企业官网建设流程全解析

简介：这份2020年中国省、市、县三级行政区划矢量图，面向地理信息、城乡规划、数据统计及科研教学等领域的从业者与学习者，用于解决全国行政边界精确获取与空间分析的问题。压缩包共25个文件，约71.64MB，以shp、shx、dbf、prj、sbn、sbx、cpg、xml等Shapefile标准格式为主，分别承载几何边界、属性数据、空间索引、坐标参考与元数据信息，可直接被ArcGIS、QGIS等软件读取。目前已有3453人学习下载，说明其在同类数据中具备较高认可度。借助这套数据，读者可完成区域划分、缓冲区分析、人口密度计算等空间操作，也能为公共服务设施布局、地区发展差异研究、市场分析与选址决策提供底图支撑，是理解中国地理与社会结构的一份实用基础资料。

1. 2020中国省、市、县三级行政区划矢量图：从一份zip到一套能用的底图

做数据可视化或空间分析的人，迟早会撞上一个需求：把业务数据按行政区划落到地图上。销售按省汇总、门店按市分布、网点按县铺开，这时候你需要的不是一张好看的图片，而是一份能参与计算的矢量边界。2020中国省、市、县三级行政区划矢量图.zip 这类资源，解决的正是这个问题——它把全国三级行政单元的边界打包成矢量文件，让你能在 QGIS、ArcGIS、GeoPandas 里直接加载、裁剪、关联属性。适合谁？做区域报表的 BI 工程师、跑选址模型的数据分析师、写论文需要出图的研究生，以及任何被“给我一张能点选的地图”需求追着跑的人。但拿到 zip 只是开始，真正决定它能不能用的，是坐标系、字段结构、层级编码和拓扑质量这四件事。

2. 拆开这份矢量包：三级边界到底存了什么

2.1 省、市、县三级在矢量文件里怎么组织

一份标准的行政区划矢量包，通常有两种组织方式。第一种是三个独立图层：省界一个文件、市界一个文件、县界一个文件，各自带自己的属性表。第二种是一个图层里用字段区分层级，比如加一列 level，值为 1、2、3 分别代表省、市、县。两种方式没有绝对优劣，但用途不同。做分级设色时，独立图层更省事，直接按图层加载就行；做下钻联动时，单图层加层级字段更方便，前端一次加载、按字段过滤。

我一般会先看文件后缀。Shapefile 是最常见的，一套至少四个文件（.shp、.shx、.dbf、.prj），少一个都读不全。GeoJSON 是单文件，文本格式，方便版本管理和网页直接加载，但全国县级边界动辄几十兆，浏览器里要小心。GeoPackage 是单文件二进制，QGIS 和 GeoPandas 都支持，字段名长度不受限，比 Shapefile 舒服。拿到 zip 先解压，用文件管理器看一眼结构，比直接写代码猜要快。

属性表里最关键的字段是行政区划代码。省代码两位、市代码四位、县代码六位，这是国家标准编码规则。如果这份数据里只有名称没有代码，后面做数据关联会非常痛苦，因为“市辖区”“城区”这类重名在全国能找出几十个。所以第一步永远是确认代码字段在不在、是不是字符串类型。数值类型会把“010”变成“10”，前导零一丢，关联全错。

2.2 坐标系与投影：为什么你的图总是对不上

矢量边界能不能和你的业务数据叠上，九成问题出在坐标系。常见情况是：边界文件用的是地理坐标系（经纬度，单位是度），业务数据是投影坐标系（单位是米），两者直接叠，位置偏到姥姥家。国内常见的坐标系有 WGS84（EPSG:4326）、CGCS2000（EPSG:4490）以及各种地方坐标系。2020 年的数据，大概率是 CGCS2000 或 WGS84，两者在普通可视化精度下差异很小，但如果你要做面积计算，必须投影到等面积坐标系，比如 Albers（EPSG:9822 或自定义参数）。

判断当前坐标系，最直接的办法是看 .prj 文件内容，或者用 GeoPandas 读进来打印 crs 属性。如果 crs 是 None，说明文件没带投影信息，你得自己判断。一个土办法：看坐标数值范围。经度在 73 到 135 之间、纬度在 3 到 54 之间，那就是经纬度；如果数值是几十万、几百万，那就是投影坐标。判断错了，后面所有空间操作都是白费。

提示：不要假设 zip 里的 .prj 一定正确。我见过把 WGS84 的边界标成 CGCS2000 的包，差异虽小，但在做高精度叠加时会露馅。

2.3 用 GeoPandas 读进来先做三件事

拿到数据别急着画图，先做体检。下面这段代码是我每次拿到新矢量包都会跑的，检查坐标系、字段和几何有效性。

import geopandas as gpd # 读取县界图层，具体文件名按实际解压结果改 gdf = gpd.read_file("county_2020.shp", encoding="utf-8") # 第一件事：看坐标系 print("CRS:", gdf.crs) # 第二件事：看字段和类型 print(gdf.dtypes) print(gdf.head(3)) # 第三件事：检查几何有效性 invalid = gdf[~gdf.geometry.is_valid] print("无效几何数量:", len(invalid)) if len(invalid) > 0: print(invalid[["name", "code"]].head())

这段代码的逻辑很直白：crs 告诉你坐标系，dtypes 告诉你代码字段是不是字符串，is_valid 告诉你有没有自相交、悬挂节点这类拓扑错误。无效几何不一定会让程序报错，但会在裁剪、求交时产生诡异结果，比如面积算出来是负的、叠加后出现碎片。发现无效几何，可以用 buffer(0) 做一次修复，但修复后要重新检查面积变化。

参数上唯一要注意的是 encoding。Shapefile 的 .dbf 文件编码可能是 GBK、UTF-8 或 Latin1，读出来乱码就换一个试。GeoPandas 默认用 UTF-8，遇到中文乱码时显式指定 encoding="gbk" 往往能解决。

3. 把边界用起来：关联业务数据的完整链路

3.1 行政区划代码的清洗与对齐

矢量边界只有地理信息，业务价值来自关联。关联的钥匙就是行政区划代码。但现实里，业务系统里的代码往往不干净：有的带省市区后缀，有的位数不对，有的用名称代替代码。清洗的目标是让两边代码字段类型一致、位数一致、格式一致。

常见做法是统一转成六位字符串，省级补零到六位（比如“110000”），市级补零到六位（“110100”），县级本身就是六位。如果业务数据只有名称，那就得先做名称到代码的映射，这一步没有捷径，只能靠一份标准的区划代码表做左连接。注意名称里的“市辖区”“省直辖县级行政区划”这类特殊值，直接匹配往往失败，需要单独处理。

import pandas as pd # 假设业务数据里有一列 region_code biz = pd.read_csv("sales.csv", dtype={"region_code": str}) # 统一补零到六位 biz["region_code"] = biz["region_code"].str.zfill(6) # 矢量数据里的代码也转字符串并补零 gdf["code"] = gdf["code"].astype(str).str.zfill(6) # 左连接，把业务数据挂到边界上 merged = gdf.merge(biz, left_on="code", right_on="region_code", how="left") # 检查匹配率 match_rate = merged["region_code"].notna().mean() print(f"匹配率: {match_rate:.2%}")

逻辑说明：zfill(6) 保证两边位数一致，astype(str) 避免数值类型丢前导零。merge 用左连接，保证边界完整，业务数据缺失的单元显示为空。匹配率低于 90% 就说明代码体系有问题，得回去查是年份版本不一致还是编码规则不同。参数上，how="left" 是默认推荐，除非你只想保留有业务的区域。

3.2 按省、市、县聚合的三种写法

关联完成后，聚合方式取决于你的分析层级。按省聚合，用省代码前两位分组；按市聚合，用前四位；按县聚合，用六位。如果矢量包是单图层带层级字段，直接按 level 过滤再分组。如果是三个独立图层，就分别加载、分别聚合。

# 按省聚合：取代码前两位 gdf["prov_code"] = gdf["code"].str[:2] prov_summary = merged.groupby("prov_code").agg( total_sales=("sales", "sum"), store_count=("store_id", "nunique") ).reset_index() # 按市聚合：取代码前四位 gdf["city_code"] = gdf["code"].str[:4] city_summary = merged.groupby("city_code").agg( total_sales=("sales", "sum") ).reset_index()

这里的关键参数是 str[:2] 和 str[:4]，前提是代码已经补零到六位。如果代码是数值类型，切片会报错，所以前面转字符串这一步不能省。聚合后的结果要再关联回对应的边界图层才能出图，省界关联 prov_code，市界关联 city_code。

3.3 出图前的裁剪与简化

全国县级边界数据量大，直接出图又慢又卡。两个优化手段：裁剪和简化。裁剪是只保留你关心的区域，比如只做华东地区，就用一个矩形或省界做 clip。简化是减少节点数量，用 simplify 方法，容差根据出图比例尺定。容差太大边界会变形，太小起不到加速作用。

# 裁剪到华东区域（假设有一个华东的边界） east_china = gdf[gdf["prov_code"].isin(["31", "32", "33", "34", "35", "36", "37"])] # 简化几何，容差 0.01 度约等于 1 公里 east_china["geometry"] = east_china["geometry"].simplify(0.01, preserve_topology=True) # 出图 east_china.plot(column="total_sales", legend=True, figsize=(12, 8))

simplify 的容差单位跟坐标系一致，经纬度下 0.01 度大约是 1 公里。preserve_topology=True 保证简化后不会出现自相交。如果只是网页展示，简化到 0.05 度也够用；如果要打印出版，0.001 度更稳妥。裁剪和简化的顺序建议先裁剪后简化，减少计算量。

4. 避坑与排查：矢量边界翻车的五个现场

4.1 现象：地图整体偏移几百米

原因：坐标系判断错误，或者 .prj 文件缺失导致软件用了默认坐标系。最常见的是把 CGCS2000 当成 WGS84，虽然差异小，但在高精度底图上会看出来。更严重的是把投影坐标当经纬度，偏移能到几十公里。

解决：先用 GeoPandas 打印 crs，确认 EPSG 代码。如果是 None，根据坐标数值范围判断。确认后统一用 to_crs 转换到目标坐标系。转换前先查清楚源坐标系到底是什么，猜错了转完更偏。

4.2 现象：关联后大量区域业务数据为空

原因：代码字段类型不一致，数值型丢了前导零；或者年份版本不一致，2020 年的边界配了 2019 年的业务代码，部分区划调整导致代码对不上。

解决：两边都转字符串并 zfill(6)，打印未匹配的代码列表，人工核对。如果是版本问题，找一份对应年份的区划代码表做映射，或者用名称做辅助匹配。

4.3 现象：面积计算结果为负或异常大

原因：几何无效，存在自相交或环方向错误；或者用了地理坐标系直接算面积，单位是平方度，没有物理意义。

解决：先检查 is_valid，无效的用 buffer(0) 修复。算面积前必须投影到等面积坐标系，比如 Albers。投影参数根据区域定，全国用中央经线 105 度，分带用 3 度或 6 度。

4.4 现象：简化后边界出现尖刺或空洞

原因：simplify 容差过大，或者 preserve_topology 没开。拓扑保持关闭时，相邻多边形简化后可能出现缝隙或重叠。

解决：减小容差，开启 preserve_topology=True。如果还不行，先做一次 buffer(0) 清理，再简化。相邻边界的简化最好用拓扑感知的工具，比如 mapshaper，它能保证共享边界简化后仍然重合。

4.5 现象：Shapefile 字段名被截断

原因：Shapefile 的 .dbf 字段名限制 10 个字符，中文或长英文名会被截断，导致代码里引用的字段名找不到。

解决：读进来先打印 columns 看实际字段名。如果被截断，要么在读取时重命名，要么换 GeoPackage 格式。我一般会在读取后立刻 rename，把字段名统一成短英文，后面代码更稳。

5. 进阶技巧：让这份底图真正变成你的资产

5.1 用拓扑检查保证相邻边界严丝合缝

省、市、县三级边界理论上应该严格嵌套：县界拼成市界，市界拼成省界。但实际数据里，不同层级可能是分别数字化再合并的，边界对不齐。做下钻联动时，这种不对齐会导致视觉上的缝隙或重叠。检查方法是把县界 dissolve 到市级，再和原始市界做对称差，看差异面积占比。

# 县界融合到市级 county_dissolved = gdf.dissolve(by="city_code") # 加载原始市界 city_original = gpd.read_file("city_2020.shp") # 计算对称差面积 sym_diff = county_dissolved.geometry.symmetric_difference(city_original.geometry) print("对称差总面积:", sym_diff.area.sum())

如果对称差面积接近零，说明嵌套良好；如果明显大于零，说明层级间边界不一致。修复办法是以县级为准，重新融合出市级，替换原始市界。这样保证下钻时边界完全重合。

5.2 把常用操作封装成一个函数

每次拿到新数据都重复体检、清洗、关联，不如封装成一个函数。下面这个函数覆盖了从读取到关联的核心步骤，参数化设计让不同项目都能复用。

def load_and_join(shp_path, biz_df, code_col="code", biz_code_col="region_code"): """ 读取矢量边界并关联业务数据 shp_path: 矢量文件路径 biz_df: 业务数据 DataFrame code_col: 矢量数据里的代码字段名 biz_code_col: 业务数据里的代码字段名 """ gdf = gpd.read_file(shp_path, encoding="utf-8") # 统一代码格式 gdf[code_col] = gdf[code_col].astype(str).str.zfill(6) biz_df[biz_code_col] = biz_df[biz_code_col].astype(str).str.zfill(6) # 检查几何有效性 if not gdf.geometry.is_valid.all(): gdf["geometry"] = gdf["geometry"].buffer(0) # 关联 merged = gdf.merge(biz_df, left_on=code_col, right_on=biz_code_col, how="left") # 打印匹配率 print(f"匹配率: {merged[biz_code_col].notna().mean():.2%}") return merged

这个函数的参数设计考虑了几种常见变体：代码字段名可能不同，业务数据可能来自 CSV 或数据库。返回的 merged 可以直接用于出图或进一步聚合。我一般还会加一个参数控制是否简化，但简化容差因项目而异，就没放进去。

5.3 一个我踩过的坑：别在原始数据上直接改

早期我习惯读进来直接改 geometry 列，做简化、裁剪、修复，改完保存。后来发现原始数据被覆盖了，下次想换个容差重新简化，已经找不到原始边界。血泪经验是：读进来先 copy 一份，所有修改在副本上做，原始文件保持只读。GeoPandas 的 copy() 是深拷贝，几何对象也会复制，不会互相影响。

gdf_raw = gpd.read_file("county_2020.shp") gdf_work = gdf_raw.copy() # 所有操作在 gdf_work 上做

这个习惯看起来简单，但能省下大量重新下载和解压的时间。尤其是这份 2020 中国省、市、县三级行政区划矢量图，解压后文件不小，重新获取的成本比 copy 一下高得多。

最后说一个验证方法：拿几个已知面积的县，比如你熟悉的家乡，用投影后的面积和官方公布面积对比，误差在 1% 以内就说明坐标系和几何都没问题。这个土办法比看任何文档都直接。希望帮到你。

本文还有配套的精品资源，点击获取