GeoPandas sjoin_nearest空间连接参数失效及随机匹配问题

• 核心原因是几何距离计算规则和数据特征的匹配：geopandas依赖shapely做几何运算，两个几何只要存在空间相交（包括点落在多边形内部、点接触多边形边界），二者的最小计算距离就为0。
• 你的gpd1本身是点要素buffer生成的面，大量gpd2的点直接落在这些buffer面范围内，因此这些点和对应polygon的计算距离天然是0。
• 你测试的所有max_distance取值（0.0001到100）都大于0，所有0距离的匹配对都会满足阈值要求被保留。而sjoin_nearest永远优先返回距离最小的匹配，0已经是几何距离的最小值，不存在更近的匹配结果，因此无论你在大于0的区间怎么调整max_distance，最终匹配结果都不会变化。
• 可以做个简单验证：把max_distance设为0，此时只会保留刚好落在多边形边界上的点，匹配结果会大幅减少。

原生sjoin_nearest遇到多个等距近邻时，会按gpd2的原始输入顺序返回匹配结果，不会做随机选择，因此重叠/相邻polygon很容易拿到完全一致的匹配点。要引入随机性，按以下步骤实现即可：

1. 先放宽匹配逻辑，拿到每个polygon在指定搜索半径内的所有候选点，不要只取最近的单个点
2. 给所有候选匹配生成随机排序值
3. 按polygon分组，每组随机抽取指定数量的候选点作为最终匹配结果

参考实现代码：

import geopandas as gpd
import numpy as np

# 配置项，按需修改
SEARCH_RADIUS = 100  # 近邻搜索半径，单位：米
MATCH_NUM_PER_POLY = 1  # 每个面要素匹配的点数量

# 第一步：获取搜索半径内所有候选匹配点
all_candidates = gpd.sjoin_nearest(
    gpd1,
    gpd2,
    how="left",
    max_distance=SEARCH_RADIUS,
    distance_col="distances"
)

# 第二步：生成随机排序权重
all_candidates["rand_weight"] = np.random.rand(len(all_candidates))

# 第三步：分组随机抽样得到最终结果
df_join = (
    all_candidates
    .sort_values("rand_weight")
    .groupby(level=0, group_keys=False)
    .head(MATCH_NUM_PER_POLY)
    .drop(columns=["rand_weight"])
)

补充说明：

• 不固定numpy随机种子的话，每次运行代码得到的匹配结果都会有差异
• 如果需要偏向匹配更近的点，可以把均匀随机权重改成距离加权权重，比如用1/(all_candidates["distances"] + 1e-6)结合小幅度随机扰动做排序，距离越近的点被抽中的概率越高
• 如果搜索半径很大、候选点太多，可以先用geopandas内置的空间索引做预筛选，减少运算量

内容的提问来源于stack exchange，提问作者kms