2

我有两个数据集，其中一个包含人们地址的坐标（addresses），另一个包含某些位置的降雨坐标（rain）。坐标是标准纬度和经度。我想将这两组合并在一起，通过将每个地址与最近的降雨位置进行匹配，使用两个坐标之间的球面距离来确定“最近的”。天真的方法是计算每个地址和每个降雨位置之间的所有成对距离并保持最小值，但由于我的数据集非常大，我想知道是否有另一种计算有效的方法来做到这一点。

我正在使用 geosphere 包来计算距离。

这是数据的一个子集。

rain <- structure(list(lat = c(-179.75, -179.75, -179.75, -179.75, -179.75, 
-179.75, -179.75, -179.75, -179.75, -179.75), lon = c(71.25, 
68.75, 68.25, 67.75, 67.25, 66.75, 66.25, 65.75, 65.25, -16.75
), rainfall = c(0, 4.9, 4.6, 4.9, 8.9, 15.2, 24.2, 16.3, 12.2, 
365.4)), .Names = c("lat", "lon", "rainfall"), class = "data.frame", row.names = c(NA, 
-10L))


addresses <- structure(list(address_lat = c(-175.33, -175.20, -177.65, -174.10, -175.80, 
-179.50, -179.23, -179.12, -178.75, -174.77), address_lon = c(70.25, 
69.75, 62.23, 60.50, 66.25, 61.75, 62.54, 63.70, 61.45, -15.80),
person_id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)), .Names = c("address_lat", "address_lon",     
"person_id"), class = "data.frame", row.names = c(NA, -10L))

我在一组中有 300,000 个独特的坐标对，在另一组中有超过 80,000 个。我唯一的想法是使用两个 for 循环，一个遍历地址坐标对列表，然后另一个嵌套一个来计算从每个地址到所有降雨位置的距离，然后保持最小。

4

1 回答 1

3

首先我应该提到，我认为纬度和经度的列标签应该颠倒......否则你最终得到的纬度小于-90。:-) 我为下面的解决方案做了这个。

library(geosphere)

D = distm(addresses[, 1:2], rain[, 1:2])
#
cbind(addresses, rain[apply(D, 1, which.min),])

首先你形成距离矩阵。该矩阵中的每一行给出了从一个地址到每个降雨观测值的距离。我们使用 which.min 来挑选每行中最小的条目，然后使用它来索引降雨数据。

于 2013-12-15T06:36:33.617 回答