使用sf包基于点对距离筛选点位时filter函数报错的解决求助

报错原因 #

st_distance()输入单组sf几何列时，返回的是n×n的距离矩阵（n为点位数量，你的场景n=10，矩阵总元素100）。你直接将整个矩阵传入mutate()生成dist列后，as.numeric(df.dist$dist)会把矩阵展平为长度100的向量，而filter()要求判断条件的长度和数据行数（10行）一致，因此触发维度不匹配报错。
另外注意：你当前用WGS84坐标系的df计算距离，返回的单位是度不是米，要拿到米为单位的欧氏距离，必须用你已经投影好的df.laea计算。

解决方案 #

方案1：生成点对长表筛选（最常用，输出所有符合要求的点对组合） #

适合需要输出所有<点A, 点B>配对的场景，自动去重、排除点位和自身的配对：

library(tidyr)

# 1. 用投影后的点位计算距离矩阵，单位为米
dist_mat <- st_distance(df.laea)
# 2. 矩阵关联点位索引
rownames(dist_mat) <- colnames(dist_mat) <- seq_len(nrow(df.laea))
# 3. 转长表+筛选符合条件的点对
distance.target <- as.data.frame(dist_mat) %>%
  tibble::rownames_to_column("point1_id") %>%
  pivot_longer(-point1_id, names_to = "point2_id", values_to = "dist") %>%
  mutate(
    across(c(point1_id, point2_id), as.integer),
    dist = as.numeric(dist)
  ) %>%
  # point1_id < point2_id 避免重复配对（比如点1-点2和点2-点1重复），同时排除自身配对
  filter(point1_id < point2_id, dist < 20000)

方案2：保留原始点位结构，每行存储对应点位的所有近邻 #

适合需要保留原始10行点位结构，每行关联该点位所有符合距离要求的其他点位的场景：

distance.target <- df.laea %>%
  mutate(
    # 每行存储当前点位对应的所有近邻的行索引
    near_point_ids = purrr::map(st_distance(geometry), ~which(as.numeric(.x) < 20000))
  )

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