            # 4. 构建新要素并写入
            new_feature = {
                'geometry': transformed_geom,
                'properties': feature['properties']
            }
            sink.write(new_feature)

print("转换完成！已生成 GeoJSON 文件。")

扩展技巧：高级处理与性能优化

掌握了基础转换后，以下两个高级技巧能让你的GIS数据处理工作更加专业。

技巧一：处理多部分几何（MultiPolygon）

石家庄的行政区划数据可能包含岛屿或不连续的区域，这在GIS中通常表示为MultiPolygon。GeoJSON完全支持这种格式，但在转换时需确保几何类型一致性。

如果源数据是Polygon，但你想合并相邻区域，可以使用Shapely的unary_union：

from shapely.ops import unary_union

# 读取所有几何对象
geoms = [shape(feature['geometry']) for feature in source]
# 合并为一个几何体（例如合并石家庄所有区县边界）
merged_geom = unary_union(geoms)
# 写入时将 geometry 字段设为 merged_geom

技巧二：GeoJSON压缩与精度控制

GeoJSON文件通常较大，尤其是包含高精度坐标时。在写入文件前，可以对坐标进行取整，大幅减小文件体积。

import json
from geojson import dumps, dump

# 在写入文件前，对坐标进行四舍五入（保留6位小数足够用于Web地图）
coords = geom.coords
rounded_coords = tuple([round(c, 6) for c in coords])
# 或者使用 geojson 库的特性
geojson_str = dumps(feature, precision=6)

这在Web前端加载时能显著提升渲染性能。

常见问题解答 (FAQ)

以下是关于石家庄GIS数据转换中用户最常遇到的三个问题：

Q1: 转换后的GeoJSON在地图上位置偏移了怎么办？

答： 这通常是坐标系不匹配导致的。GeoJSON标准严格要求使用 WGS84 (EPSG:4326) 坐标系。请检查源数据的坐标系（如是否为西安80或CGCS2000），并在代码中显式指定 dst_crs='EPSG:4326' 进行投影变换。如果源数据已经是WGS84但有偏移，可能是数据本身的地理精度问题。

Q2: 如何只导出石家庄特定区域的数据（属性过滤）？

答： 可以在读取循环中加入条件判断。例如，如果属性表中有“District”字段，只想导出“长安区”的数据：

for feature in source:
    if feature['properties']['District'] == '长安区':
        # 执行写入操作
        sink.write(feature)

这样做可以避免在内存中加载过大的数据集。

Q3: Shapely和Fiona处理大数据（如高精度遥感边界）速度慢怎么办？

答： 对于超大规模数据，纯Python循环处理会较慢。建议：

1. 使用GeoPandas的向量化操作，它底层基于NumPy和Shapely，性能优于纯Python循环。
2. 如果数据量极大（GB级），考虑使用命令行工具 ogr2ogr（GDAL库的一部分），它是处理GIS格式转换的工业标准，速度极快。

总结

将石家庄GIS数据转换为GeoJSON并不复杂，关键在于理解坐标系的定义与几何对象的处理逻辑。通过Shapely与Fiona的组合，你不仅能完成格式转换，还能对数据进行清洗和优化。希望本文的代码示例能直接帮助你解决项目中的实际问题。立即打开你的Python环境，尝试运行上述代码，让数据流动起来吧！