如何在R中编写函数计算两个数据集间最近坐标点的距离？

方法1：处理地理坐标（经纬度，WGS84） #

如果你的坐标是经纬度格式（WGS84坐标系，EPSG:4326），推荐使用nngeo结合sf包计算球面距离，结果更准确：

• 安装并加载依赖包：

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

• 将普通数据框转换为空间对象：

# 假设df1和df2包含lon（经度）、lat（纬度）列
sf1 <- st_as_sf(df1, coords = c("lon", "lat"), crs = 4326)
sf2 <- st_as_sf(df2, coords = c("lon", "lat"), crs = 4326)

• 计算每个点的最近点距离（单位：米）：

# 计算df1中每个点到df2的最近点距离
nearest_distances <- st_nn(sf1, sf2, returnDist = TRUE)$dist

# 若需计算df2到df1的最近点距离，调换参数顺序即可
nearest_distances_rev <- st_nn(sf2, sf1, returnDist = TRUE)$dist

方法2：处理平面坐标（如UTM投影） #

如果你的坐标是平面投影格式（比如UTM，单位为米），可以用FNN包快速计算欧氏距离：

• 安装并加载依赖包：

install.packages("FNN")
library(FNN)

• 提取坐标矩阵并计算最近距离：

# 提取df1和df2的坐标列（假设列名为x、y）
coords1 <- as.matrix(df1[, c("x", "y")])
coords2 <- as.matrix(df2[, c("x", "y")])

# 计算df1每个点到df2的最近点距离，k=1表示仅取最近的1个点
nearest_distances <- knnx.dist(coords2, coords1, k = 1)[,1]

封装成可复用函数 #

可以把上述逻辑封装成函数，支持两种坐标类型：

calculate_nearest_distances <- function(df_a, df_b, coords = c("x", "y"), is_geographic = FALSE) {
  if (is_geographic) {
    if (!requireNamespace("nngeo", quietly = TRUE) || !requireNamespace("sf", quietly = TRUE)) {
      stop("请先安装依赖包：install.packages(c('nngeo', 'sf'))")
    }
    sf_a <- st_as_sf(df_a, coords = coords, crs = 4326)
    sf_b <- st_as_sf(df_b, coords = coords, crs = 4326)
    dist_list <- st_nn(sf_a, sf_b, returnDist = TRUE)$dist
  } else {
    if (!requireNamespace("FNN", quietly = TRUE)) {
      stop("请先安装依赖包：install.packages('FNN')")
    }
    coords_a <- as.matrix(df_a[, coords])
    coords_b <- as.matrix(df_b[, coords])
    dist_list <- knnx.dist(coords_b, coords_a, k = 1)[,1]
  }
  return(dist_list)
}

使用示例 #

# 地理坐标场景：计算df1到df2的最近点距离
dist_geo <- calculate_nearest_distances(df1, df2, coords = c("lon", "lat"), is_geographic = TRUE)

# 平面坐标场景：计算df1到df2的最近点距离
dist_planar <- calculate_nearest_distances(df1, df2, coords = c("x", "y"), is_geographic = FALSE)

注意事项 #

• 地理坐标必须设置正确的坐标系（默认WGS84），否则距离计算结果无效。
• 平面坐标需使用投影坐标系（如UTM），禁止直接用经纬度计算欧氏距离。

内容的提问来源于stack exchange，提问作者Pelles