在R中能否将DataFrame与Shapefile做Inner Join+模糊连接？

模糊连接在这个场景完全可行，针对你需要保留sf几何属性、匹配f1数据的需求，以下是优化后的完整实现流程：

核心思路 #

• 名称标准化：统一处理国家名称格式，消除大小写、后缀/前缀带来的匹配误差
• 精准匹配优先：用标准化后的名称完成精准连接，获取100%匹配的结果
• 未匹配项模糊补全：对精准匹配后剩余的未匹配项，用编辑距离算法做近似匹配
• 保留sf属性：全程维护sf对象的几何列，确保最终结果可直接用于绘图

完整代码实现 #

library(dplyr)
library(fuzzyjoin)
library(stringdist)
library(stringr)
library(sf)

# 1. 模拟数据（实际场景中f2用st_read读取shapefile）
set.seed(123)
f1 <- data.frame(
  country = c("United States", "United Kingdom", "France", "Germany", "Italy", "Spain", "Canada", "Japan", "Australia", "Brazil"),
  value1 = runif(10, 1, 100), 
  value2 = runif(10, 1, 100), 
  value3 = runif(10, 1, 100)
)

# 模拟sf格式的f2（实际使用：f2 <- st_read("path/to/ne_110m_admin_0_countries.shp")）
f2 <- data.frame(
  country = c("United States of America", "United Kingdom", "French Republic", "Germany", "Italian Republic", "Kingdom of Spain", "Canada", "Japan", "Commonwealth of Australia", "Federative Republic of Brazil"),
  # 模拟几何列，实际为shapefile自带的geometry
  geometry = sf::st_sfc(sf::st_point(c(0,0)), sf::st_point(c(1,1)), sf::st_point(c(2,2)), 
                        sf::st_point(c(3,3)), sf::st_point(c(4,4)), sf::st_point(c(5,5)), 
                        sf::st_point(c(6,6)), sf::st_point(c(7,7)), sf::st_point(c(8,8)), 
                        sf::st_point(c(9,9)))
) %>% sf::st_as_sf()

# 2. 名称标准化函数
standardize_name <- function(name) {
  name %>%
    str_to_upper() %>%
    str_remove_all("[[:punct:]]") %>%
    str_remove_all("\\s+") %>%
    # 移除常见国家后缀，提升匹配率
    str_remove_all("OFAMERICA|REPUBLIC|KINGDOMOF|COMMONWEALTHOF|FEDERATIVEOF")
}

# 为f1和f2添加标准化名称列
f1 <- f1 %>% mutate(country_std = standardize_name(country))
f2 <- f2 %>% mutate(country_std = standardize_name(country))

# 3. 精准匹配：将f1数据匹配到f2上（保留f2所有行）
exact_matched <- f2 %>%
  left_join(f1, by = "country_std", suffix = c("_f2", "_f1")) %>%
  mutate(match_type = ifelse(!is.na(value1), "精准匹配", NA))

# 4. 筛选未匹配项：f2中未找到精准匹配的行，以及完整的f1数据
unmatched_f2 <- exact_matched %>% filter(is.na(value1)) %>% select(-matches("value|match_type"))
unmatched_f1 <- f1

# 5. 模糊连接：基于标准化名称的编辑距离匹配，取最小编辑距离结果
fuzzy_matched <- stringdist_join(unmatched_f2, unmatched_f1,
                                 by = "country_std",
                                 mode = "left",
                                 method = "lv",  # Levenshtein编辑距离
                                 max_dist = 10,  # 针对国家名称放宽阈值，可按需调整
                                 distance_col = "match_distance") %>%
  # 确保每个f2行只匹配一个最相似的f1行
  group_by(country.x) %>%
  filter(match_distance == min(match_distance, na.rm = TRUE)) %>%
  ungroup() %>%
  # 对齐列名，和精准匹配结果保持一致
  select(country = country.x, geometry, country_std = country_std.x,
         value1, value2 = value2.y, value3, match_type = "模糊匹配")

# 6. 合并结果：精准匹配+模糊匹配，得到完整的sf绘图对象
final_sf <- bind_rows(
  exact_matched %>% select(-country_std),
  fuzzy_matched %>% select(-country_std)
) %>%
  st_as_sf()

# 查看最终结果
print(final_sf)

关键细节说明 #

• 标准化优化：额外移除常见国家后缀，大幅提升标准化后名称的匹配度
• 模糊连接参数：max_dist=10是针对国家名称的经验值，可根据实际匹配效果调整；method="lv"适合字符串近似匹配场景
• 避免一对多：通过分组筛选最小编辑距离结果，确保每个f2国家仅匹配一个最相似的f1条目
• sf属性维护：全程基于sf对象操作，合并后自动保留几何列，最终结果可直接用于ggplot2::geom_sf()绘图

内容的提问来源于stack exchange，提问作者heartofdarkness