R语言如何基于经纬度合并坐标相近的两个DataFrame数据集

现有公开可查的经纬度数据合并方案，大多针对两个数据框经纬度存在偏差的场景，通过计算点位空间距离实现最近邻匹配，不适用于经纬度精确对应、点位一一匹配的场景：

• df1存储河流沿线点位的流量（体积流量）数据，包含纬度Lat、经度Lon、流量Q三个字段，示例数据如下：

df1 <- data.frame(Lat = c(2,4,1,2,5), Lon = c(6,7,8,9,8), Q = c(150, 120, 80, 95, 100))

• df2存储同批次河流点位的治理相关数据，包含纬度Lat、经度Lon、治理指标T三个字段，示例数据如下：

df2 <- data.frame(Lat = c(2,4,1,2,5), Lon = c(6,7,8,9,8), T = c(17, 12, 8, 9, 10))

需要按经纬度字段匹配关联两个数据框，预期输出结果如下：

Lat  Long   Q     T
2     6    150    17
4     7    120    12
1     8     80     8
2     9     95     9
5     8    100    10

由于两个表的经纬度为精确匹配关系，直接使用等值连接即可，无需引入复杂的空间距离计算逻辑，两种常用实现方式如下：

方法1：base R 原生实现 #

无需加载第三方包，直接用内置merge函数指定经纬度为连接键，最后调整列名、列顺序和预期输出对齐即可：

# 按经纬度等值连接
merge_res <- merge(df1, df2, by = c("Lat", "Lon"))
# 调整列顺序、将Lon重命名为Long
merge_res <- setNames(merge_res[, c("Lat", "Lon", "Q", "T")], c("Lat", "Long", "Q", "T"))

运行后输出的merge_res和预期结果完全一致。

方法2：dplyr 实现 #

如果习惯使用tidyverse语法，可调用inner_join实现连接，代码可读性更高、大数据量下运行速度更快：

library(dplyr)
merge_res <- df1 %>%
  inner_join(df2, by = c("Lat", "Lon")) %>%
  select(Lat, Long = Lon, Q, T)

注意：如果实际采集的经纬度存在极小的浮点精度误差（比如GPS采集值偏差在1e-6级别），可先对经纬度字段四舍五入保留固定小数位后再做等值连接，相比距离匹配方案运行效率高数个量级，也不会出现点位错配问题。

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