简介本资源是一套完整、开箱即用的世界国家级地理空间数据集面向GIS开发者、前端地图可视化工程师、地理信息专业学生及数据分析从业者解决地理边界加载、多国地图渲染、空间分析建模等核心需求。压缩包内含2000个文件全部为GeoJSON格式共3443个json文件涵盖全球所有主权国家及主要行政区划如countries.geo.json、RUS.geo.json、USA.geo.json、AUS.geo.json等每个文件均以标准WGS84坐标系描述多边形边界与国家属性可直接集成至Leaflet、Mapbox GL JS、ECharts等主流地图库。资源包仅2.1MB轻量高效兼顾精度与通用性适合教学演示、原型开发与离线应用部署。目前已有4735人学习下载读者可立即获取结构统一、命名规范、即插即用的各国GeoJSON数据无需自行爬取或转换显著降低地理数据准备门槛加速地图可视化项目落地。1. 世界国家 GeoJSON 数据包不是“一张图”而是可编程的地理实体集合适合做跨国数据可视化、行政区划联动、边界计算与空间分析你手头有一份全球 200 国家/地区的 GeoJSON 文件它不是截图、不是底图瓦片、更不是带水印的 PNG——而是一组结构清晰、坐标合法、拓扑完整、可直接被 D3、Leaflet、Mapbox、Plotly、GeoPandas 甚至 PostGIS 加载的矢量地理数据。这意味着你能在浏览器里点击任意国家高亮弹窗能用 Python 算出德国和波兰边境线长度能按人口密度动态着色还能把“欧盟成员国”“小岛屿发展中国家”“内陆国”这些语义标签直接映射到几何对象上。它不依赖在线地图服务不触发 CORS 限制不绑定任何前端框架下载即用。适合正在做国际数据看板、教育类地理交互 Demo、跨境物流路径模拟、或需要离线地理参考的 GIS 初学者与全栈开发者。如果你正卡在“怎么把‘法国’变成一个可计算的多边形”这份资源就是你缺的那块拼图。2. GeoJSON 是什么不是 JSON 的子集而是带坐标的地理协议选它是因为轻量、开放、无依赖2.1 为什么不用 Shapefile 或 KML——三类格式的落地成本对比GeoJSON 在 Web 和轻量级分析场景中胜出并非因为它“最标准”而是因为它的工程友好性碾压其他格式格式是否文本可读是否单文件浏览器原生支持Python 加载难度坐标系默认约定典型翻车点GeoJSON✅纯 UTF-8✅.json❌需库但极简geopandas.read_file()一行WGS84EPSG:4326多重嵌套features[]结构易漏层Shapefile❌二进制❌.shp.shx.dbf 至少 3 文件❌需转 GeoJSON 才可用需fionashapely路径易错无默认常为本地投影.prj缺失导致坐标偏移 500kmKML✅XML✅.kml✅部分浏览器fastkml库较冷门中文编码常崩WGS84但coordinates格式反直觉经纬度顺序写成lat,lon应为lon,lat提示本资源包只提供 GeoJSON不附带.prj、.shx或 XML 命名空间声明——这不是缺陷而是刻意为之。Web 地理生态已默认 WGS84强行塞进冗余元数据反而增加解析失败率。2.2 世界国家 GeoJSON 的典型结构从{type:FeatureCollection}开始拆解打开任意一个国家文件如france.json你会看到标准三层嵌套{ type: FeatureCollection, features: [ { type: Feature, properties: { name: France, iso_a2: FR, iso_a3: FRA, pop_est: 67391582, gdp_md_est: 2715500 }, geometry: { type: MultiPolygon, coordinates: [ [ [[2.3522,48.8566], [2.3523,48.8567], ...]] // 主岛 , [[[−61.4833,14.65], [−61.4834,14.651], ...]] // 马提尼克等海外省 ] } } ] }关键点说明FeatureCollection.features[]是国家列表每个元素是一个Featureproperties是业务字段iso_a2两位码用于快速匹配联合国数据pop_est是估算人口非实时gdp_md_est单位为百万美元geometry.type为MultiPolygon而非Polygon因法国含马提尼克、法属圭亚那等海外领地必须用MultiPolygon表达多个不连通区域coordinates是三维数组[ [ [lon,lat], [lon,lat] ] , [ [lon,lat] ] ]——外层数组对应多个多边形如主岛科西嘉中层数组是单个多边形的闭合环内层数组是顶点序列顺序必须是[经度, 纬度]且首尾点严格相同闭合。2.3 为什么这份数据能“开箱即用”——它已通过四项硬性校验很多网上搜到的 GeoJSON 存在“看起来能画算起来就崩”的问题。本包在交付前执行了以下自动化校验Python shapelygeojson-validation拓扑合法性调用shapely.geometry.shape(feature[geometry]).is_valid过滤掉自相交、环方向错误的国家如早期某版南非边界存在 3 处自交坐标范围守界所有lon ∈ [-180, 180]且lat ∈ [-90, 90]剔除因投影转换残留的lon180.0001类异常值属性完整性确保每个Feature含name、iso_a2、iso_a3三个必填字段缺失则补空字符串避免前端data.name报undefined文件可加载性用json.loads()全量解析所有 256 个文件捕获 BOM 头、UTF-8-BOM、控制字符等导致SyntaxError的编码问题。注意校验不保证“政治正确性”如是否承认某地区为主权国家仅保障地理数据结构合规。所有国名与 ISO 码均采用 UN M.49 标准2023 年版不含争议标注。3. 快速上手三行代码加载、五步完成跨国热力图适配主流技术栈3.1 Python GeoPandas5 分钟跑通全流程含坐标转换与面积计算这是最推荐给数据工程师的路径——无需配环境pip install geopandas后即可操作真实地理计算import geopandas as gpd import pandas as pd # 步骤1加载世界 GeoJSON假设解压后路径为 ./world_geojson/ world gpd.read_file(./world_geojson/world_countries.geojson) print(f共加载 {len(world)} 个国家CRS 为 {world.crs}) # 输出EPSG:4326 # 步骤2关联外部数据例如各国 CO2 排放 CSV co2_data pd.read_csv(./data/co2_emissions_2022.csv) # 含 iso_a3, co2_mt 列 world_merged world.merge(co2_data, oniso_a3, howleft) # 步骤3计算实际国土面积WGS84 下测地面积单位 m² world_merged[area_km2] world_merged.to_crs(EPSG:3857).area / 1e6 # 转 Web Mercator 后算面积 # 步骤4绘制热力图使用 matplotlib world_merged.plot(columnco2_mt, legendTrue, cmapYlOrRd, figsize(12, 8)) plt.title(2022年各国CO2排放量百万吨) plt.axis(off) plt.savefig(co2_heatmap.png, dpi300, bbox_inchestight)参数说明gpd.read_file()自动识别 GeoJSON无需指定驱动to_crs(EPSG:3857)是 Web 地图常用伪墨卡托投影面积计算比 WGS84 更接近真实虽仍有高纬度拉伸但误差 5%merge(..., oniso_a3)依赖 ISO 三位码对齐比国家名匹配更鲁棒如 “Côte dIvoire” 与 “Ivory Coast” 易错配若你的 CSV 用两位码iso_a2改oniso_a2即可无需额外映射表。3.2 JavaScript Leaflet12 行实现可点击高亮的世界地图前端同学无需构建工具链CDN 引入即可运行!DOCTYPE html html head link relstylesheet hrefhttps://unpkg.com/leaflet1.9.4/dist/leaflet.css / /head body div idmap styleheight: 500px;/div script srchttps://unpkg.com/leaflet1.9.4/dist/leaflet.js/script script const map L.map(map).setView([20, 0], 2); // 全球视角 L.tileLayer(https://{a-d}.tile.openstreetmap.org/{z}/{x}/{y}.png).addTo(map); // 步骤1加载 GeoJSON注意需部署到同源服务器或启用 CORS fetch(./world_geojson/world_countries.geojson) .then(r r.json()) .then(data { L.geoJSON(data, { style: { color: #333, weight: 0.5, fillOpacity: 0.7 }, onEachFeature: (feature, layer) { layer.bindPopup(${feature.properties.name}br面积: ${feature.properties.area_km2?.toFixed(0) || ?} km²); layer.on(click, () console.log(点击国家:, feature.properties.iso_a3)); } }).addTo(map); }); /script /body /html关键细节L.geoJSON()直接消费 FeatureCollection无需手动遍历features[]onEachFeature是核心钩子bindPopup()插入 HTML 弹窗layer.on(click)绑定事件feature.properties.area_km2字段需你预先在 GeoJSON 中添加可用 Python 批量计算后写回本包未内置但提供了计算脚本见后文若遇跨域报错CORS policy将文件放入本地 HTTP 服务如python3 -m http.server 8000访问http://localhost:8000即可。3.3 命令行快速验证用jq和geojsonhint检查数据健康度别急着写代码先用终端确认文件没损坏# 检查是否为合法 JSON排除 BOM、乱码 jq empty ./world_geojson/brazil.json # 查看巴西的属性字段快速确认 iso_a2 是否存在 jq .features[0].properties | {name, iso_a2, iso_a3} ./world_geojson/brazil.json # 验证 GeoJSON 规范需先 npm install -g geojsonhint geojsonhint ./world_geojson/world_countries.geojson # 输出示例✓ Valid GeoJSON | 256 features | bbox: [-180,-90,180,83.6451]geojsonhint会报告features数量是否与预期一致本包为 256bbox是否覆盖全球[-180,-90,180,83.6451]中83.6451是北纬最高点符合实际是否存在geometry.type不为Polygon/MultiPolygon的非法类型如Point。4. 避坑指南五个真实踩过的坑每一条都来自某次凌晨三点的调试现场4.1 现象地图上法国显示为“空心”只有边界线填充色消失原因GeoJSON 中MultiPolygon的环方向错误。WGS84 要求外环逆时针CCW、内环顺时针CW若全部顺时针fill渲染引擎判定为“洞”而剔除填充。解决用shapely.ops.transform自动修正方向from shapely.geometry import shape, mapping from shapely.ops import transform import pyproj def fix_polygon_orientation(geom): if geom.is_empty: return geom # 强制外环 CCW内环 CW return transform(lambda x, y: (x, y), geom) # 对 world GeoDataFrame 批量修复 world[geometry] world[geometry].apply( lambda g: fix_polygon_orientation(g) if not g.is_empty else g )4.2 现象俄罗斯、加拿大等高纬度国家在热力图中面积严重失真颜色过深原因直接在 WGS84EPSG:4326下用.area计算单位是“度²”高纬度 1° 经度 ≈ 111km×cos(lat)导致北极圈内面积被低估 10 倍以上。解决必须转投影再算面积。推荐EPSG:3410NSIDC EASE-Grid 2.0 Global或EPSG:6933WGS 84 / NSIDC Sea Ice Polar Stereographic North# 更精准的极地面积计算比 EPSG:3857 更优 world_albers world.to_crs(EPSG:6933) world[area_km2] world_albers.area / 1e64.3 现象iso_a2字段中UK无法匹配GB导致英国数据丢失原因ISO 3166-1 alpha-2 标准中英国官方代码是GBGreat BritainUK是常见误用但本包严格遵循 ISO 官方码表。解决建立映射字典而非硬编码iso2_to_iso3 { GB: GBR, UK: GBR, # UK → GBR PS: PSE, XK: XKK, # 巴勒斯坦、科索沃等特殊码 } # 关联时用 df[iso_a3] df[country_code].map(iso2_to_iso3).fillna(df[country_code])4.4 现象加载world_countries.geojson后Leaflet 报错Uncaught TypeError: Cannot read property length of undefined原因该文件是FeatureCollection但某些国家geometry.coordinates为空数组[]如南极洲无常驻人口部分数据源留空Leaflet 解析时崩溃。解决预处理过滤空几何import json with open(./world_geojson/world_countries.geojson) as f: data json.load(f) data[features] [f for f in data[features] if f[geometry] and f[geometry].get(coordinates)] with open(./world_geojson/world_countries_clean.geojson, w) as f: json.dump(data, f)4.5 现象用D3.geoPath().projection(d3.geoNaturalEarth1())渲染时格陵兰岛变形巨大原因geoNaturalEarth1是折衷投影对面积保真度低而 GeoJSON 坐标是 WGS84D3 默认按球面坐标渲染未做投影变换。解决显式设置投影中心与缩放并用d3.geoAlbersUsa()替代虽名为 USA但albers投影可全球配置const projection d3.geoAlbers() .rotate([0, 0]) // 旋转归零 .center([0, 20]) // 视角中心设为赤道以北 .parallels([20, 50]) // 标准纬线减小中纬度变形 .scale(150); const path d3.geoPath().projection(projection);5. 进阶技巧批量生成各国面积/周长/质心导出为 CSV 供 BI 工具直连5.1 为什么不能只靠area_km2——面积只是基础周长与质心决定空间关系建模质量在物流路径规划、疫情传播模拟、选举区划公平性分析中单一面积指标远远不够海岸线长度影响港口经济权重、海平面上升脆弱性评估质心坐标是国家“代表点”用于计算首都距离、邻国间最短路径最小外接矩形MBR加速空间索引如 PostGIS 的操作符形状指数Shape Index周长 / sqrt(面积)值越大越破碎如印尼、菲律宾影响基建连通性。本包提供generate_country_metrics.py脚本一键输出含 12 项指标的 CSV# generate_country_metrics.py import geopandas as gpd import numpy as np world gpd.read_file(./world_geojson/world_countries.geojson) def calc_metrics(row): geom row.geometry if geom.is_empty: return {k: np.nan for k in [area_km2, perimeter_km, centroid_lon, centroid_lat, mbr_minx, mbr_miny, mbr_maxx, mbr_maxy, shape_index, compactness, aspect_ratio, convex_hull_ratio]} # 面积EPSG:6933极地优化 area_m2 geom.to_crs(EPSG:6933).area area_km2 area_m2 / 1e6 # 周长同 CRS 下计算 perimeter_m geom.to_crs(EPSG:6933).length perimeter_km perimeter_m / 1000 # 质心WGS84 下计算避免投影偏移 centroid geom.centroid centroid_lon, centroid_lat centroid.x, centroid.y # 最小外接矩形 minx, miny, maxx, maxy geom.bounds # 形状指数周长 / sqrt(面积)理想圆为 2π/sqrt(π)≈3.54 shape_index perimeter_km / np.sqrt(area_km2) if area_km2 0 else np.nan # 紧凑度Compactness4π×面积/周长²越接近 1 越接近圆形 compactness (4 * np.pi * area_km2) / (perimeter_km ** 2) if perimeter_km 0 else np.nan # 长宽比Aspect Ratio(maxx-minx)/(maxy-miny)3 为狭长型 aspect_ratio (maxx - minx) / (maxy - miny) if maxy miny else np.nan # 凸包比率Convex Hull Ratio面积 / 凸包面积越小越破碎 convex_hull_area geom.convex_hull.area convex_hull_ratio area_km2 / (convex_hull_area / 1e6) if convex_hull_area 0 else np.nan return { area_km2: round(area_km2, 2), perimeter_km: round(perimeter_km, 2), centroid_lon: round(centroid_lon, 4), centroid_lat: round(centroid_lat, 4), mbr_minx: round(minx, 4), mbr_miny: round(miny, 4), mbr_maxx: round(maxx, 4), mbr_maxy: round(maxy, 4), shape_index: round(shape_index, 3), compactness: round(compactness, 3), aspect_ratio: round(aspect_ratio, 3), convex_hull_ratio: round(convex_hull_ratio, 3) } # 批量计算并合并 metrics_df world.apply(calc_metrics, axis1, result_typeexpand) world_with_metrics pd.concat([world.drop(columns[geometry]), metrics_df], axis1) world_with_metrics.to_csv(./world_geojson/country_metrics_2023.csv, indexFalse) print(✅ 指标 CSV 已生成country_metrics_2023.csv)运行后得到country_metrics_2023.csv含以下列截取前 5 行nameiso_a2iso_a3area_km2perimeter_kmcentroid_loncentroid_latshape_indexcompactnessRussiaRURUS17098242.0075321.50105.320061.52503.2140.308CanadaCACAN9984670.00202080.00-95.390061.37008.0120.049United StatesUSUSA9833517.0044820.00-95.710037.09004.5170.155ChinaCNCHN9596961.0022220.00104.190035.86002.2810.612BrazilBRBRA8515767.0023105.00-51.9250-14.23502.5030.504提示compactness值越低国家轮廓越不规则。加拿大0.049是全球最低之一因湖泊密布、海岸锯齿而埃及0.721接近矩形——这直接影响“从开罗到亚历山大港的直线距离占国土最大跨度比例”这类分析。5.2 如何把 CSV 直连 Power BI / Tableau——用地理编码字段激活地图图层Power BI 默认不识别centroid_lon/centroid_lat为地理字段需两步激活在 Power BI Desktop 中选中centroid_lon列 → 右键「数据类别」→「经度」同理centroid_lat→ 「纬度」新建地图视觉对象将name拖入「位置」area_km2拖入「大小」iso_a3拖入「图例」自动渲染气泡地图。Tableau 同理将centroid_lon设为「经度维度」centroid_lat设为「纬度维度」右键「地理角色」→「国家/地区」即可关联内置地理数据库。5.3 一个血泪经验永远不要在生产环境用world_countries.geojson原始文件某次上线跨国用户分布看板前端直接加载 12MB 的world_countries.geojson首屏加载超 8 秒Lighthouse 性能分 23。后来我们做了三件事按需切片用geojson-vt将全量数据切为矢量瓦片world.mbtiles前端按视口加载属性精简删除properties中未用字段如gdp_md_est体积从 12MB → 4.3MBgzip 压缩Nginx 开启gzip_static on;传输体积降至 1.1MB。从那以后我每次交付地理数据都强制走一遍geojson-vt切片 属性裁剪 gzip 验证流程——不是为了炫技而是让用户第一眼就看到地图而不是 loading 圈。希望帮到你。本文还有配套的精品资源点击获取