如何将超1981万行的GeoDataFrame转换为JSON？求解决方案

首先直接给你结论：你遇到的错误确实是shape列的格式导致的。原因很简单——GeoDataFrame里的shape列存储的是GeoPandas的几何对象（比如Polygon、MultiPoint这类），这些不是JSON原生支持的数据类型，直接操作这个列转JSON肯定会序列化失败。

一、小数据集的正确转换方法 #

别再单独操作shape列了，GeoPandas本身提供了专门的to_json()方法，它会自动把几何对象转换成标准的GeoJSON格式（这是JSON的地理数据扩展，完全符合JSON规范），同时保留其他属性列。

示例代码：

# 直接生成JSON字符串
json_str = SchooolDistrictDf.to_json()

# 或者直接保存到文件
SchooolDistrictDf.to_json("school_districts.json")

这个方法默认输出GeoJSON格式，每个行会被转换成一个Feature，包含属性和几何信息，完美适配你的需求。

二、超大型数据集（1980万+行）的处理方案 #

这么大的数据量直接用to_json()会瞬间占满内存，导致程序崩溃，必须用分块/并行处理的方式：

方法1：手动分块导出GeoJSON

我们可以把数据分成若干小块，逐个导出后拼接成完整的GeoJSON文件（GeoJSON是一个FeatureCollection结构，我们手动拼接头部、分块特征和尾部）：

# 先写入GeoJSON的头部
with open("large_school_districts.json", "w") as f:
    f.write('{"type": "FeatureCollection", "features": [')

# 设置每块的行数，根据你的内存调整（比如10万行一块）
chunk_size = 100000
total_rows = len(SchooolDistrictDf)

for i in range(0, total_rows, chunk_size):
    # 取出当前块的数据
    chunk = SchooolDistrictDf.iloc[i:i+chunk_size]
    # 导出块的GeoJSON特征（只取records部分，去掉外层的[]）
    chunk_features = chunk.to_json(orient="records")[1:-1]
    
    # 追加到文件，注意块之间的逗号分隔
    with open("large_school_districts.json", "a") as f:
        if i > 0:
            f.write(",")
        f.write(chunk_features)

# 写入GeoJSON的尾部
with open("large_school_districts.json", "a") as f:
    f.write("]}")

方法2：用Dask-Geopandas并行处理（更高效）

如果你的内存还是吃紧，可以用dask-geopandas这个库，它能把GeoDataFrame拆分成多个分区并行处理，自动处理分块导出：

import dask_geopandas as dg

# 将普通GeoDataFrame转换为Dask GeoDataFrame，分区数根据内存调整
dask_gdf = dg.from_geopandas(SchooolDistrictDf, npartitions=10)

# 直接导出为GeoJSON文件，Dask会自动分块处理
dask_gdf.to_file("large_school_districts.json", driver="GeoJSON")

这个方法不需要手动拼接文件，适合超大规模数据集的处理。

关键提醒 #

永远不要直接对shape列单独调用to_json()——几何对象不是JSON可序列化的类型，必须通过GeoPandas的专用方法转换，它会自动把几何对象转换成GeoJSON的geometry字段，和其他属性一起组成合法的地理JSON结构。

内容的提问来源于stack exchange，提问作者M3105