在R中基于最近经纬度坐标匹配合并数据集并保留原尺寸

核心逻辑 #

两个数据集的经纬度没完全对上的话，普通的按列合并肯定没用。得用空间邻近匹配——比如给每个点找另一个数据集里离它最近的点，这样既能把两边的信息关联起来，又能保住两个数据集原来的所有行数。

具体操作步骤 #

1. 装包加载包 #

主要用sf处理空间数据，dplyr管数据框操作：

install.packages(c("sf", "dplyr"))
library(sf)
library(dplyr)

2. 把普通数据转成空间对象 #

假设你的两个数据集叫df1和df2，都有latitude（纬度）、longitude（经度）和各自的属性列：

# 把df1转成sf空间对象，指定坐标系用WGS84（GPS常用的坐标系）
sf1 <- st_as_sf(df1, coords = c("longitude", "latitude"), crs = 4326)

# 同理处理df2
sf2 <- st_as_sf(df2, coords = c("longitude", "latitude"), crs = 4326)

3. 做空间最近邻合并（保住两边原始数据） #

要保住两个数据集的所有行，得分两次做左连接：

• 第一次：给df1的每一行匹配df2里最近的点，保住df1所有行
• 第二次：给df2的每一行匹配df1里最近的点，保住df2所有行
• 最后可以把这两个结果拼在一起，得到完整的合并数据

3.1 给df1匹配df2的最近点

# 给sf1每个点找sf2里最近的点，保留sf1所有行
df1_match_df2 <- st_join(sf1, sf2, join = st_nearest_feature, left = TRUE) %>%
  # 可选：转回普通数据框，不需要空间几何的话就加这行
  st_drop_geometry()

3.2 给df2匹配df1的最近点

# 给sf2每个点找sf1里最近的点，保留sf2所有行
df2_match_df1 <- st_join(sf2, sf1, join = st_nearest_feature, left = TRUE) %>%
  st_drop_geometry()

3.3 把两个结果拼起来（可选）

如果想把两边的匹配结果放同一个数据框里，用bind_rows就行：

final_data <- bind_rows(
  df1_match_df2 %>% mutate(source_dataset = "df1"),
  df2_match_df1 %>% mutate(source_dataset = "df2")
)

4. 给匹配加距离限制（可选） #

要是不想匹配太远的点，可以设个距离阈值，只找指定范围内的点。比如只匹配1公里内的：

# 先把坐标系转成米为单位的（比如UTM，这里假设你的区域在UTM 50N，crs=32650，得根据你自己的区域调整）
sf1_utm <- st_transform(sf1, crs = 32650)
sf2_utm <- st_transform(sf2, crs = 32650)

# 只匹配1000米（1公里）内的最近点
df1_near_df2 <- st_join(sf1_utm, sf2_utm, join = st_is_within_distance, dist = 1000, left = TRUE) %>%
  st_drop_geometry()

重点提醒 #

• st_nearest_feature：专门用来找每个点对应的另一个图层里最近的点，不管距离多远，都能给每个原始行找到匹配
• left = TRUE：这个参数一定要加，保证左数据集的所有行都能保留，不会因为找不到匹配就丢了
• 坐标系转换：要是需要算实际距离，别直接用WGS84的经纬度，转成以米为单位的投影坐标系（比如UTM），误差会小很多

内容的提问来源于stack exchange，提问作者AS1