简介面向GIS初学者及地理信息相关课程学习者的中国行政区划空间数据集提供到县界级别的矢量边界采用Lambert投影可直接用于ArcGIS中的地图制作、空间分析入门与投影练习。压缩包共113个文件约10.49MB主体为15套Shapefile及其shp、shx、dbf、prj等配套文件另附ArcInfo coverage的adf数据、mxd地图文档和xml元数据覆盖矢量图形、属性表、投影定义与制图工程等环节便于按图层组织练习。该数据已有2320人学习下载适合课堂示例、课程作业与个人练手。读者可借此熟悉行政区划图层的加载与符号化、属性表查询、投影转换及专题制图流程也能在县级尺度上开展缓冲区、叠加分析等基础空间操作数据以县级单元为最小粒度有助于理解中国行政区划层级关系与空间分布并为后续GIS项目积累数据组织与分析的实践经验。1. 到县界的行政区划矢量包它到底省掉了哪一步真正让一份到县界的行政区划数据派上用场的不是「能在 ArcGIS 里打开」而是打开之后字段和坐标系能对得上。全国范围的省、市、县三级面要素配好行政编码与名称字段核心价值在于把统计表格、POI 点位、遥感产品一次性挂到同一套空间单元上做专题图、做密度分析、做区县对比。做国土空间规划的、做市场下沉选址的、做人口与产业统计空间化的基本都得过这一关。拿到手先别急着往画布里拖字段口径和坐标系统先核对一遍后面省下的返工时间比下载花的时间多得多。2. 解压先看三层结构要素数量、字段口径与坐标系行政区划数据翻车的重灾区从来不是软件操作而是「我以为它是这样」。同样叫「到县界」有的包是三个独立图层有的是一个要素类靠 LEVEL 字段区分有的用了六位县代码有的只有名称没有编码有的 .prj 齐全有的干脆是裸坐标。这三种差异决定了你后面能不能做连接、能不能做批量统计所以解压后的头二十分钟应该花在核对上而不是打开符号系统调颜色。2.1 省、市、县三级图层的对应关系与数量核对常见做法是三个图层分开省级几十个要素、地级三百多个、县级两千八百多个。这三个量级是有内在勾稽关系的县级数量明显偏少通常是直辖市下辖区、省直管县、以及部分开发区代管区域的归属处理方式不同不一定是数据坏了。但如果你发现省级只有十几个那基本可以判定图层被过滤过或者是某个区域切片不是全国范围。核对顺序我一般这么走先数要素再查唯一性最后看空间覆盖范围。数要素用 GetCount查唯一性看六位县代码有没有重复看覆盖范围拉一下全图范围Extent确认经度跨度是不是覆盖了完整的东西向区间。三步做完你对这份数据能不能直接用于统计就有了底。数量对不上又不想逐条比对的可以按省级编码分组求和看每个省下面挂了多少个县异常省份会立刻跳出来。还有一种情况是一个要素类里混着三级要素靠 LEVEL 字段区分。这种结构做制图方便做统计反而容易出错因为你在做空间连接时忘了加 LEVEL 过滤县级统计结果里会混进省级汇总值。遇到这种结构第一件事是按 LEVEL 拆成三个图层后面的所有操作都在拆出来的图层上做。2.2 属性表字段怎么读编码、名称与上下级挂接字段是这份数据的骨架比几何还重要。典型字段结构如下不同来源的命名可能略有出入但语义基本一致字段名类型长度用途与注意点PROV_CODE文本2省级编码取县级编码前两位得到PROV_NAME文本30省级名称制图标注直接用CITY_CODE文本4地级编码取县级编码前四位得到CITY_NAME文本40地级名称CNTY_CODE文本6县级唯一编码做主键用CNTY_NAME文本60县级名称LEVEL短整型2层级标记单要素类结构里必查AREA_SRC双精度—原始面积字段单位未必可信编码字段必须是文本型这个判断不能省。文本型的好处是做前缀筛选时直接 Left(CNTY_CODE, 2) 就能拿到省数值型虽然也能算但在 Excel 里往返一趟格式会被改成数字、加千分位、甚至在前导零的位置出问题回来再跟矢量做连接就匹配不上。我见过不止一次因为编码被当数字处理几千条记录只连上几百条的。名称字段只适合做标注永远不要用名称做连接键。同一个地级市在不同数据源里可能带「市」也可能不带少数民族自治地方的名称写法差异更大用名称做 join 的匹配率通常到不了九成。编码是唯一可靠的键名称只用来给人看。上下级挂接靠编码前缀不靠空间关系。有人喜欢用「包含」做空间连接来建立父子关系理论上没错但县界和市界如果有微小的几何不一致交界处的县会被判给两个市。编码前缀是确定性的一行字段计算就能完成没有模糊地带。2.3 坐标系与文件格式动手前必须确认的两件事坐标系判断有一个很土但很准的办法看坐标数值量级。经纬度坐标的范围是经度 -180 到 180、纬度 -90 到 90小数位一般四到六位投影坐标是几百万的量级单位是米。打开属性表看一眼 Shape 字段的 X 值一秒就能分清。判断完再去看 .prj 文件里的定义对不对两者矛盾的情况不少见——数据明明是投影坐标.prj 却写着地理坐标系这种「定义错误」比「定义缺失」更坑因为软件不会报错它会照着你给的定义去投影结果整体偏移几百公里。格式方面Shapefile 和文件地理数据库的差别在字段上体现得最明显。Shapefile 的字段名上限是 10 个字符中文名称还会按字节算PROV_NAME 这种字段名很容易被截成 PROV_NA两个不同图层截断成同一个名字后合并时直接冲突。字段类型也受限日期、大文本、别名这些都不支持。两千八百多个县的面要素单个 shp 的体积已经不小再做几次裁剪和连接文件碎片的维护成本会很明显。只要不是必须交付 shp我一般第一步就把数据整体导入文件地理数据库后面所有中间结果都在库里做。还有一个容易被忽略的点编码声明文件 .cpg。Shapefile 的 dbf 里存中文编码可能是 CP936 也可能是 UTF-8ArcGIS Pro 默认按 UTF-8 读声明缺失或写错就会满屏乱码。解压后先看目录里有没有 .cpg有的话读一下内容没有就先按 CP936 试这一步能省掉后面半小时的「这数据是不是坏的」的怀疑。3. 接进 ArcGIS加载、投影与裁剪的完整跑通流程核对完结构接下来是从原始文件到可用分析图层的那一段流程。这段流程看着简单但每一步都有可选的岔路是直接加载还是先入库、投影选哪一种、裁剪用掩膜还是按属性筛选。岔路选错不至于当场报错问题会在统计结果阶段集中爆发到时候再回头查成本就高了。3.1 建库加载与中文字段乱码的处理第一步不是打开地图是建一个文件地理数据库把所有图层导进去。导入过程本身就是一次格式净化字段名不再截断、编码统一成 UTF-8、坐标系定义跟着要素类走。导入之后原始 shp 留着做备份后续操作全在库里进行。import arcpy import os # 工作空间指向文件地理数据库避免 shapefile 的字段截断与编码问题 arcpy.env.workspace rD:\work\admin_data\admin.gdb arcpy.env.overwriteOutput True # 先扫一遍原始目录里的编码声明文件确认 dbf 用的是哪种编码 shp_dir rD:\work\admin_data\shp_src for name in os.listdir(shp_dir): if name.lower().endswith(.cpg): with open(os.path.join(shp_dir, name), r, encodingascii, errorsignore) as f: print(name, -, f.read().strip()) # 逐层导入地理数据库字段名与编码在导入时统一 layers [province, city, county] for lyr in layers: src os.path.join(shp_dir, lyr .shp) dst os.path.join(arcpy.env.workspace, lyr) arcpy.conversion.FeatureClassToFeatureClass(src, arcpy.env.workspace, lyr) # 导入后立刻回读要素数量确认没有丢要素 print(lyr, arcpy.management.GetCount(dst)[0])这段脚本做三件事读 .cpg 确认编码、把 shp 导入 GDB、回读要素数量做校验。参数上要注意arcpy.env.workspace指向 .gdb 而不是文件夹指向文件夹时输出还是 shapefile等于白转。FeatureClassToFeatureClass的输出名不能带扩展名也不能和已有要素类重名重名时因为开了 overwriteOutput 会被直接覆盖所以正式跑之前先把目标库清空或者建新库。.cpg 读出 936 说明是 CP936读出 65001 说明是 UTF-8。读到 936 而 Pro 里仍然乱码说明 .cpg 声明和实际存储不一致这时候用 Python 的 dbf 库直接读原始文件看字节比在软件里反复试要快。导入 GDB 之后乱码还在那就是源头就错了只能按原始字节重新解码再写回硬转是转不回来的。3.2 投影怎么选等积、等距、等角的取舍与具体参数投影选择取决于你要算什么。做面积统计和密度分析必须用等积投影Albers 是国土尺度最常用的选择做距离缓冲和服务半径用等距投影或者局部投影做制图配图、要求形状不变形才考虑等角投影如墨卡托。三者不可兼得选错的表现是「看起来没毛病算出来差一截」。全国尺度的 Albers 常用参数是中央经线 105 度、双标准纬线 25 度和 47 度这个组合能让全国范围的面积变形控制在很小的范围内。CGCS2000 作为基准面跟常见的 GPS 采集数据之间转换不需要七参数工程上直接投影即可。import arcpy # 构造全国尺度 Albers 投影中央经线 105E标准纬线 25N / 47N albers_wkt ( PROJCS[CGCS2000_Albers_China, GEOGCS[GCS_China_Geodetic_Coordinate_System_2000, DATUM[D_China_2000,SPHEROID[CGCS2000,6378137.0,298.257222101]], PRIMEM[Greenwich,0.0],UNIT[Degree,0.0174532925199433]], PROJECTION[Albers], PARAMETER[False_Easting,0.0],PARAMETER[False_Northing,0.0], PARAMETER[Central_Meridian,105.0], PARAMETER[Standard_Parallel_1,25.0], PARAMETER[Standard_Parallel_2,47.0], PARAMETER[Latitude_Of_Origin,0.0], UNIT[Meter,1.0]] ) target_cs arcpy.SpatialReference() target_cs.loadFromString(albers_wkt) arcpy.management.Project( in_datasetrD:\work\admin_data\admin.gdb\county, out_datasetrD:\work\admin_data\admin.gdb\county_albers, out_coor_systemtarget_cs, transform_method, preserve_shapeNO_PRESERVE_SHAPE )transform_method留空是因为源数据本身就是 CGCS2000同基准面之间的投影不需要地理变换参数如果源数据是 WGS84严格来说要加一个从 WGS84 到 CGCS2000 的变换国内常用的是三参数或七参数方法公开数据精度要求不高时留空也能接受误差在米级。preserve_shape选 NO_PRESERVE_SHAPE 是为了速度两千八百多个面要素全量投影保留形状会慢一个数量级而行政区划的边界本来就不需要参与投影形状的插值。投影完必须核对一件事要素数量有没有变。投影不会增删要素数量变了说明投影过程中有要素因为坐标超出有效范围被丢弃通常是源数据里混进了坐标为 0 或者空几何的记录。3.3 按编码筛选与掩膜裁剪两种裁剪思路的适用场景裁剪有两种做法选哪种看你的研究区是怎么定义的。研究区是一个行政单元或者一组行政单元用属性筛选快且准研究区是一个不规则多边形、流域或者缓冲区用掩膜裁剪几何相交计算更通用。按编码筛选用 Select 加 CopyFeatures条件写成 SQL 表达式。六位编码的前缀匹配可以用 LIKE 也可以用 SUBSTRING前者在 GDB 里性能更好因为能走索引建了索引的话。import arcpy arcpy.env.workspace rD:\work\admin_data\admin.gdb county county_albers # 方式一按省级编码前缀筛选取出某个省下辖的所有县 where CNTY_CODE LIKE 43% arcpy.analysis.Select(county, county_sel, where) # 方式二用研究区多边形做掩膜裁剪适合流域、缓冲区等非行政边界 arcpy.analysis.Clip( in_featurescounty_albers, clip_featuresrD:\work\admin_data\admin.gdb\study_area, out_feature_classrD:\work\admin_data\admin.gdb\county_clip, cluster_tolerance )cluster_tolerance留空时软件会用要素类的默认容差通常是 0.001 米量级。这个参数在裁剪时的影响比想象中大容差设太大边界上相邻的要素会被合并或者吸附要素数量变少设太小理论上精确相接的边界会因为浮点误差被判成不相交产生碎屑多边形。全国尺度的数据经过多次格式转换后边界上存在微小的缝隙很常见我一般先用默认值跑一遍检查输出要素数量和面积合计两者都对得上才继续。裁剪完之后一定要做一次面积合计的交叉验证。把掩膜范围内的县面积加总和掩膜多边形自身的面积比一比差值超过千分之一就说明有要素被裁掉了或者重复计算了。这个检查花不了一分钟但能挡掉后面一大类莫名其妙的统计偏差。4. 把业务数据挂到县界上空间连接、面积口径与出图数据准备好之后真正的工作才开始把点位的、栅格的、表格的业务数据挂到县界上算出每个县的指标然后做成别人能看懂的图。这一段里藏着的坑最密集因为每一步都涉及空间关系的判定而空间关系不像字段连接那样非黑即白。4.1 空间连接与匹配容差为什么总有县连不上空间连接的核心是「什么算落在这个县里」。默认的 INTERSECT 关系是「有交集就算」点位落在边界线上时可能同时命中两个县产生一对多的记录点位落在水里、山里、飞地里时可能一个县都命中不了。这两种情况在小比例尺数据上都不明显一到县级粒度就集中暴露。import arcpy arcpy.env.workspace rD:\work\admin_data\admin.gdb # 先把点位数据投影到同一坐标系坐标系不一致是连接失败的头号原因 arcpy.management.Project( in_datasetpoi_wgs84, out_datasetpoi_albers, out_coor_systemcounty_albers # 直接引用已有要素类的坐标系 ) # 一对一连接用 INTERSECT 判定归属同时统计每个县的 POI 数量 arcpy.analysis.SpatialJoin( target_featurescounty_albers, join_featurespoi_albers, out_feature_classcounty_poi, join_operationJOIN_ONE_TO_ONE, join_typeKEEP_ALL, # 没有 POI 的县也保留值为 0 field_mappingCNTY_CODE CNTY_CODE true true false 6 Text 0 0,First,#, county_albers,CNTY_CODE,-1,-1; Join_Count POI_CNT true true false 4 Long 0 0,First,#, poi_albers,Join_Count,-1,-1, match_optionINTERSECT, search_radius )join_type用 KEEP_ALL 是关键。默认的 KEEP_COMMON 只保留能连上的县那些没有 POI 的县会直接从结果里消失你后面做全区汇总时分母就少了几十个平均值会被系统性高估。KEEP_ALL 保留下来的空值县POI 计数是 0这才是符合事实的。field_mapping这个参数看着吓人其实就是告诉工具哪些字段要带进结果、用什么聚合方式。First 表示取第一条记录的值对编码、名称这类不随空间关系变化的字段用它是对的如果是数值字段应该改成 Sum 或者 Mean否则你拿到的是「随便挑一个」的结果。这块不写清楚工具会用默认映射经常出现需要的字段没带过来。search_radius留空表示不设搜索半径只按几何相交判定。这个留空是对的设了搜索半径等于允许点位「隔着一段距离也算命中」会引入虚假匹配。连接完之后必查两件事一是 POI 计数的总和应该等于原始点位数除去落在研究区外的对不上说明有点被重复计数或者漏掉二是空值县的数量如果是连片的空白区域先怀疑坐标系没统一再怀疑容差。4.2 面积与密度投影选错到底差多少在地理坐标系下直接算面积结果单位是「平方度」这个数字没有任何业务含义。更隐蔽的问题是有人把地理坐标系的数据直接做了投影然后就认为面积可以用了实际上投影只改了坐标属性表里的面积字段还是旧值需要用几何计算重新生成。import arcpy arcpy.env.workspace rD:\work\admin_data\admin.gdb # 在 Albers 等积投影下重新计算几何单位指定为平方公里 arcpy.management.CalculateGeometryAttributes( in_featurescounty_albers, geometry_property[[AREA_KM2, AREA], [PERIM_KM, PERIMETER_LENGTH]], length_unitKILOMETERS, area_unitSQUARE_KILOMETERS, coordinate_systemcounty_albers ) # 面积合计与全国陆地面积的量级比对偏差超过 1% 就回头查投影 total 0.0 with arcpy.da.SearchCursor(county_albers, [AREA_KM2]) as cur: for row in cur: total row[0] print(面积合计平方公里:, round(total, 2))geometry_property是一个二维列表每一项是「输出字段名 几何属性类型」AREA 对应面积PERIMETER_LENGTH 对应周长还可以算 CENTROID_X、CENTROID_Y。area_unit的取值决定单位SQUARE_KILOMETERS 是平方公里如果不指定默认用数据源自身的坐标单位Albers 下是平方米数值会大六个数量级很容易在制图分级时把所有县分到同一级。投影选错造成的偏差能有多大在地理坐标系里按度数算面积不同纬度上同样的「度数面积」对应的实际面积差别可以达到两三倍越往高纬差得越多。用等角投影比如 Web Mercator算面积中高纬地区的面积会被系统性放大纬度 60 度附近放大倍数接近 4 倍。这不是精度问题是数量级问题。所以只要业务里出现「密度」「占比」「人均」这类指标等积投影就是硬性要求。4.3 分级符号与标注避让让两千多个县在图上还能读两千八百多个县挤在全国尺度的图上标注是最大的挑战。默认的标注引擎会把能放下的标签全放上去结果是东部密集区糊成一片西部空白区倒是清爽。常见做法是切换到 Maplex 标注引擎开要素权重和标注避让再按重要性给标注分级。具体步骤先把标注字段设成县级名称字体大小按地图比例尺定全国图一般 6 到 8 磅然后开「要素重叠」避让让标注不能压盖其他要素再设「标注密度」的上下限控制单位面积内的标注数量。最后给省会城市或者重点县单独做一个标注类字号放大一到两级保证视觉层级。分级符号这一块分类方法的选择比配色重要。自然间断点适合数据分布不均匀的指标分位数适合强调排名标准差适合看偏离平均的程度。县级数据的指标普遍是右偏分布少数县极高、大量县集中在低值区用等间距分级会把九成的县压进最低一级图上看起来一片同色。我一般先用自然间断点跑一遍看分布形状再决定要不要手动调整断点。出图前还有一步不能省检查有没有县被标注成了空值或者编码。这不是数据问题是标注表达式里用了错误的字段或者连接之后字段被覆盖。导出 PDF 时分辨率设 300 dpi勾选「嵌入字体」否则换台机器打开字体就变了。5. 避坑与排查五条踩过的记录这份数据的坑集中在两个地方编码和坐标系。前者表现是「看不到」后者表现是「看起来对但其实错」。下面五条是实际处理过程中反复出现的每条都按现象、原因、解决三步写遇到类似症状可以直接对照。5.1 属性表中文全是问号或方块现象图层能加载几何也正常打开属性表中文名称全部变成问号、方块或者一堆乱码字符。原因Shapefile 的 dbf 文件用 CP936 存储中文而 ArcGIS Pro 默认按 UTF-8 读取编码声明文件 .cpg 缺失或者内容写错时就会按错误的编码解码。解决先在目录里找 .cpg没有就手动建一个内容写 936 或者 65001 试一次看哪个能正确显示。都不行的话说明声明和实际存储不一致用 Python 的 dbf 库按字节读取用 gbk 和 utf-8 分别解码看哪个正常确定之后再用脚本批量写回。最省事的办法是直接把整个 shp 导入文件地理数据库导入过程中做一次显式的编码指定之后就不会再有这个问题前提是你在导入时选对了源编码。5.2 投影做完了面积字段还是旧值现象数据从地理坐标系投影到了 Albers坐标数值变成几百万但属性表里那个面积字段的数值几乎没变或者变成了莫名其妙的小数。原因投影工具只改几何坐标不动属性表里的任何字段。原来按度数算的面积、或者按别的投影算的面积会原样保留下来。解决投影之后单独跑一次几何计算用 CalculateGeometryAttributes 按新坐标系重算面积和周长并且明确指定单位。原来的面积字段不要覆盖新建一个字段存新值保留旧值做比对。比对的时候看总量全国县级面积合计应该在九百六十万平方公里量级偏差超过百分之一就说明有要素漏算或者投影选错了。5.3 空间连接之后成片的县没有数据现象连接结果的计数字段在某个区域连片为 0而业务上那里明明有点位。原因三种可能按概率从高到低排——点位数据和面数据坐标系不一致最常见点位落在水域、飞地等不属于任何县的位置连接容差设得太小导致边界附近的点被判为不相交。解决第一步统一投影不要相信「看起来位置是对的」坐标系不一致时要素可能在地图上显示得很接近实际坐标差了几百公里。第二步用地市级汇总做交叉检查某个市的点位数明显偏低说明问题集中在那个区域。第三步对剩余的空值点用 CLOSEST 匹配模式跑一次把匹配上的点单独导出来人工核验不要直接合并进结果。5.4 县界和统计年鉴对不上编码变了现象用编码做连接发现有些县的统计值连不上或者连上了但数值明显是另一个县的。原因不同年份的行政区划有调整撤县设区、合并、更名都会导致编码变化。数据是某一年的快照年鉴是另一年的口径两边对不上是必然的。解决建一张编码对照表把历史编码、现编码、调整类型三列维护起来连接前先用对照表把年鉴的编码映射到矢量数据的编码上。映射不上的单独列出来人工处理不要用名称模糊匹配硬连名称匹配的错误率在高变动区域能到两位数百分比。对照表本身要存档明年再用的时候直接复用。5.5 字段名被截断合并图层时报字段冲突现象两个 shp 的字段名都被截成了 PROV_NA做合并或者追加的时候提示字段类型冲突或者数据被覆盖。原因Shapefile 的字段名上限是 10 个字符中文按字节计算时可用长度更短长字段名会被自动截断不同图层截断后可能撞名。解决全部转成文件地理数据库中的要素类字段名上限提高到 64 个字符中文也能完整保留。如果必须交付 shp在导出前手动规划一套短字段名并且保证每个图层的短名一致、类型一致用字段别名承载完整含义。别名在 shp 里存不住所以还得配一份字段说明文档一起交付。5.6 一套固定的排查顺序遇到问题别东一榔头西一棒子按这个顺序走八成的问题在前两步就能定位先看坐标系定义和实际坐标量级是否一致再看要素数量和面积合计是否合理然后看字段类型和编码是否匹配最后才去查空间关系和容差。这个顺序的好处是每一步都有可量化的检查结果不需要靠感觉判断「看起来对不对」。6. 批量自检让两千多个县一次性过一遍字段与几何体检单个图层手工检查还能应付一旦手上同时有省、市、县三层再加上几套不同年份的版本手工核对就不现实了。我的做法是写一个自检脚本输出一张 CSV 体检表字段包括图层名、要素数量、空几何数量、面积合计、重复编码数量、坐标系名称跑完之后扫一眼就知道哪一层有问题。import arcpy import csv import os arcpy.env.workspace rD:\work\admin_data\admin.gdb layers [province, city, county] report_path rD:\work\admin_data\check_report.csv rows [] for lyr in layers: if not arcpy.Exists(lyr): continue # 基础计数 cnt int(arcpy.management.GetCount(lyr)[0]) # 空几何检查几何为空的要素在后续所有空间操作里都是隐患 empty_geom 0 with arcpy.da.SearchCursor(lyr, [SHAPE]) as cur: for (geom,) in cur: if geom is None or geom.area 0: empty_geom 1 # 编码唯一性检查六位编码重复说明数据被拼接或者有重复要素 codes [r[0] for r in arcpy.da.SearchCursor(lyr, [CNTY_CODE])] \ if lyr county else [] dup len(codes) - len(set(codes)) # 面积合计用于和业务口径做量级比对 total_area sum(r[0] or 0 for r in arcpy.da.SearchCursor(lyr, [AREA_KM2])) \ if arcpy.ListFields(lyr, AREA_KM2) else None sr arcpy.Describe(lyr).spatialReference rows.append([lyr, cnt, empty_geom, dup, round(total_area, 1) if total_area else , sr.name]) with open(report_path, w, newline, encodingutf-8-sig) as f: writer csv.writer(f) writer.writerow([图层, 要素数, 空几何, 编码重复, 面积合计km2, 坐标系]) writer.writerows(rows) print(自检完成报告输出到, report_path)这段脚本的四个检查项对应四类典型故障。空几何数量不为 0说明数据里混进了无效要素投影和裁剪时都会出问题必须提前剔除。编码重复数量不为 0说明数据可能是多份拼接的或者是要素级别重复做连接时会一对多放大统计值。面积合计用来做量级校验县级合计明显偏小说明要素不全偏大说明有重叠。坐标系名称用来确认每一层的定义一致三层用了不同坐标系是后面所有空间操作的隐患源头。输出用 utf-8-sig 是为了让 CSV 在表格软件里直接打开不乱码这个细节在交付给同事的时候很管用。报告路径不要放在 GDB 里面GDB 是文件夹结构混进非要素文件容易出问题。我现在的习惯是任何一份新的行政区划数据入库先跑一遍这个自检报告没问题才进入分析流程。有一次图省事跳过了结果拿着两份年份不同的县界做了对比分析图上看着差不多统计出来的变化量全是口径差异白跑了两天那个教训之后我把这一步写进了流程里不管数据来源多可靠都不跳过。希望帮到你。本文还有配套的精品资源点击获取