为何st_join(x,y,left=TRUE)返回的sf对象要素数多于输入x？

我有两个包含多个多边形（POLYGON）要素的sf对象，希望通过多边形空间关系将两者的属性关联起来。使用st_join()函数时，默认结果与预期不符，但添加largest = TRUE参数后得到了正确输出，想了解背后的原因。

示例代码 #

library(sf)
library(tidyverse)

map1 <- st_as_sfc(c("POLYGON((0 0 , 0 1 , -1 1 , -1 0, 0 0))",
                    "POLYGON((0 0 , 0 2 , 2 2 , 2 0, 0 0 ))", 
                    "POLYGON((0 0 , 0 -0.5 , -0.5 -0.5 , -0.5 0, 0 0))")) %>% 
  st_sf(ID = paste0("poly", 1:3),
        att1 = c(letters[1:3]))

map2 <- st_as_sfc(c("POLYGON((0 0 , 0 0.5 , -0.5 .5 , -0.5 0, 0 0))",
                    "POLYGON((-0.5 0 , -0.5 1 , -1 1 , -1 0 , -0.5 0))",
                    "POLYGON((0 0 , 0 1 , 1 1 , 1 0 , 0 0))",
                    "POLYGON((1 1 , 1 2 , 2 2 , 2 1 , 1 1))",
                    "POLYGON((0 0 , 0 -0.25 , -0.25 -0.25 , -0.25 0 , 0 0))")) %>% 
  st_sf(ID = paste0("poly", 4:8)) %>%
  mutate(att2 = c(LETTERS[1:5]))

# 默认调用st_join，结果不符合预期
map3 <- st_join(map2, map1, left = TRUE)

默认结果的问题 #

默认运行后得到12条要素，而非预期的5条，部分逻辑上不应该关联的多边形也被匹配：

Simple feature collection with 12 features and 4 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: -1 ymin: -0.25 xmax: 2 ymax: 2
CRS:           NA
First 10 features:
     ID.x att2  ID.y att1                              .
1   poly4    A poly1    a POLYGON ((0 0, 0 0.5, -0.5 ...
1.1 poly4    A poly2    b POLYGON ((0 0, 0 0.5, -0.5 ...
1.2 poly4    A poly3    c POLYGON ((0 0, 0 0.5, -0.5 ...
2   poly5    B poly1    a POLYGON ((-0.5 0, -0.5 1, -...
2.1 poly5    B poly3    c POLYGON ((-0.5 0, -0.5 1, -...
3   poly6    C poly1    a POLYGON ((0 0, 0 1, 1 1, 1 ...
3.1 poly6    C poly2    b POLYGON ((0 0, 0 1, 1 1, 1 ...
3.2 poly6    C poly3    c POLYGON ((0 0, 0 1, 1 1, 1 ...
4   poly7    D poly2    b POLYGON ((1 1, 1 2, 2 2, 2 ...
5   poly8    E poly1    a POLYGON ((0 0, 0 -0.25, -0....

为什么默认结果不符合预期？ #

st_join()的默认空间连接规则是**st_intersects（空间交集）**，只要两个几何对象有任何形式的重叠（包括共享顶点、边界线接触），就会生成一条关联记录。

在示例中，map1的三个多边形都共享原点(0,0)，而map2的所有多边形都包含这个原点，因此每个map2的多边形都会和map1中所有包含原点的多边形（即全部3个）产生交集匹配，最终导致单条map2要素对应多条map1属性，结果行数远超预期。

为什么largest = TRUE能解决问题？ #

当设置largest = TRUE时，st_join()会为每个x（这里是map2）要素只匹配与之重叠面积最大的y（这里是map1）要素。这样即使一个x要素和多个y要素有交集，最终也只会保留重叠面积最大的那一组关联，从而保证结果的要素数和x一致（在left = TRUE的前提下）。

另一种解决方案：严格匹配“完全包含” #

如果需求是严格判断map2的多边形完全被包含在map1的多边形中，可以指定join = st_within，这样只有满足完全包含关系的要素才会被关联：

map5 <- st_join(map2, map1, left = TRUE, join = st_within)

运行后同样会得到5条要素，符合预期。

内容的提问来源于stack exchange，提问作者baobab