企业官网建设流程全解析

最近接了一个数据可视化的活儿，需要一张“全国省级点位分布图”。正愁坐标底子不干净，群里就有人甩了个文件包过来，标题写着“【会员专享数据】2025年全国省份点位数据（shp格式\excel格式）”。我下载完看了一眼，发现不少朋友其实不太清楚这类“会员专享”资源到底该怎么验、怎么换格式、怎么真正用起来，甚至有人直接把Excel里的经纬度复制粘贴到在线地图就算完事，结果出图全是乱点。这篇文章就围绕“全国省份点位数据”这个主题，聊聊SHP和Excel两种格式的内部区别、坐标系踩坑、双向格式转换、实际出图，以及我一直坚持的那套数据体检流程。适合刚接触GIS的开发者、做数据分析但没系统碰过空间数据的朋友，也适合那些手上正好有一份来路不明的点位数据、正在纠结怎么处理的人。

1. 拆开数据包：SHP与Excel到底谁才是“真坐标”

1.1 一份SHP不是“一个文件”，而是一组文件

先说个最基础的坑。很多第一次拿到Shapefile的朋友会发现，自己明明下载的是“shp格式”，解压后却看到一堆乱七八糟的后缀，比如.shp、.shx、.dbf、.prj，甚至还有.sbn、.sbx、.cpg。别慌，这不是发错文件了，而是SHP本身就是“一群文件合体”的格式。

其中真正存几何坐标的是.shp文件；.shx是索引文件，帮软件快速定位几何信息；.dbf是属性表，存的是我们熟悉的“名称”“区划代码”这类非空间字段；.prj则记录坐标系统，这个太关键了，后面单独讲。很多人在网上下了SHP之后，习惯性只把.shp文件拷走，结果同事那边打开就报错“缺少相关文件”，其实缺的就是旁边那几个“跟班”。所以使用SHP时，最好整个文件夹一起打包，不要单独拖一个.shp出来。

Excel格式就直观得多：一个工作簿里通常放着“省份名称”“经度”“纬度”“备注”之类的列，谁都能打开，谁都能改。但缺点也随之而来，Excel只是个表格，不是一个空间数据格式，它本身不知道“经度118、纬度32”这些数字组合起来是一个点，更没法直接做空间分析。很多人以为“Excel里有坐标就等于有了地图数据”，其实只算有了一半。

1.2 字段结构：SHP的属性“藏”在dbf里，Excel则全裸

拿一份典型的“全国省份点位数据”来说，Excel里常见的表头和SHP属性表字段，其实是差不多的：

有一个很常见的问题：Excel打开下载来的CSV或xlsx时，区划代码这种长数字经常被自动转换成科学计数法，比如“110000”变成“1.10E+05”。遇到这种情况，最好先把整列格式设置为“文本”，再粘贴数据。如果你打算把Excel数据导入GIS，也一定要在导入前确认“区划代码”是文本类型，否则后面做连接查询时会非常痛苦。

1.3 拿到文件包之后，怎么快速“扫一眼”

我不会直接双击打开，而是习惯先用文本编辑器或办公软件快速浏览一遍内容，同时用GIS软件做一次图层加载。具体顺序大概是：

1. Excel文件直接打开，看字段、看行数、看是否有合并单元格或空行。合并单元格是GIS导入时最讨厌的东西，一定要先拆掉。
2. SHP文件用某个开源GIS桌面软件（比如QGIS）拖进去，看右下角显示的坐标系统是什么，再看属性表里的字段是否和Excel里一致。
3. 粗看一眼坐标范围，比如经度是否都在73到135之间、纬度是否在18到54之间。如果出现纬度负数或者经度超过180，那基本可以断定这份数据被某些在线地图工具“悄悄换过坐标系”。

这一步花不了五分钟，但能避免后续所有“数据拉出来是歪的”这种莫名其妙的问题。

2. 坐标系：这份数据最容易被忽略的第一道坎

2.1 地理坐标系和投影坐标系，简单说就是“橘皮”和“橘皮展开图”

地图坐标这个问题，很多做业务分析的朋友第一次接触时都容易懵。其实拿橘子打个比方就明白了：地球本身是一个三维球体，我们描述球面上的位置用“经纬度”，这就是地理坐标系；但是纸面屏幕是平面的，要把橘皮摊平，就必须在摊平的过程中做变形，这就产生了投影坐标系。

对于“全国省份点位数据”来说，如果只是展示点的位置，直接用经纬度（地理坐标系）就够了；但如果你想做“两点之间距离多少公里”或者“哪个点落在哪个面里”这类分析，最好还是转成投影坐标系，因为平面上的米制距离和球面上的经纬度距离不是一回事。

2.2 四种绕不开的坐标系：WGS84、CGCS2000、GCJ-02、BD-09

收到一份数据，我第一件事永远是确认它的坐标系。国内常见的几种大概是这样的：

这里要特别提醒：如果你拿到的“2025年全国省份点位数据”是从某个在线地图的接口批量抓下来的，那么经纬度很可能不是WGS84，而是GCJ-02甚至BD-09。把这种坐标原封不动导进GIS，去跟公开底图叠加，就会发现自己手上的点整体偏移了几百米到一千米，而且偏移方向还不固定。很多做“全国点位图”的人，最后图做得难看，十有八九不是技法问题，而是坐标系没对齐。

2.3 怎么判断手里的数据是什么坐标系

判断坐标系有几个实用招数：

1. 看SHP里的.prj文件。用文本编辑器打开，如果里面有“GCS_WGS_1984”“D_WGS_1984”字样，就是WGS84；如果出现“GCS_China_Geodetic_Coordinate_System_2000”“CGCS2000”就是国家2000坐标系。
2. 如果只有Excel，没有旁证，那就用交叉验证：随机抽几个点位，跟某个确定是WGS84的公开底图叠加，看是否重合。如果整体偏移几百米，且网上查不到任何说明，多半是GCJ-02，需要做坐标纠偏。
3. 看数据的字段描述。正规数据源通常会写明“坐标系：CGCS2000地理坐标系”；如果写“国测局坐标”“火星坐标”，那基本就是GCJ-02。

我自己处理民间抓取的数据，习惯先默认它是GCJ-02，然后用脚本把坐标转回WGS84再做入库。这样后续用到任何标准GIS底图都不会出大问题。坐标转换的算法在开源社区已经有很成熟的计算方式，网上随便一搜都能找到，我这里就不贴大段公式了，重点是要有这个意识。

2.4 坐标偏移的典型表现与规避

举一个我这边的真实排查过程。A同学拿着Excel点位表导进GIS，叠加公开行政区划边界图，发现所有点都落在真实位置的东南方向约500米处。一开始他以为是底图配错了，换了好几套底图都一样，最后我让他先随便挑一个点位拿到在线地图里反查，结果发现点位坐标本身就和实际位置对不上。问题不是出在出图环节，而是出在数据生成端——他的坐标是直接从某在线地图拾取器里拷的，那套工具输出的就是偏移坐标。

所以，规避的方法很简单：拿到数据别急着画图，先做一次“坐标真实性抽查”。排查坐标的问题远比学习操作软件重要，这一步不做，后面所有的分析都是建立在错位数据上的。

3. Excel坐标表转SHP：从“表格数据”到“空间数据”的实操路线

3.1 为什么非转不可

Excel坐标表可以看、可以筛、可以算平均值，但它毕竟不是空间数据。GIS软件没法拿一张Excel表直接做“点在面内”的判断，也没法直接给你出渲染图。真正的矢量图层是一个带有空间引用的几何集合，SHP就是最常见的载体。所以当你需要做专题图、做缓冲分析、做空间连接时，把Excel转成SHP是绕不过去的一步。

3.2 用开源GIS桌面软件转，五分钟搞定

这里我以某开源GIS桌面软件（QGIS）为例，完整跑一遍：

1. 准备一份干净的表格。表头尽量简单，比如“名称,经度,纬度,区划代码”，不要有中文括号、不要有单位（“118度”这种写法最要命），经纬度必须是数值列。
2. 点击“图层 -> 添加图层 -> 添加分隔文本图层”，选择你的CSV或Excel文件。
3. 在“几何定义”区域中，分别指定X字段为经度列、Y字段为纬度列。几何类型通常选“点”。
4. 最关键的一步：指定坐标系。如果你的经纬度是WGS84，选EPSG:4326；如果是国测局坐标，先转成4326再继续。这里选错，后面全白干。
5. 点击添加之后，图上应该会出现一组点。随便点一个点，右键看属性，确认坐标对得上。
6. 右键刚加载的临时图层，选“导出 -> 要素另存为”，格式选ESRI Shapefile，文件名和保存路径都尽量不要用中文和空格，编码推荐UTF-8。

有些版本导入Excel需要先另存为CSV，这个不影响，注意CSV保存时用UTF-8编码即可。

3.3 中文乱码和字段类型，两个高频翻车点

很多朋友在导出SHP后，用GIS软件重新打开，发现属性表里的中文全变成了“鏄煶”“鍖椾含”这类乱码。这不是数据坏了，而是编码设置问题。SHP的dbf文件对中文编码非常敏感，处理时尽量统一采用UTF-8编码。如果老项目里的旧文件是GBK编码，打开时也要手动指定。

另外一个高频问题：某些CSV的经纬度列如果被Excel保存成了文本格式，导入时QGIS会把X、Y识别成字符串，然后报错“无效的几何”。解决方法是先在表格工具里把经纬度列转成“数值”格式，或者用公式“=VALUE(B2)”重建一列纯数字。

3.4 用代码批量处理：Python + geopandas版本

如果只是转一两个文件，图形界面就够了。但如果你每个月都要处理更新版的点位数据，我建议学会用Python自己做。下面给一段我常用的入门级转换代码，注释已经写得很清楚了：

import pandas as pd import geopandas as gpd from shapely.geometry import Point # 读取Excel中的点位表 df = pd.read_excel("省份示例.xlsx", dtype={"区划代码": str}) # 把经纬度列转换为几何对象 geometry = [Point(x, y) for x, y in zip(df["经度"], df["纬度"])] # 构造GeoDataFrame，并指定坐标系为WGS84（EPSG:4326） gdf = gpd.GeoDataFrame(df, geometry=geometry, crs="EPSG:4326") # 导出为Shapefile gdf.to_file("省份示例.shp", encoding="utf-8")

可以看到，整个过程其实就四步：读取、创建几何、指定坐标系、导出。geopandas在背后把SHP那套“多文件结构”封装好了，导出之后目录里同样会出现.shp、.dbf等一组文件，这是正常的。

4. 反向操作：SHP属性表转到Excel，以及字段整理技巧

4.1 什么时候需要“从SHP到Excel”

转换不是单向的，我们经常也需要把SHP里的属性表抽出来给业务同事看。比如做完了空间分析，把“某省点位是否落在某区域范围内”这个判断结果，汇总成Excel报表给运营团队；又比如要把数据进行多轮核实，直接发SHP给不懂GIS的同事，对方根本打不开，这时就需要导出Excel。

4.2 图形化操作：导出CSV与Excel的注意点

在GIS软件里右键图层，选“导出 -> 要素另存为”，格式下拉菜单里选CSV，就能把属性表导出来。但这里有个老坑：默认导出的CSV是UTF-8编码，老版本Excel打开直接乱码。解决办法是导出时在“文件编码”选项里选“UTF-8 with BOM”，或者导出后用文本编辑器把文件另存为带BOM的UTF-8。新版本Excel对UTF-8的兼容性已经好多了，但很多公司用的还是旧版，依然建议用带BOM的方式。

如果你需要直接导出真正的.xlsx格式，可以借助“另存为”对话框里的“MS Office Open XML”格式（不同版本名称略有差异），或者干脆用代码转。

4.3 用代码导出Excel，字段精度可控

用Python导出的好处是，可以对字段做精细处理。比如经纬度要保留几位小数、区划代码要不要补前导零、null值要不要填成空字符串，这些都可以在导出前统一控制。

import geopandas as gpd # 读取SHP gdf = gpd.read_file("省份示例.shp", encoding="utf-8") # 把几何的XY坐标单独提取出来，方便表格查看 gdf["经度"] = gdf.geometry.apply(lambda p: round(p.x, 6)) gdf["纬度"] = gdf.geometry.apply(lambda p: round(p.y, 6)) # 删掉几何列，只保留属性字段，导出Excel df = gdf.drop("geometry", axis=1) df.to_excel("省份点位汇总.xlsx", index=False)

字段里如果存了12位区划代码，用Excel打开可能又出现科学计数法，我在导出时习惯先把代码列转成字符串。这一步最好在导出前完成，不然交付出去又是一堆“1.10E+05”。

4.4 坐标精度到底保留几位

这算是一个细节经验。经纬度不同小数位数对应的精度大概是这样的：

对“全国省份点位数据”这种尺度，6位小数绰绰有余，导出时用round保留6位就够，没必要为了显示精度凭空增加数字位数，反而不利于数据量大的时候压缩存储。

5. 把点位数据用起来：出一张能看的省份分布图

5.1 点提出来之后，先叠加公开的行政边界底图

点位数据转成SHP并确认坐标系正确后，最基础的应用就是出“省份点位分布图”。我一般会把公开的省级行政边界作为底图，再把点位图层叠加上去。这样看的人能清楚知道每个点落在哪个省域范围内，而不是一张孤零零的点图在空中飘着。

需要特别说明的是：如果你手上的点位数据里只有一个点，通常代表的是省级行政单位的驻地位置或几何中心，它不等于省份轮廓。千万别拿点位描出边界来冒充行政区界线，边界数据应该使用正式的区划边界成果。

5.2 符号化与标注：让图自己会说话

在GIS软件里，我可以根据一条“分区字段”来给点设置不同颜色，比如“华南区”“华北区”开车的话，按大类分色可以让图面更清晰。如果数据没有分区字段，也可以按“数据来源”或“更新时间”来分色。然后打开标注，用“名称”字段显示点旁边的名称。

这里要注意标注的避让问题。全国尺度下，省份之间距离相对均匀，一般不太会挤压在一起；但如果你后面把数据扩展到区县级别，那么标注就很容易互相压盖，必要时需要开启“避让”或手动调整个别标注位置。

5.3 做空间连接：这个点到底在哪个省

有一类常见需求是：手里有很多带坐标的POI点位，想知道它们分别落在哪个省份。这个在GIS里叫“空间连接”。geopandas的写法非常简短：

import geopandas as gpd # points_gdf是你要判断的点数据，province_gdf是省级面数据 joined = gpd.sjoin(points_gdf, province_gdf, how="left", predicate="within")

这里的predicate="within"表示“点在面内”，结果会附带上省份名称字段。一个容易踩的坑是：边界上的点可能同时落入两个面，sjoin默认会返回匹配到的两条记录。如果你想每个点只保留一条，一种做法是先按点去重，只保留第一个匹配结果。

5.4 从静态图走向动态可视化

省级点位数据除了出GIS专题图，还能喂给前端可视化的图表组件做交互。比如把经纬度整理成标准JSON，传到在线平台上做散点图、气泡图、热力图。这里有一个前置要求：无论用什么平台，你一定要知道它接收的是WGS84还是GCJ-02坐标。很多在线平台都有内置坐标纠偏选项，但也有很多平台没有，导致画出来的热力图整体偏移。我的经验是提前在GIS软件里把坐标统一转成WGS84，再导出JSON，这样不管到哪个平台都不怕。

6. 别急着用：数据质量体检的五个常规动作

6.1 范围检查：坐标必须落在合理区间

拿到任何一份“全国省份点位数据”，我建议先写一个简单的脚本或直接在Excel里做筛选，检查经度是否在73到135之间、纬度是否在18到54之间。这一步能快速暴露两类问题：一是经纬度列填反了（经度写到了纬度位置），二是混入了其他国家的坐标。如果出现海南某点位纬度比黑龙江还高，那肯定是字段错位。

6.2 重复值检查：一个省份不能冒出N个点

之前处理过一份共享数据，属性表里同一个省份名称出现了三次，坐标还各不相同。后来问了数据提供方才知道，是底表更新时重复追加了记录，没有做去重。处理方式很简单：在Excel里用“名称”列做条件格式或countif统计，凡是出现次数大于1的都要重点核实。

6.3 时效性验证：所谓“2025年”到底新在哪

很多“2025年版本”的数据其实是从旧版复制过来的，只是改了年份。省级行政单位的数量相对稳定，但近年部分省级以下的区划做过调整，点位名称和代码可能跟着变。所以我拿到所谓“2025年版”之后，会重点核对那几条涉及变更的记录，看看字段里有没有版本说明或更新时间。如果整个文件里连一句“数据来源”都没写，时效性基本上就要打问号了。

6.4 坐标抽查：随机挑几个点去对比底图

这是最笨但最可信的方法。从数据里随机挑3到5个点，把坐标填到某个可信赖的在线地图或GIS底图上，确认点位附近的地名和“名称”字段对得上。如果连省会级点位都能偏移出去，这份数据就不要投入正式项目。

6.5 元数据记录：给自己的数据写“身份证”

我养成的习惯是：任何一份外部数据入库前，都额外建一个说明文件，记录获取时间、来源渠道、坐标系、字段含义、做了哪些清洗操作。这个文件不花多少时间，却能在三个月后救你一次。经常有朋友半年后看着一份SHP发呆，完全想不起它是WGS84还是GCJ-02，更不敢拿去画图。有了元数据，至少能知道这份数据当初是怎么处理的，坐标有没有做过转换，要不要重新来一遍。

最后多说一句

我收到这类“会员专享”数据，第一反应永远是先做十分钟体检，而不是直接拖进软件开始画图。坐标系对不对、坐标范围是不是全境内、有没有重复点、字段类型是否靠谱，这些问题检查清楚再入库，后面出图和空间分析都会顺很多。如果你手头也有一份类似的SHP或Excel点位数据，建议你今天也把这套流程走一遍，特别是随机抽查几个点位坐标，确认它和你信赖的底图对得上。这十分钟省下来的，可能是后面一整天的返工时间。