下面我将详细介绍几种主流的方法,并提供代码示例。

核心方法概览

ArcPy (最推荐，功能最全)

ArcPy是Esri官方提供的Python站点包,是ArcGIS自动化的基石，它提供了对ArcGIS地理处理工具、数据管理和属性访问的完整访问权限。

安装

ArcPy随ArcGIS Pro或ArcGIS Desktop一同安装，无需单独安装。

基本操作

工作环境管理

import arcpy
# 设置工作空间，后续操作将默认在此路径下
arcpy.env.workspace = r"C:\Data\MyProject.gdb"
# 设置输出坐标系
arcpy.env.outputCoordinateSystem = arcpy.SpatialReference(4326) # WGS84
# 设置覆盖输出而不提示
arcpy.env.overwriteOutput = True

数据管理

# 列出GDB中的所有数据集
datasets = arcpy.ListDatasets()
print("数据集:", datasets)
# 列出GDB中的所有要素类
feature_classes = arcpy.ListFeatureClasses()
print("要素类:", feature_classes)
# 列出GDB中的所有表
tables = arcpy.ListTables()
print("表:", tables)
# 复制要素类
input_fc = r"C:\Data\MyProject.gdb\Roads"
output_fc = r"C:\Data\MyProject.gdb\Roads_Simplified"
arcpy.CopyFeatures_management(input_fc, output_fc)
# 删除要素类
# arcpy.Delete_management(output_fc)

数据查询与游标 游标是遍历和修改要素/表中数据的核心工具。

# 1. 搜索游标 - 读取数据
input_fc = r"C:\Data\MyProject.gdb\Cities"
fields = ["NAME", "POPULATION", "SHAPE@"] # SHAPE@ 表示几何对象本身
with arcpy.da.SearchCursor(input_fc, fields) as cursor:
    for row in cursor:
        city_name = row[0]
        population = row[1]
        # geometry = row[2] # 这是一个几何对象
        print(f"城市: {city_name}, 人口: {population}")
# 2. 插入游标 - 添加新数据
output_fc = r"C:\Data\MyProject.gdb\NewCities"
fields_to_insert = ["NAME", "POPULATION"]
# 假设我们有一个新城市的数据
new_city_data = [("新城市A", 50000), ("新城市B", 75000)]
with arcpy.da.InsertCursor(output_fc, fields_to_insert) as cursor:
    for data in new_city_data:
        cursor.insertRow(data)
# 3. 更新游标 - 修改现有数据
# 注意：更新游标需要一个能唯一标识每一行的字段，如 'OBJECTID'
update_fc = r"C:\Data\MyProject.gdb\Cities"
fields_to_update = ["POPULATION", "OBJECTID"]
with arcpy.da.UpdateCursor(update_fc, fields_to_update) as cursor:
    for row in cursor:
        population = row[0]
        object_id = row[1]
        if population > 1000000: # 如果人口超过100万
            row[0] = population + 10000 # 增加1万
            cursor.updateRow(row) # 提交修改

执行地理处理工具

# 缓冲区分析
input_fc = r"C:\Data\MyProject.gdb\Schools"
output_buffer = r"C:\Data\MyProject.gdb\School_Buffer_1km"
distance = "1000 meters" # 距离和单位
arcpy.Buffer_analysis(input_fc, output_buffer, distance, "FULL", "ROUND", "ALL")
# 联接
join_features = r"C:\Data\MyProject.gdb\Counties"
output_join = r"C:\Data\MyProject.gdb\Schools_Joined"
join_field = "COUNTY_NAME" # 联接字段
arcpy.SpatialJoin_analysis(input_fc, join_features, output_join, "JOIN_ONE_TO_MANY", "KEEP_ALL", "", join_field)

Fiona + GeoPandas (适合数据分析与读取)

这种方法非常适合需要用Python强大的数据科学生态（如Pandas, NumPy, Matplotlib）来分析GDB数据的场景。注意：目前GeoPandas官方不支持写入GDB。

安装

pip install fiona geopandas

基本操作

读取GDB中的要素类

import geopandas as gpd
# GDB路径和要素类名称
gdb_path = r"C:\Data\MyProject.gdb"
fc_name = "Cities"
# 使用fiona引擎读取
gdf = gpd.read_file(f"{gdb_path}/{fc_name}", engine="fiona")
# 现在你可以像操作普通DataFrame一样操作数据
print(gdf.head())
print(gdf.crs) # 查看坐标系
# 数据分析示例
print(f"总共有 {len(gdf)} 个城市。")
print(gdf['POPULATION'].describe())
# 筛选人口超过100万的城市
large_cities = gdf[gdf['POPULATION'] > 1000000]
print(large_cities)
# 绘制地图
gdf.plot(column='POPULATION', legend=True, cmap='viridis')

转换格式（GDB -> Shapefile/GeoJSON） 这是GeoPandas处理GDB最常见的用途：将数据从GDB中导出为其他格式。

# 导出到Shapefile
output_shp = r"C:\Output\Cities.shp"
gdf.to_file(output_shp)
# 导出到GeoJSON
output_geojson = r"C:\Output\Cities.geojson"
gdf.to_file(output_geojson, driver='GeoJSON')

GDAL/OGR 直接调用 (底层灵活)

GDAL/OGR是一个强大的地理空间数据转换库，GeoPandas就是基于它构建的，直接使用osgeo可以获得更底层的控制。

安装

安装GDAL可能比较棘手,推荐使用Conda。

conda install -c conda-forge gdal

基本操作

读取GDB

from osgeo import ogr
# 注册所有OGR驱动
ogr.RegisterAll()
# GDB路径
gdb_path = r"C:\Data\MyProject.gdb"
fc_name = "Roads"
# 打开GDB
data_source = ogr.Open(gdb_path)
if data_source is None:
    print("无法打开GDB！")
    exit()
# 获取要素类
layer = data_source.GetLayerByName(fc_name)
if layer is None:
    print("找不到要素类！")
    exit()
# 获取图层定义
layer_defn = layer.GetLayerDefn()
# 读取数据
print(f"要素类: {fc_name}, 字段数量: {layer_defn.GetFieldCount()}")
for i in range(layer_defn.GetFieldCount()):
    field_defn = layer_defn.GetFieldDefn(i)
    print(f"  - 字段 {i+1}: {field_defn.GetName()} ({field_defn.GetTypeName()})")
# 遍历要素
feature_count = layer.GetFeatureCount()
print(f"总要素数: {feature_count}")
for i, feature in enumerate(layer):
    if i >= 5: # 只打印前5个要素
        break
    geom = feature.GetGeometryRef()
    print(f"要素 {i+1}: ID={feature.GetFID()}, 几何类型={geom.GetGeometryName()}")
    # 可以通过字段名获取属性值
    # name = feature.GetField('NAME')
    # print(f"  名称: {name}")
# 关闭数据源
data_source = None

写入GDB (比GeoPandas灵活)

from osgeo import ogr, osr
# 创建一个新的GDB
driver = ogr.GetDriverByName("OpenFileGDB") # "FileGDB" 也可以
if os.path.exists(r"C:\Output\NewGDB.gdb"):
    driver.DeleteDataSource(r"C:\Output\NewGDB.gdb")
data_source = driver.CreateDataSource(r"C:\Output\NewGDB.gdb")
if data_source is None:
    print("无法创建GDB！")
    exit()
# 创建空间参考
srs = osr.SpatialReference()
srs.ImportFromEPSG(4326) # WGS84
# 创建一个新的要素类
layer_name = "Rivers"
layer = data_source.CreateLayer(layer_name, srs, ogr.wkbLineString)
# 添加字段
layer.CreateField(ogr.FieldDefn("NAME", ogr.OFTString))
layer.CreateField(ogr.FieldDefn("LENGTH", ogr.OFTReal))
# 创建一个要素并写入
feature_defn = layer.GetLayerDefn()
feature = ogr.Feature(feature_defn)
# 创建几何 (一条线)
line = ogr.Geometry(ogr.wkbLineString)
line.AddPoint(0, 0)
line.AddPoint(10, 10)
feature.SetGeometry(line)
# 设置属性
feature.SetField("NAME", "示例河流")
feature.SetField("LENGTH", line.Length())
# 将要素写入图层
layer.CreateFeature(feature)
# 清理
feature = None
layer = None
data_source = None
print(f"成功在 {r'C:\Output\NewGDB.gdb'} 中创建了 {layer_name} 要素类。")

pyodbc (适合快速SQL查询)

对于企业级地理数据库或个人地理数据库,其底层是数据库（如PostgreSQL, SQL Server或文件数据库），pyodbc允许你使用标准SQL进行查询，速度非常快。

安装

pip install pyodbc

基本操作

注意：连接字符串因GDB类型而异。

连接并查询文件地理数据库

import pyodbc
# 文件GDB的连接字符串
# DSN-less连接方式
# 注意路径中的.gdb扩展名
conn_str = (
    r"DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};"
    r"DBQ=C:\Data\MyProject.gdb;"
    r"ExtendedAnsiSQL=1;" # 对于处理带特殊字符的字名很重要
)
try:
    conn = pyodbc.connect(conn_str)
    print("连接成功！")
    # 使用游标执行SQL
    cursor = conn.cursor()
    cursor.execute("SELECT TOP 5 * FROM Cities")
    # 获取列名
    columns = [column[0] for column in cursor.description]
    print("列名:", columns)
    # 打印结果
    for row in cursor:
        print(row)
except pyodbc.Error as e:
    print(f"数据库错误: {e}")
finally:
    if 'conn' in locals() and conn:
        conn.close()
        print("连接已关闭。")

连接并查询企业级地理数据库 (PostgreSQL示例)

# 企业级GDB (PostgreSQL/PostGIS) 的连接字符串
# 这需要你的GDB发布为SDE服务并连接到后端数据库
conn_str = (
    r"DRIVER={PostgreSQL Unicode};"
    r"SERVER=myserver.mydomain.com;"
    r"PORT=5432;"
    r"DATABASE=sde;"
    r"UID=myuser;"
    r"PWD=mypassword;"
)
# 后续操作与文件GDB类似...

总结与选择建议

• 如果你是ArcGIS用户，需要进行复杂的地理处理、数据管理和自动化任务：毫无疑问选择 ArcPy，它是最强大、最稳定、与ArcGIS生态系统结合最紧密的工具。
• 如果你主要任务是数据分析、数据清洗，或者需要将GDB数据用于其他Python库（如Pandas, Scikit-learn, Matplotlib）：选择 Fiona + GeoPandas 来读取数据，完成分析后，再通过ArcPy或其他工具写回GDB。
• 如果你需要底层操作，或者需要写入GDB但不想用ArcPy，或者需要处理GDAL支持的其他大量格式：选择 GDAL/OGR (osgeo)，它更灵活，但学习曲线稍陡。
• 如果你只需要对GDB进行快速、高效的SQL查询，特别是针对海量数据：选择 pyodbc，它能绕过ArcPy的地理处理开销，直接与数据库引擎交互，速度极快。

在实际项目中,这些方法常常结合使用，用ArcPy进行复杂的分析，用GeoPandas进行数据探索和可视化，用pyodbc进行快速的数据提取。