做地理信息项目的，谁没被数据合并折磨过？特别是拿到手的一堆散乱的_geo文件，格式不一，坐标系乱飞。今天不扯虚的，直接上干货，讲讲怎么把_geo数据集怎么合并这事儿办利索。
先说个真事儿。上个月有个做智慧城市的朋友找我，手里有十几个区县的POI数据，想拼成全市的。他之前自己用Excel转，结果坐标全歪了，街道名字还重复了三次。最后不得不花了两千块找外包重做。其实这事儿根本不用那么复杂，关键在流程。
第一步，别急着合并。先检查坐标系。这是90%的人踩坑的地方。有的数据是WGS84，有的是CGCS2000，还有可能是北京54。直接合并？那地图上点位能飘到隔壁省去。我用QGIS或者ArcGIS打开每个文件，看属性表里的投影信息。如果不一样，必须先统一重投影。这一步不能省，省了后面全白搭。
第二步，清理脏数据。很多_geo数据里，字段名都不一样。有的叫“名称”，有的叫“NAME”，有的叫“地名”。合并前，得先把字段标准化。我用Python写个小脚本，或者直接在GIS软件里用字段计算器，把关键字段名统一。比如统一成“name”、“type”、“lon”、“lat”。这一步看着繁琐，但能省后面无数麻烦。
第三步，才是正式合并。如果你数据量小，几百条，用ArcGIS的“合并”工具或者QGIS的“合并图层”功能，手动操作就行。勾选“创建唯一ID”，别偷懒。如果数据量大，比如几十万条，手动点鼠标会卡死。这时候建议用Python的geopandas库。代码很简单：
import geopandas as gpd
import os
files = [f for f in os.listdir('.') if f.endswith('.geojson')]
gdfs = [gpd.read_file(f) for f in files]
merged = gpd.GeoDataFrame(pd.concat(gdfs, ignore_index=True))
merged.to_file('merged.geojson', driver='GeoJSON')
这段代码能帮你快速搞定。但注意，内存够不够？如果内存爆了，得用分块读取。
关于价格，市面上做数据清洗和合并的服务，小项目大概500-1000元，大项目按条收费，每条0.1-0.5元不等。别信那些说“一键免费合并”的，多半是坑，要么数据丢失，要么坐标错误。
再分享个避坑点：属性冲突。合并后，如果两个数据源对同一个POI的描述不同，比如一个说“麦当劳”，一个说“McDonald's”，合并后会出现两条记录。这时候得用空间连接（Spatial Join）或者模糊匹配来去重。这一步很考验经验，建议保留原始数据，新增一列“来源”，方便后续核对。
我见过有人为了省事，直接复制粘贴字段，结果数据类型不对，比如把经纬度存成了字符串，后面没法做空间分析。所以合并后，一定要检查数据类型，确保经纬度是浮点数，面积是数值型。
最后，合并完别急着交付。随机抽10个点，在地图上打点，看看位置对不对。再跑一下拓扑检查，看看有没有重叠、缝隙。这些细节，客户一眼就能看出来。
做这行，靠谱比速度重要。数据合并不是简单的拼接，而是数据的重构和标准化。如果你自己搞不定，或者时间紧，找专业的人做也不亏。毕竟，数据错了，后面所有分析都是废纸。
本文关键词：_geo数据集怎么合并
