我有 2 个列表( list1
, list2
),其中包含各个位置的纬度/经度。一个列表 ( list2
) 的位置名称是 list1
不具有。
我还想要 list1 中每个点的近似位置。所以我想在 list1
中指出一点, 尝试在 list2
中寻找最近的点并采取那个地方。我对 list1
中的每一点重复一遍.它还需要距离(以米为单位)和点的索引(在 list1
中),以便我可以围绕它构建一些业务规则 - 基本上这些是应该添加到 list1
的 2 个新列。 ( near_dist
, indx
)。
我正在使用 gdist
功能,但我无法让它与数据框输入一起使用。
示例输入列表:
list1 <- data.frame(longitude = c(80.15998, 72.89125, 77.65032, 77.60599,
72.88120, 76.65460, 72.88232, 77.49186,
72.82228, 72.88871),
latitude = c(12.90524, 19.08120, 12.97238, 12.90927,
19.08225, 12.81447, 19.08241, 13.00984,
18.99347, 19.07990))
list2 <- data.frame(longitude = c(72.89537, 77.65094, 73.95325, 72.96746,
77.65058, 77.66715, 77.64214, 77.58415,
77.76180, 76.65460),
latitude = c(19.07726, 13.03902, 18.50330, 19.16764,
12.90871, 13.01693, 13.00954, 12.92079,
13.02212, 12.81447),
locality = c("A", "A", "B", "B", "C", "C", "C", "D", "D", "E"))
最佳答案
要使用纬度/经度坐标计算两点之间的地理距离,您可以使用多个公式。 geosphere
包包含用于计算距离的 distCosine
、 distHaversine
、 distVincentySphere
和 distVincentyEllipsoid
。其中,distVincentyEllipsoid
被认为是最准确的,但在计算上比其他的更密集。
使用这些函数之一,您可以制作距离矩阵。基于该矩阵,您可以根据与 locality
的最短距离和与 which.min
的相应距离(请参阅答案的最后一部分)来分配 min
名称,如下所示:
library(geosphere)
# create distance matrix
mat <- distm(list1[,c('longitude','latitude')], list2[,c('longitude','latitude')], fun=distVincentyEllipsoid)
# assign the name to the point in list1 based on shortest distance in the matrix
list1$locality <- list2$locality[max.col(-mat)]
这给出:
> list1 longitude latitude locality 1 80.15998 12.90524 D 2 72.89125 19.08120 A 3 77.65032 12.97238 C 4 77.60599 12.90927 D 5 72.88120 19.08225 A 6 76.65460 12.81447 E 7 72.88232 19.08241 A 8 77.49186 13.00984 D 9 72.82228 18.99347 A 10 72.88871 19.07990 A
另一种可能性是根据
locality
中 locality
的平均经纬度值分配 list2
:library(dplyr)
list2a <- list2 %>% group_by(locality) %>% summarise_each(funs(mean)) %>% ungroup()
mat2 <- distm(list1[,c('longitude','latitude')], list2a[,c('longitude','latitude')], fun=distVincentyEllipsoid)
list1 <- list1 %>% mutate(locality2 = list2a$locality[max.col(-mat2)])
或使用
data.table
:library(data.table)
list2a <- setDT(list2)[,lapply(.SD, mean), by=locality]
mat2 <- distm(setDT(list1)[,.(longitude,latitude)], list2a[,.(longitude,latitude)], fun=distVincentyEllipsoid)
list1[, locality2 := list2a$locality[max.col(-mat2)] ]
这给出:
> list1 longitude latitude locality locality2 1 80.15998 12.90524 D D 2 72.89125 19.08120 A B 3 77.65032 12.97238 C C 4 77.60599 12.90927 D C 5 72.88120 19.08225 A B 6 76.65460 12.81447 E E 7 72.88232 19.08241 A B 8 77.49186 13.00984 D C 9 72.82228 18.99347 A B 10 72.88871 19.07990 A B
如您所见,这在大多数情况下(10 次中有 7 次)会导致另一个分配的
locality
。您可以添加距离:
list1$near_dist <- apply(mat2, 1, min)
或
max.col
的另一种方法(很可能更快):list1$near_dist <- mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)]
# or using dplyr
list1 <- list1 %>% mutate(near_dist = mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)])
# or using data.table (if not already a data.table, convert it with 'setDT(list1)' )
list1[, near_dist := mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)] ]
结果:
> list1 longitude latitude locality locality2 near_dist 1: 80.15998 12.90524 D D 269966.8970 2: 72.89125 19.08120 A B 65820.2047 3: 77.65032 12.97238 C C 739.1885 4: 77.60599 12.90927 D C 9209.8165 5: 72.88120 19.08225 A B 66832.7223 6: 76.65460 12.81447 E E 0.0000 7: 72.88232 19.08241 A B 66732.3127 8: 77.49186 13.00984 D C 17855.3083 9: 72.82228 18.99347 A B 69456.3382 10: 72.88871 19.07990 A B 66004.9900
关于r - 2 个经纬度点列表(坐标)之间的地理/地理空间距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31668163/