如何通过坐标将Shapefile与数据集聚合为一个数据集

你需要完成的是点与多边形的空间匹配——判断ses里的每个坐标点落在ms_shp的哪个多边形区域内，再将对应区域的属性合并到点数据集中。下面是两种主流工具的实现方法：

R 实现（基于sf包） #

sf是R中处理空间数据的标准工具，步骤如下：

• 加载依赖包

library(sf)
library(dplyr)

• 读取并转换数据
  先读取Shapefile为sf对象：

  ms_shp_sf <- st_read("你的ms_shp文件路径.shp")
  

  把ses转换成带空间属性的点对象，注意要保证坐标参考系（CRS）和Shapefile一致：

  ses_sf <- st_as_sf(ses, coords = c("gx", "gy"), crs = st_crs(ms_shp_sf))
  

• 执行空间连接
  用st_join把点匹配到所在的多边形，自动合并属性：

  merged_data <- st_join(ses_sf, ms_shp_sf, join = st_within)
  

  如果不需要保留空间几何信息，可以转成普通数据框：

  merged_df <- st_drop_geometry(merged_data)
  

Python 实现（基于geopandas） #

geopandas是Python生态中处理空间数据的核心库，步骤如下：

• 加载依赖库

import geopandas as gpd

• 读取并转换数据
  读取Shapefile为GeoDataFrame：

  ms_shp_gdf = gpd.read_file("你的ms_shp文件路径.shp")
  

  将ses转换为带点几何的GeoDataFrame，确保CRS与Shapefile一致：

  ses_gdf = gpd.GeoDataFrame(
      ses,
      geometry=gpd.points_from_xy(ses.gx, ses.gy),
      crs=ms_shp_gdf.crs
  )
  

• 执行空间连接
  使用sjoin完成点面匹配，保留所有点数据并合并对应多边形的属性：

  merged_gdf = gpd.sjoin(ses_gdf, ms_shp_gdf, how="left", predicate="within")
  

  若无需空间属性，可转为普通DataFrame：

  merged_df = merged_gdf.drop(columns="geometry")
  

关键注意事项 #

• 两份数据的坐标参考系（CRS）必须完全一致，否则匹配结果会出错。如果不一致，可使用st_transform（R）或to_crs（Python）将其中一份转换为另一份的CRS。
• 若存在不在任何多边形内的点，合并后对应的多边形属性（如Region、Residuals等）会显示为NA/NaN，可根据需求过滤或填充这些记录。

内容的提问来源于stack exchange，提问作者user18343293