企业官网建设流程全解析

简介：这份2004年中国行政区划Shapefile数据集面向历史地理研究、社会经济分析及地图制图人员，提供省、地级市、县三级行政边界的矢量记录，可用于GIS空间分析、历史区划复原与专题图制作。压缩包共21个文件，约6.92MB，以shp、dbf、prj、shx、sbn、sbx及xml为主：shp承载行政边界几何，dbf存储名称、代码、人口、面积等属性，prj定义空间参考系，shx与sbn/sbx为空间索引以提升读取效率，xml记录元数据。已有438人学习下载。需注意该数据为2004年版本，与现行区划存在差异，部分地级市名称已变更，海南省个别地级市当时尚未纳入，使用时宜结合更新数据校正。资源可与ArcGIS、QGIS等软件兼容，便于叠加人口、经济指标开展历史空间分布与变化趋势分析，适合作为历史区划研究的基础底图与教学演示素材。

1. 2004 版行政区划 shp 到底能干什么：先看清它的边界

手里有一份 2004 年的中国行政区划 shp 文件，很多人第一反应是“太老了，还能用吗”。这个问题得拆开看。行政区划数据不是地图底图，它的价值在于“某一时刻的行政边界快照”——省、市、县三级界线、行政代码、名称，全部固化在 2004 年那个时间点上。你要做的是历史对比、教学演示、老数据回溯、或者给一批 2004 年前后的统计年鉴配空间底图，这份数据就是对的；你要做的是当前行政区划查询、最新邮编匹配、实时区县变更追踪，它一定翻车。所以第一件事不是打开 ArcGIS 看效果，而是想清楚你的分析时间锚点在哪一年。这份资源适合做空间分析入门、历史行政区划研究、老统计资料可视化的人，也适合需要一份“干净、结构简单、字段少”的 shp 来练手 GIS 流程的从业者。它不适合拿来做现势性要求高的业务系统底图，这一点先立住，后面所有操作才有意义。

2. 把 shp 读进工作流：字段、坐标系与编码三件事

2.1 先验字段结构，别急着画图

拿到一个 shp 压缩包，我一般不会直接双击打开。先解压，看目录里是不是完整的.shp、.shx、.dbf、.prj四件套。2004 年前后的行政区划数据，常见字段就那么几个：省级名称、地市名称、县级名称、行政区划代码，有的版本还会带一个面积字段。字段名可能是英文缩写，也可能是拼音，甚至直接是中文，这取决于当年制作者的导出习惯。用 Python 的geopandas先读一遍，把字段名、数据类型、记录数打出来，比在软件里点属性表快得多。

import geopandas as gpd # 读取 shp，注意指定编码，2004 年前后的 dbf 常见 GBK gdf = gpd.read_file("china_admin_2004.shp", encoding="gbk") print("记录数:", len(gdf)) print("字段列表:", list(gdf.columns)) print("几何类型:", gdf.geom_type.unique()) print("坐标系:", gdf.crs) print(gdf.head(3))

这段代码的重点不在读，而在“验”。记录数能告诉你这份数据是省级、市级还是县级粒度；geom_type如果混着Polygon和MultiPolygon，说明有些行政区被拆成了多部件，后面做面积统计或空间连接时要先统一；crs如果是None，说明.prj缺失或没被识别，那就得手动补坐标系，否则量出来的面积全是错的。字段名如果是乱码，八成是编码问题，gbk不行就换gb18030再试，别硬改字段。

2.2 坐标系这件事，2004 年的数据大概率没有 .prj

这是血泪经验里最常见的一条。早年流出的行政区划 shp，很多只给了几何，没给投影文件。你打开一看图形是正常的，因为经纬度坐标本身就能画出来，但一旦做缓冲区、算面积、做距离分析，单位就变成了“度”，结果毫无意义。判断方法很简单：看坐标数值范围。经度在 73 到 135 之间、纬度在 3 到 54 之间，基本可以确定是 WGS84 地理坐标系。确认之后，第一件事是补上 CRS，再做投影转换。

# 若 crs 为空，先按经纬度补 WGS84 if gdf.crs is None: gdf = gdf.set_crs("EPSG:4326") # 转成适合全国尺度面积统计的等积投影（Albers） gdf_albers = gdf.to_crs("EPSG:3857") # 仅作快速预览 gdf_area = gdf.to_crs("+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +datum=WGS84 +units=m") gdf_area["area_km2"] = gdf_area.geometry.area / 1e6

这里EPSG:3857只适合看图形，不适合算面积，因为它在高纬度会严重变形。真正做全国面积统计，常见做法是 Albers 等积投影，中央经线取 105 度，标准纬线取 25 和 47，这套参数在国内区域分析里用得很多。参数不是死的，你做省级以下分析时可以把中央经线调到所在省的中部，变形会更小。补完 CRS 再算面积，和直接拿经纬度算，结果能差出百分之几十，这不是玄学，是投影的锅。

2.3 编码与名称字段的清洗顺序

2004 版数据里，行政区划代码通常是 6 位或 12 位。6 位是县及县以上常用的编码结构，前两位省、中间两位市、后两位县。但老数据经常出现代码位数不齐、名称带空格、名称里混着“市辖区”“省直辖县级行政区划”这类占位名的情况。清洗顺序我一般固定为：先去空格，再统一代码为字符串并补零，最后处理占位名称。

# 代码统一为 6 位字符串，避免前导零丢失 gdf["code"] = gdf["code"].astype(str).str.strip().str.zfill(6) # 名称去空格，占位名单独标记 gdf["name"] = gdf["name"].astype(str).str.strip() placeholder = gdf["name"].str.contains("市辖区|省直辖|自治区直辖", na=False) print("占位名称记录数:", placeholder.sum())

补零这一步特别容易翻车。如果代码列被读成整数，110101会变成110101没问题，但010101这种前导零直接消失，后面按代码关联统计年鉴就对不上。统一转字符串再zfill(6)是最稳的。占位名称不要急着删，先标记出来，因为它们在省级汇总时往往需要合并回上级，删了反而丢面积。

3. 从 shp 到可用底图：分级汇总与空间连接

3.1 省、市、县三级怎么拆

一份县级粒度的 shp，本身就能往上汇总出市级和省级。做法不是重新找数据，而是按代码前缀分组做几何融合。6 位代码里前两位是省，前四位是市，用dissolve按前缀合并，比手工选要素靠谱得多。这里要注意，融合会丢掉原始字段，所以融合前先把需要保留的名称字段整理好。

# 省级：按代码前两位融合 gdf["prov_code"] = gdf["code"].str[:2] prov = gdf.dissolve(by="prov_code", aggfunc={"name": "first"}).reset_index() # 市级：按代码前四位融合 gdf["city_code"] = gdf["code"].str[:4] city = gdf.dissolve(by="city_code", aggfunc={"name": "first"}).reset_index() print("省级要素数:", len(prov), "市级要素数:", len(city))

dissolve的aggfunc决定融合后保留哪个名称，用first只是取组内第一条，严格说应该按行政级别取上级名称，但 2004 版数据里县级名称字段未必带上级全称，所以更稳的做法是融合后单独维护一张代码到名称的对照表。省级要素数可以用来做一次 sanity check：2004 年前后省级单元数量是固定的，如果融合出来多出几个，多半是代码前缀有异常值，比如代码为空或位数不对，回头查那几条记录就行。

3.2 和统计表格做空间连接时的两个参数

行政区划 shp 最常见的用途，是把一批带行政区代码或名称的统计数据挂到地图上。如果统计表里有标准代码，直接按代码merge，不要用空间连接，因为空间连接在边界调整过的年份容易把点落到隔壁县。只有统计表里只有点位坐标、没有行政代码时，才用sjoin。用sjoin时两个参数必须想清楚：predicate选within还是intersects，how选left还是inner。

# 统计表带代码：直接属性连接 stats = gpd.read_file("stats_2004.csv") # 假设含 code 列 merged = gdf.merge(stats, on="code", how="left") # 只有点位：空间连接，点必须落在面内 points = gpd.read_file("points.shp").to_crs(gdf.crs) joined = gpd.sjoin(points, gdf[["code", "name", "geometry"]], how="left", predicate="within")

predicate="within"要求点严格落在面内部，边界上的点会被判为不匹配；intersects则把边界点也算进去。做行政区归属时我一般用within，因为边界点归属本身就有歧义，宁可留空也不要错挂。how="left"保证没匹配上的点也保留，方便你回头查是坐标偏了还是行政区缺失。连接完先看index_right的空值比例，空太多说明坐标系没对齐，这是比字段错误更隐蔽的坑。

3.3 导出前的几何有效性检查

老 shp 的几何问题比新数据多，自相交、重复点、零面积多边形都可能出现。导出成 GeoJSON 或入库之前，跑一遍is_valid，把无效几何单独拎出来修。buffer(0)是常用的修复手段，但它会改变几何形状，只适合做展示底图，不适合做精确面积统计。

invalid = gdf[~gdf.geometry.is_valid] print("无效几何数:", len(invalid)) # 展示用途可尝试 buffer(0) 修复 gdf_fixed = gdf.copy() gdf_fixed["geometry"] = gdf_fixed.geometry.buffer(0) print("修复后无效数:", (~gdf_fixed.geometry.is_valid).sum())

修复前后都要记录数量，修复后如果还有无效的，说明问题不是简单自相交，可能是环方向错误或坐标精度问题，这时候别硬修，单独导出那几条人工看。导出格式上，shp 有字段名长度限制，中文名容易截断，做 Web 底图时转 GeoJSON 或 GeoPackage 更省心，字段名提前改成英文短名。

4. 避坑清单：这份 2004 数据最容易翻车的五个地方

4.1 现象：面积算出来比实际大好几倍

原因几乎都是没做投影转换，直接拿经纬度坐标算面积，单位是“平方度”。解决方法是先确认 CRS，再转 Albers 等积投影后计算，参数按分析范围调整，全国尺度用中央经线 105 度那套，省级以下可以换本地中央经线。

4.2 现象：按代码关联统计表，匹配率不到一半

原因通常是代码列被读成整数导致前导零丢失，或者统计表代码是 12 位而 shp 是 6 位。解决方法是两边都统一转字符串、去空格、按较短位数截取后再关联，关联前先各打印前十条对比格式，别等 merge 完才发现对不上。

4.3 现象：地图上某些县缺一块或者多一块

原因是原始数据里存在多部件几何，或者相邻行政区边界不共享、有缝隙重叠。解决方法是先explode拆多部件看分布，再用unary_union检查重叠，展示用途可以接受微小缝隙，做面积汇总时必须先做拓扑修复，否则汇总面积对不上统计口径。

4.4 现象：中文属性在 QGIS 里显示乱码

原因是 dbf 编码和软件默认编码不一致，2004 年前后的数据多为 GBK。解决方法是在读取时显式指定encoding="gbk"，QGIS 里在图层属性中改数据源编码，导出时统一转 UTF-8，别在乱码状态下直接改字段值，改完再转码会二次损坏。

4.5 现象：空间连接后大量点匹配不到行政区

原因多半是点位坐标系和 shp 坐标系不一致，或者 shp 本身 CRS 缺失导致to_crs没生效。解决方法是连接前分别打印两者的crs和坐标范围，确认都在同一经纬度区间后再做sjoin，匹配不上的点单独导出看落点，别直接丢。

5. 进阶用法：把 2004 版当成时间切片做对比分析

这份数据真正有意思的用法，不是单独看，而是当成一个时间切片，和另一年份的行政区划数据做对比。做法上，先把两个年份的数据都统一到同一投影、同一代码位数，然后按代码做外连接，用几何差异判断边界是否变化。代码能对上的，比较几何是否完全一致；代码对不上的，说明期间发生了撤并或新增，这部分单独列出来人工核对。对比结果不要只看数量，要看空间分布——哪些区域调整密集，往往和当年的区划调整节奏有关。

# 假设 gdf_2004 与 gdf_other 均已统一 CRS 和 6 位代码 cmp = gdf_2004[["code", "name", "geometry"]].merge( gdf_other[["code", "name", "geometry"]], on="code", how="outer", suffixes=("_04", "_xx"), indicator=True ) print(cmp["_merge"].value_counts()) # 两边都有的，比较几何是否一致 both = cmp[cmp["_merge"] == "both"].copy() both["same_geom"] = both.apply( lambda r: r["geometry_04"].equals(r["geometry_xx"]), axis=1 ) print("几何未变数量:", both["same_geom"].sum())

indicator=True会生成_merge列，left_only和right_only就是两个年份之间新增或消失的单元，这部分是区划调整的核心线索。equals比较的是几何是否完全一致，精度差异也会被判为不同，所以实际用的时候可以先做一次坐标精度截断，或者用面积差比例做阈值判断，别被浮点误差带偏。对比结果导出成表，配上变化前后的名称，就是一份能直接看的区划变更清单。

我自己的习惯是，每次拿到年份较早的行政区划数据，先跑一遍 CRS 检查、代码补零、几何有效性这三步，再谈任何分析。这三步不过，后面画出来的图再漂亮也是错的。这份 2004 版 shp 的价值不在“新”，而在“准地定格了一个时间点”，用对场景、把住坐标系和编码两道关，它能撑起不少历史空间分析的需求。希望帮到你。

本文还有配套的精品资源，点击获取