4、矢量数据读写：使用GeoPandas读取Shapefile、GeoJSON、GeoPackage，数据属性查看与基本操作

在GIS分析与地图可视化的工作流中，矢量数据的读写是一切空间分析与制图表达的基础。GeoPandas作为Python地理信息生态中的核心库，将Pandas的数据分析能力与Shapely的空间几何对象相结合，提供了高效、简洁的矢量数据操作接口。本章将系统讲解如何使用GeoPandas读取Shapefile、GeoJSON、GeoPackage三种主流格式，深入剖析数据属性查看与基本操作的方法，帮助学习者建立从数据加载到预处理的标准工作流。

上图展示了GeoPandas矢量数据操作的整体框架。从数据源层开始，通过统一的read_file()接口读取不同格式的数据，在操作层完成属性查看、几何计算和筛选等核心任务，最终通过to_file()将结果持久化。整个流程中，数据源格式的差异被GeoPandas抽象屏蔽，使得学习者可以专注于空间分析本身。

4.1 核心原理：GeoDataFrame与矢量数据模型

GeoPandas的核心数据结构是GeoDataFrame，它继承自Pandas的DataFrame，但增加了一个特殊的geometry列。这个几何列存储的是Shapely几何对象（点、线、面等），使得每一行数据不仅包含属性信息，还包含空间位置信息。这种设计将关系型数据库的属性表与空间几何引擎无缝结合，是GeoPandas能够高效处理矢量数据的根本原因。

理解GeoDataFrame需要把握三个关键层次：数据容器层（继承DataFrame的二维表格结构）、空间扩展层（geometry列及配套的空间操作方法）、I/O抽象层（统一读写接口）。当调用gpd.read_file()时，GeoPandas底层通过Fiona（基于GDAL/OGR）解析不同格式的矢量文件，自动识别几何类型、坐标系和属性字段，构建出完整的GeoDataFrame对象。

GeoDataFrame的crs属性存储坐标系信息，这是空间分析正确性的关键保障。当读取不同来源的数据时，必须确保坐标系一致，否则后续的空间操作（如缓冲区分析、叠加分析）将产生错误结果。GeoPandas提供了to_crs()方法进行坐标系转换，这在多源数据融合时尤为重要。

4.2 判断方法与操作流程：三种格式的读取与属性查看

GeoPandas的read_file()函数是读取所有矢量格式的统一入口，其核心优势在于自动识别文件驱动，无需用户指定格式类型。下面通过具体代码演示三种格式的读取方法，并展示属性查看的标准流程。

import geopandas as gpd

# 1. 读取Shapefile（注意：需要同时存在.shp/.shx/.dbf等文件）
gdf_shp = gpd.read_file('data/landuse.shp', encoding='utf-8')

# 2. 读取GeoJSON（单文件，无需编码参数）
gdf_geojson = gpd.read_file('data/roads.geojson')

# 3. 读取GeoPackage（支持多图层，可指定layer参数）
gdf_gpkg = gpd.read_file('data/study_area.gpkg', layer='buildings')

# 属性查看标准流程
print("=== 数据基本信息 ===")
print(gdf_shp.shape)          # (行数, 列数)
print(gdf_shp.columns.tolist()) # 字段列表
print(gdf_shp.dtypes)         # 字段类型

print("\n=== 前5行数据 ===")
print(gdf_shp.head())

print("\n=== 几何信息 ===")
print(gdf_shp.geom_type)      # 几何类型
print(gdf_shp.geometry.is_valid.sum()) # 有效几何数量

print("\n=== 坐标系 ===")
print(gdf_shp.crs)            # 坐标系定义

在属性查看过程中，有几个关键判断点需要掌握：几何类型检查（确保所有要素类型一致，混合类型会导致后续操作异常）、空几何检查（使用is_empty属性）、坐标系确认（缺失或错误坐标系是常见问题）。对于大型数据集，可以使用gdf.info()快速查看内存占用和字段概况。

4.3 案例拆解：城市POI数据加载与预处理实战

假设我们需要分析某城市的商业设施分布，手头有三份不同格式的数据：Shapefile格式的行政区划边界、GeoJSON格式的餐饮POI点数据、GeoPackage格式的道路网络。目标是将三份数据统一加载，并完成初步的预处理，为后续的空间分析做准备。

初始现象与约束：行政区划Shapefile文件编码为GBK（中文Windows系统常见），POI数据坐标系为WGS84（EPSG:4326），而道路数据使用Web墨卡托投影（EPSG:3857）。三份数据的坐标系不一致，且属性字段命名风格各异。

import geopandas as gpd
import pandas as pd

# 步骤1：读取行政区划（处理编码问题）
districts = gpd.read_file('data/districts.shp', encoding='gbk')
print("行政区划字段：", districts.columns.tolist())
# 输出：['NAME', 'ADCODE', 'AREA', 'geometry']

# 步骤2：读取POI数据（GeoJSON默认UTF-8）
poi = gpd.read_file('data/restaurants.geojson')
print("POI字段：", poi.columns.tolist())
# 输出：['name', 'category', 'rating', 'geometry']

# 步骤3：读取道路数据（指定图层）
roads = gpd.read_file('data/transport.gpkg', layer='roads')
print("道路字段：", roads.columns.tolist())
# 输出：['road_name', 'road_type', 'length_km', 'geometry']

# 步骤4：统一坐标系（全部转为EPSG:3857便于距离计算）
districts = districts.to_crs(epsg=3857)
poi = poi.to_crs(epsg=3857)
roads = roads.to_crs(epsg=3857)

# 步骤5：属性字段标准化
poi = poi.rename(columns={'name': 'poi_name', 'category': 'poi_type'})
roads['length_m'] = roads['length_km'] * 1000  # 单位统一为米

# 步骤6：数据质量检查
print(f"行政区划数量: {len(districts)}")
print(f"POI数量: {len(poi)}")
print(f"道路数量: {len(roads)}")
print(f"无效几何数量: {poi.geometry.is_valid.sum() - len(poi)}")

# 步骤7：空间范围检查
print("POI空间范围:", poi.total_bounds)  # (minx, miny, maxx, maxy)

分析判断过程：在加载过程中，我们遇到了三个典型问题。第一，Shapefile的GBK编码导致中文乱码，通过指定encoding='gbk'解决。第二，坐标系不一致，通过to_crs()统一到EPSG:3857，确保后续距离计算准确。第三，字段命名不统一，通过rename()标准化。这些预处理步骤看似繁琐，却是保证分析质量的基础。

结果对比与复盘：经过预处理后，三份数据成功统一到同一坐标系和字段规范下。通过total_bounds可以快速了解POI的空间分布范围，为后续的缓冲区分析或空间连接提供参考。这个案例揭示了矢量数据加载的常见挑战：编码问题、坐标系转换、字段标准化，以及数据质量验证。

4.4 常见误区与总结复盘

在矢量数据读写过程中，学习者常陷入几个误区。第一个误区是忽视编码问题，认为所有文件都是UTF-8编码，导致中文属性乱码。实际上，国内很多Shapefile仍使用GBK编码，需要根据数据来源灵活指定。第二个误区是坐标系混乱，将不同坐标系的数据直接进行空间操作，产生错误结果。第三个误区是忽略几何验证，未检查无效几何（如自相交多边形）就进行后续分析。

针对这些误区，建议建立标准化的数据加载检查清单：读取后立即打印crs、geom_type、is_valid统计信息；对于大型数据，使用sample()随机抽样检查；在保存结果时，明确指定编码和坐标系参数。GeoPandas的to_file()方法支持encoding参数，写入Shapefile时建议使用utf-8以保证跨平台兼容性。

# 保存为GeoJSON（默认UTF-8）
gdf.to_file('output/result.geojson', driver='GeoJSON')

# 保存为Shapefile（指定编码）
gdf.to_file('output/result.shp', encoding='utf-8')

# 保存为GeoPackage（支持多图层）
gdf.to_file('output/result.gpkg', layer='analysis', driver='GPKG')

总结本章核心要点：GeoPandas通过统一的read_file()接口屏蔽了不同矢量格式的差异，使得数据加载变得简单高效。但高效的前提是理解GeoDataFrame的数据结构、掌握属性查看的方法、熟悉坐标系处理技巧。在实际项目中，数据加载往往占据整个分析流程30%以上的时间，规范化的加载流程能够显著提升工作效率。建议学习者在实践中不断积累常见数据问题的处理经验，形成自己的数据预处理工具箱。