企业官网建设流程全解析

做数据分析这些年，我手里翻得最多的数据文件之一，就是行政区划的Excel表。无论是给业务系统做地区维度映射、给报表做区域汇总，还是在地图可视化之前给地址匹配经纬度，都绕不开一套干净、完整、字段一致的行政区划数据。网上能搜到各种“免费下载行政区划Excel版”的帖子，但真正打开文件之后才发现，有的缺省市区级，有的旧版区划代码没更新，有的干脆把街道和村居混在一张表里，拿过来想直接用基本不现实。

这篇东西我不打算只告诉你“去哪下载”，因为那只是第一步。我更想带你过一遍拿到原始行政区划Excel之后，怎么用Excel自身功能和Python做二次清洗，怎么把区划代码和名称变成可统计、可关联、可入库的标准字段，顺便把我在实操中踩过的一些坑说清楚。内容从入门到进阶都有，小白照着步骤能跑通，老手也可以直接跳到自己关心的段落看细节。

1. 行政区划Excel数据，到底解决什么问题

1.1 一套标准行政区划数据长什么样

先说规格。一份合格的行政区划Excel版，至少应该包含这几个字段：行政区划代码、省级名称、市级名称、区县级名称，以及可选的“城乡分类代码”和“备注”。行政区划代码是国家统一的统计用代码，通常由12位数字或6位数字组成，前两位是省级，中间两位是市级，再往后两位是区县级，最后几位往下细分到乡级和村级。我在实际项目里最常用的是两套粒度：到区县（6位或12位），以及到乡镇街道（9位或12位）。如果需要做门店经营分析、物流配送区域划分，粒度到区县基本够用；如果做街道级别的网格化管理，那就得再往下取一层。

很多人下载行政区划数据之后问的第一个问题是：“Excel里这一列代码前面是0，怎么不见了？”因为Excel默认把数字列处理成数值格式，6位区划代码里像“110101”这种开头是0的，输入或导入后会被自动截成110101前面的0不显示其实不对，应该是“110101”整体保留。所以拿到任何区划代码表，第一件事就是把代码列设成文本格式，或者用TEXT函数强制补零。这也是为什么我强调不要直接去网上拷贝粘贴，而是要用结构化方式导入和处理，才能保住字段类型。

1.2 为什么偏偏要Excel版，而不是数据库或JSON

市面上其实有很多行政区划数据是JSON、CSV或者SQL格式提供的。那为什么大家还是满世界找“Excel版本”？核心原因是Excel的门槛和通用性。业务同事不会打开CSV时指定编码格式，也没法直接看JSON里的嵌套结构，但几乎所有人双击就能打开xlsx文件，用筛选、透视表、VLOOKUP就能办事。Excel版数据还能直接作为数据源接入Power BI、Tableau或者各类报表平台，不需要额外写转换脚本。所以在企业内部协作场景里，一份编排清楚的xlsx，比JSON要接地气得多。

另外，Excel支持的“多层Sheet”结构很适合行政区划数据。我习惯拆成四个Sheet：省级清单、市级清单、区县级清单、乡镇街道级清单，每个Sheet字段统一。这样做有一个好处：数据透视表可以分开做，VLOOKUP关联时范围清晰，不会因为整表都堆在一起导致查找范围混乱。纯CSV就做不到这种物理分层，一个文件只放一张表，横向对比起来就不方便。

2. 行政区划数据的获取与初检

2.1 免费下载渠道怎么找才靠谱

标题打着“免费下载”四个字的，搜索时能跳出一堆网盘链接。我的经验是：可以下载，但不要直接信。最稳妥的路径是去官方公开渠道找每年发布的“统计用区划代码和城乡划分代码”，一般以文本或Excel附件形式发布，字段规范程度很高。每年都会更新，区划调整（比如撤县设区、街道合并）之后，旧代码会失效，新代码会补充，这直接影响数据统计口径。下载的时候优先选当年发布的版本，别用三年前的老文件。

如果你需要的是带经纬度或者带邮政编码的增强版，那就只能依赖第三方开源数据集了。这类数据大多由开发者维护，免费可用，但你要注意两个问题：一是更新是否及时，二是字段名是否稳定。我的习惯是把第三方数据作为“参考”，把官方代码作为“基准”，两边一比对，差异部分手工确认。千万别在业务系统里直接拿第三方数据当唯一事实来源，后续数据对不上时很难排查。

2.2 拿到文件后第一时间核对的三个关键点

第一，看代码位数。每级区划代码的位数是否一致，如果同一列里有6位有9位有12位，说明文件拼接了多级数据，先得拆开。第二，看名称是否带“省”“市”“区”“县”后缀。有的数据源名称是“北京市”，有的数据源是“北京”，这影响匹配——后续做多表关联时，后缀不一致会导致VLOOKUP或者相同字段关联大面积产生匹配不到。第三，看是否有重复行。同一代码出现两次，大概率是某一年代码变更后新旧并存，处理时要保留最新值。

2.3 数据标准化规则，建议拿到手先做一次

如果你准备把这份Excel当作长期基础数据，强烈建议做一次标准化，哪怕原文件已经够用。

• 区划代码统一转成文本，并补足前导0。
• 名称字段统一去空格、去全角空格，去掉首尾空白。
• 增加“上级代码”字段，便于从区县级向市级、省级聚合时做树形计算。
• 增加“状态”字段，标记“现行”、“已撤销”、“新增”，做历史回溯时不会乱。
• 把每级数据拆分到独立Sheet，并给每个Sheet加筛选按钮和表头锁定。

这套规则我应用过多次，建好了基本就是一劳永逸。后续不管是Excel函数统计，还是Python读取，都不需要每次都重新处理。

3. Excel内处理行政区划数据的关键操作

3.1 两列查重：怎么找出名称相同但代码不同的记录

行政区划Excel最容易出现的问题，是“名称相同、代码不同”。比如同名的街道在不同区县下各有一个，或者某区划改名后旧名称依然留在文件里。手动一行一行看眼睛都会花掉，我建议直接用COUNTIFS函数做两列联合查重。

假设A列是省级名称，B列是市级名称，C列是区县名称，D列是区划代码。现在要检查“同一个省+市+区县”是不是有重复。在旁边E列写：

=COUNTIFS(A:A,A2,B:B,B2,C:C,C2)

结果大于1的，就是多行重复。再把E列筛选成大于1，就能一行一行处理。如果想进一步找出“名称相同但代码不同”，可以再加一列：

=IF(AND(E2>1,COUNTIFS(A:A,A2,B:B,B2,C:C,C2,D:D,"<>"&D2)>0),"代码冲突","正常")

这样冲突记录会直接标出来。我用这个方法清理过一个几万行的乡镇级数据，几分钟就把藏在里头的几百条冲突揪出来了。

3.2 多条件筛选与SUMIFS统计实战

行政区划数据最常见的统计场景，是按省级区域汇总销售数据。如果业务明细表里有一列是区划代码，你想要按“省份+年份”汇总规模，可以不用数据透视表，直接用SUMIFS公式硬算。比如销售明细在Sheet“订单”里，A列省份，B列年份，C列销售额。想要得到“某省某年”的销售额：

=SUMIFS(订单!C:C,订单!A:A,"某省",订单!B:B,2024)

如果要做多条件筛选而不是汇总，Excel 365里的FILTER函数很好用。比如筛选出“省级=XX且市级=YY”的全部区县：

=FILTER(区县表!A:D,(区县表!A:A="XX")*(区县表!B:B="YY"),"无匹配")

老版本没有FILTER，可以用高级筛选功能录制宏，或者用透视表配合切片器也能达到一样效果。关键在于，Excel里处理区划筛选、汇总这类操作，核心不是背公式，而是先保证数据列规范，不然公式套上去全是#N/A。

3.3 用数据透视表做区域层级汇总

数据透视表在行政区划数据上的价值，是它的“分组汇总”能力。比如你手里有全国各区县的常住人口数据，字段包括省份、地市、区县、人口。想把数据从区县粒度聚合到地市级再聚合到省级，只需要插入数据透视表，把省份拖到行区域，地市拖到省份下面，人口拖到值区域。Excel会自动生成层级结构，不需要写任何公式。

透视表还有一种高频用法：统计每个省份下有多少个区县。把省份放到行区域，把区划代码放到值区域，值字段设置成“计数”，马上就能得到数量。这个操作在数据质量核验阶段特别实用——一比对各区县数量是否和官方公报一致，不一致就说明数据缺失或者重复了。

需要注意的是，透视表默认对文本字段做计数，对数值字段做求和。如果你的区划代码被Excel误认为数字，透视图表里它可能会被求和，这没有意义。所以在做透视之前，记得先确认区划代码列是文本类型。我这里处理的方法是，用‘000’ 前缀把它转成文本，或者直接用Power Query把列类型设为文本再载入。

3.4 让数据自动变背景色：条件格式实战

有内容自动变背景这个需求，处理行政区划表时特别有用。你希望某个单元格一旦有内容，整行或某些列自动加背景色，这样空值就能一眼暴露。

第一步，选中希望应用格式的数据区域。第二步，开始选项卡里点“条件格式”->“新建规则”->“使用公式确定要设置格式的单元格”。第三步，写公式。如果希望“当A2非空时，整行变浅灰”，公式是：

=$A2<>""

然后在格式里设置填充色。这样整行只要A列有值就会变色，A列为空的行保持原样。反向操作也常用：把区划代码为空的行标红。公式改成：

=$D2=""

就能把所有缺代码的记录标成红色，方便后续补录。条件格式不会改变数据内容，只是视觉标记，对于动辄上千行的区划表来说比人工看靠谱得多。

4. 用Python批量读写行政区划Excel

4.1 pandas读取Excel：别只在Excel里点来点去

行政区划Excel文件一旦涉及多Sheet、上级代码关联、历史版本对比，纯手工在Excel里操作容易出错。我的选择是用pandas写一次性脚本处理。pandas读取Excel的基础操作很简单，但有几个参数直接影响结果。

import pandas as pd df = pd.read_excel( "行政区划.xlsx", sheet_name="区县级", dtype=str, # 强制所有列按文本读入，防止区划代码丢0 keep_default_na=False, # 不把空单元格自动解释成NaN，保留原文 ) print(df.head())

dtype=str是我最强调的参数。pandas默认会推断类型，6位区划代码一旦被推断成int64，前面的0就丢了，后面再补非常麻烦。用了dtype=str，读进来就是纯文本，处理起来可控很多。

4.2 数据清洗与补全：Python做一次，Excel少忙一年

读取之后，常用的清洗操作包括：去掉名称字段首尾空格、把重复记录标记出来、按上级代码补全缺失层级。比如你拿到了只有区县级代码和名称的Excel，想反推出市级和省级，前提是你手上有一张完整的“代码-层级-名称”映射表，然后做两次merge：

# 假设df是只有区县级代码的数据，code_map是全量代码表 df["市级代码"] = df["区县代码"].str[:4] + "00" df["省级代码"] = df["区县代码"].str[:2] + "0000" df = df.merge( code_map[["代码", "名称"]], left_on="市级代码", right_on="代码", how="left", suffixes=("", "_市") ).rename(columns={"名称": "市级名称"})

这种写法比在Excel里写一堆VLOOKUP要直观得多。而且脚本是可复现的，源文件更新后重新执行一遍就行，手工在Excel里做的话，下个月再来一份新数据又得重新折腾。

4.3 批量写入Excel并保持多Sheet结构

清洗完之后，最理想的结果是输出一个干净的多Sheet Excel文件。用pandas的ExcelWriter很容易实现：

with pd.ExcelWriter("行政区划_清洗版.xlsx", engine="openpyxl") as writer: df_province.to_excel(writer, sheet_name="省级", index=False) df_city.to_excel(writer, sheet_name="市级", index=False) df_district.to_excel(writer, sheet_name="区县级", index=False) df_town.to_excel(writer, sheet_name="乡镇街道级", index=False)

engine="openpyxl"这一步对xlsx格式是必需的，需要对已有样式或Sheet做追加时也用它。写入时加index=False，不然会多出一列无意义的索引。输出之后先别急着关闭文件，再用Python读一遍，检查Sheet数量和首行数据，确认没问题再分发给同事。

4.4 Python处理Excel的边界：什么时候该用Excel函数

Python处理Excel虽然强，但不是所有场景都合适。比如在业务部门临时要一份筛选报表，领导只要点一下筛选就能继续看数，这时候不要绕道Python，直接在Excel里教他筛选更快。再比如条件格式、数据验证、颜色标记这类可视化格式，pandas写不出来，还是得靠Excel本身或者openpyxl去设置。

我把这个边界总结成一句话：需要一次性清洗、批量合并、跨版本比对时，用Python；需要日常看数、人工校验、做漂亮展示时，用Excel。两者搭配着来，比一味追求“全自动化”更高效。

5. 行政区划Excel与常用工具联动

5.1 Excel点转SHP：让区划数据走地图可视化

很多做GIS的人都有这种需求：手里一份行政区划Excel，里面有区划名称和经纬度坐标，想把它变成点图层，再叠加到底图上。常用的GIS工具支持从Excel读入点数据，但导入时经常会遇到字段类型不符合预期的问题。经纬度列如果是文本格式，坐标可能没法被正确识别为数值，导致点落到奇怪的位置。

我的做法是先在Excel里把经纬度列用“分列”功能强制转成数值，或者用VALUE函数包一层。

=VALUE(trim(A2))

转换完确认没有#VALUE!错误，再另存为xlsx导入GIS工具。导入时注意坐标系选择，一般用常用的地理坐标系，经纬度是基于WGS84还是其他椭球体要弄清楚，不然点位会有几百米的偏移。此外，GIS工具要求点数据的x是经度、y是纬度，千万别把列对应反了，这种错误最隐蔽，看起来能显示，实际位置全错。

5.2 Excel导入数据库：这是数据联查的前提

行政区划Excel在很多项目里不是终点，是基础资料表。我经常要做的事，是把它导入MySQL或者PostgreSQL，然后业务表通过区划代码关联它来做联查统计。导入之前建议先把Excel里所有的表头改成英文字段名，因为导入工具对中文表头兼容性参差不齐。这里给一个MySQL导入的思路，先用pandas把Excel读取出来，再批量生成INSERT语句。

import pymysql conn = pymysql.connect(host="localhost", user="root", password="***", database="test") cursor = conn.cursor() for idx, row in df_district.iterrows(): cursor.execute( "INSERT INTO t_district (code, province, city, district) VALUES (%s, %s, %s, %s)", (row["区划代码"], row["省级名称"], row["市级名称"], row["区县名称"]), ) conn.commit()

导入完要做的第一件事，不是急着联查，而是跑几条核对SQL，例如统计每个省份的区县数量是否和Excel透视表一致。这能及时发现导入过程中编码错乱、换行符吃掉字段这类问题。

5.3 从Excel转到Markdown表格：写文档不再复制粘贴粘贴乱

写技术文档时，经常需要把行政区划Excel里的部分数据贴进Markdown表格。直接复制单元格再粘贴到Markdown编辑器里，格式往往一塌糊涂。我推荐两种方式。小范围数据用在线表格转换工具，把Excel区域复制进去，点一下转换成Markdown格式；大范围或者要自动化时，用pandas直接输出成Markdown表格：

print(df_district.head(20).to_markdown(index=False))

这样得到的表格干净、对齐，写进文档不用再手工调格式。反过来，从Markdown表格转换回Excel也常见。写技术方案时同事给了一个Markdown表格，想要转成xlsx，用pandas的read_markdown配合ExcelWriter就能实现。这种转换类的活儿，用Python脚本做一遍，以后还能复用。

5.4 下载Excel文件后的Mac版注意事项

如果你是Mac用户，双击xlsx文件默认会用Numbers打开，这会导致部分函数公式或条件格式显示不一致。我建议装一个Microsoft Excel for Mac，或者至少用在线版的Excel来兼容。另外，Mac上Excel的快捷键和Windows不完全相同，比如筛选快捷键是组合键不同，习惯了Windows操作的人刚切过去有点难受。处理行政区划数据这种需要频繁做筛选、去重、分列的场景，我建议主力数据清洗还是放在Windows环境或者直接用Python脚本，Mac上的Excel适合做展示和轻量修改。

6. 行政区划Excel高频问题排查实录

6.1 Excel不能复制粘贴，怎么破

处理区划数据时，经常从网页或其他Excel文件复制内容，结果粘贴过去没反应，或者只粘贴成纯文本、格式全丢。这种情况多数是Excel的剪贴板状态出问题了。第一步先按一次Esc键，取消某些插件或剪贴板霸屏状态。第二步检查Excel设置里“高级”选项卡下“剪贴板”相关选项，确保“粘贴时显示粘贴选项按钮”是开启状态。第三步，如果还是不行，彻底退出Excel再重启，一般能恢复。如果是跨软件复制，比如从浏览器复制表格到Excel，建议先用“选择性粘贴”里的“文本”或“Unicode文本”过渡一下，格式问题后补。

6.2 每次打开Excel就进安全模式，加载项被禁用了

有段时间我每次打开Excel都会弹“上次启动失败，是否以安全模式启动”，点否也照样进。后来排查发现是一个旧版插件导致启动时崩溃。解决方法是：在“文件”->“选项”->“加载项”里，把非官方的加载项全禁用，然后逐个启用测试。常见的问题是加载项被禁用后，某些按钮消失，比如“Power Query”选项卡没了，你加载Excel文件时就少了数据清洗入口。要恢复就在“COM加载项”里勾选对应项。这里提醒一句，网上有些“加载项合集”来源不明，装了之后可能导致Excel反复出问题，能不用就不用。

6.3 文件打开提示密码保护，怎么办

下载到的行政区划Excel如果带密码保护，可以使用“打开密码”功能里的“只读推荐”方式试试直接打开。有些文件只是设置成“建议只读”，并不是真的加密，可以直接用“另存为”后去掉只读属性。如果真的遇到加密文件且没有密码，不要随便下载来路不明的破解工具，我试过一次，文件没解开，电脑倒是中了全家桶。正确做法是找文件的原始发布者要密码，或者换一个数据源。行政区划数据本身是公开资料，正规渠道提供的基本不需要密码。

6.4 导入Excel时区划代码精度丢失

这是最容易翻车的一类问题。Excel帮你把6位数字格式的区划代码在视觉上缩短了，或者导入数据库时被自动转成了浮点数。处理方式有几种。Excel内输入代码前把目标列设置成文本；用撇号前缀强制文本，比如输入'110101；导入数据库时用LOAD DATA并且给字段设置成CHAR类型。最保险的是在Excel里加一列辅助列，用TEXT函数把数值列转成文本列：

=TEXT(A2,"000000")

这样无论原来A列的数值长什么样，都会被格式化成6位文本。这个方法在处理“身份证号”“邮政编码”“区划代码”时都是同样的套路。

6.5 Excel快速定位：Ctrl+G在长表里找数据

区划Excel动辄几千行，手工滚动查找效率太低。用快捷键Ctrl+G可以调出“定位”对话框，输入单元格地址直接跳转。比如想跳转到AQ列的中间位置，输入AQ500后回车就行。定位还有一个功能很好用：选中整个数据区域后，按Ctrl+G，点击“定位条件”->“空值”，Excel会一下子选中区域内所有空白单元格，你可以在同一个位置输入“待补充”并按Ctrl+Enter批量填充。这个操作在处理缺失的区划名称时效率极高。

7. 数据更新与长期维护的几点体会

行政区划数据有一个很反直觉的特点：表面上每年只更新一次，但某几个县区的代码和隶属关系可能在当年就发生变化。我做业务报表时遇到过这种情况：上半年用的区划表和下半年对不齐，分析结果出现了“凭空消失”的区域。后来养成一个习惯，每次拿到新发布版本，都会做一次“版本差异对比”，看看新增了哪些代码、撤销了哪些代码、名称有没有调整。这个对比用Excel的VLOOKUP或Python的merge都可以做，关键是要把旧版本存档，不能直接覆盖。

另一个体会是：行政区划Excel一定要保留一份“原始版”和一份“工作版”。原始版是下载下来不动的底稿，工作版可以在上面改格式、加字段、做关联。这样就算工作版被折腾坏了，重新从原始版来一遍也就几分钟的事。我见过很多人直接在一个下载下来的文件上改来改去，最终改到数据错乱，再想回头已经找不到原文件了。

最后再分享一个小技巧：给区划Excel加上“最后核对日期”这个标记字段。不管是自己用还是发给同事，别人拿到文件时能直观看到这份数据是否还有效。我自己维护的区划Excel里，会在文件名的末尾加上版本日期，比如“行政区划_区县级_2025v1.xlsx”。数据这种事，版本管理做好了，能省掉后面一堆数据口径争吵。