如何用dplyr::inner_join和join_by按最近距离合并经纬度数据框

要让data中的每个点匹配grid里距离最近的网格点，核心是先让每个数据点与所有网格点做笛卡尔连接，计算距离后筛选出最近项，再通过inner_join完成关联，具体实现如下：

步骤1：为数据添加唯一标识 #

给data每行加唯一ID，方便后续按单个数据点分组计算：

library(dplyr)
library(tidyr)

data <- data %>% mutate(id = row_number())

步骤2：笛卡尔连接并计算距离平方 #

将data与grid做全连接，计算每个数据点到所有网格点的距离平方（无需开根号，平方最小等价于距离最小，能减少计算量）：

distance_df <- data %>%
  crossing(grid) %>%
  mutate(dist_sq = (lon.x - lon.y)^2 + (lat.x - lat.y)^2)

步骤3：筛选每个数据点的最近网格点 #

按数据点ID分组，保留距离平方最小的网格点记录：

nearest_grid <- distance_df %>%
  group_by(id) %>%
  filter(dist_sq == min(dist_sq)) %>%
  ungroup() %>%
  select(id, grid_lon = lon.y, grid_lat = lat.y, y)

步骤4：用inner_join关联结果 #

如果需要保留原始数据的经纬度，用inner_join将筛选结果与原始data关联：

final_result <- data %>%
  inner_join(nearest_grid, by = "id") %>%
  select(original_lon = lon, original_lat = lat, grid_lon, grid_lat, y)

完整可运行代码 #

library(dplyr)
library(tidyr)
library(tibble)

# 生成示例数据
grid = tidyr::crossing(lon = seq(0, 1, 0.25), lat = seq(0, 1, 0.25))
data = tibble::tibble(lon = runif(4), lat=runif(4), y=rnorm(4))

# 执行匹配流程
data_with_id <- data %>% mutate(id = row_number())

nearest_matches <- data_with_id %>%
  crossing(grid) %>%
  mutate(dist_sq = (lon.x - lon.y)^2 + (lat.x - lat.y)^2) %>%
  group_by(id) %>%
  filter(dist_sq == min(dist_sq)) %>%
  ungroup() %>%
  select(id, grid_lon = lon.y, grid_lat = lat.y, y)

final_result <- data_with_id %>%
  inner_join(nearest_matches, by = c("id", "y")) %>%
  select(original_lon = lon, original_lat = lat, grid_lon, grid_lat, y)

print(final_result)

关键说明 #

• crossing用于实现笛卡尔连接，让每个数据点与所有网格点配对
• 用距离平方替代实际距离，不影响最小值判断且计算更快
• group_by(id)确保每个数据点只保留最近的网格点记录
• inner_join保证只保留匹配成功的记录（此处所有数据点都能匹配到网格点，结果行数与原始data一致）

内容的提问来源于stack exchange，提问作者sieste