GIS开发实战：5分钟搞定GeoJSON与Shapefile格式互转（附Python代码）

GIS数据格式转换实战：Python实现GeoJSON与Shapefile高效互转

1. 地理空间数据格式概述

在GIS开发领域，数据格式的选择直接影响着工作效率和系统性能。GeoJSON和Shapefile作为两种主流矢量数据格式，各自拥有独特的优势和应用场景。GeoJSON采用纯文本的JSON格式，天生适合Web环境，被Leaflet、Mapbox GL JS等主流地图库原生支持。而Shapefile作为Esri推出的工业标准格式，在桌面GIS软件中占据统治地位，但它的多文件结构和二进制存储方式也给开发者带来了不少困扰。

常见矢量数据格式对比：

实际项目中经常遇到这样的困境：后端服务生成GeoJSON供前端调用，而业务部门却要求提交Shapefile格式报告；或者从政府开放数据平台获取的Shapefile数据需要转换为GeoJSON接入地图应用。这时，高效的格式转换能力就成为GIS开发者的必备技能。

2. 环境配置与工具选型

Python生态提供了丰富的GIS数据处理库，我们推荐使用以下工具链：

pip install geopandas fiona shapely pyproj

核心库功能说明：

• geopandas：基于pandas的空间数据分析库，提供高级API
• fiona：OGR库的Python接口，负责矢量数据读写
• shapely：几何对象操作库
• pyproj：坐标转换和投影处理

注意：在Windows环境下安装这些库时，建议使用conda管理以避免二进制依赖问题。Mac/Linux系统通常可以直接pip安装。

验证安装成功的快速测试：

import geopandas as gpd
print(gpd.__version__)  # 应输出类似0.10.2的版本号

对于大型数据集处理，建议配置如下环境优化：

• 为geopandas启用pyogrio后端（性能比默认fiona提升2-3倍）
• 设置合适的chunksize分块处理超大型文件
• 使用dask-geopandas实现并行计算

3. Shapefile转GeoJSON实战

假设我们有一个城市行政区划Shapefile文件集（city_boundary.shp + city_boundary.dbf等），需