2

我的数据库具有以下结构：

    > long <- c(13.2345, 14.2478, 16.2001, 11.2489, 17.4784, 27.6478, 14.2500, 12.2100, 11.2014, 12.2147)
    > lat <- c(47.1247, 48.2013, 41.2547, 41.2147, 40.3247, 46.4147, 42.4786, 41.2478, 48.2147, 47.2157)
    > hh_id <- 1:10
    > vill_id <- c(rep(100, 4), rep(101, 3), rep(102, 2), 103)

    > df <- matrix(c(long, lat, hh_id, vill_id), nrow = 10, ncol = 4)
    > colnames(df) <- c("longitude", "latitude", "hh_id", "vill_id") 
    > df <- as.data.frame(df)
    > df
       longitude latitude hh_id vill_id
       13.2345  47.1247     1     100
       14.2478  48.2013     2     100
       16.2001  41.2547     3     100
       11.2489  41.2147     4     100
       17.4784  40.3247     5     101
       27.6478  46.4147     6     101
       14.2500  42.4786     7     101
       12.2100  41.2478     8     102
       11.2014  48.2147     9     102
       12.2147  47.2157    10     103

hh_id - 家庭 ID

vill_id - 村庄 ID

具有相同身份证件的家庭属于同一个村庄。

我的目标：计算具有相同 vill_id 的所有点之间的平均距离，并将结果存储在新的数据框中：

vill_id    mean_dist
100        587553.5
101        …………………
102        …………………
103        ………………

我的方法：为了计算点之间的大地距离，我使用了 geosphere 包中的 distm 命令（distVincentyEllipsoid 应该是最准确的）

> library(geosphere)
> df_100 <- df[df$vill_id == 100, ]
> dist_100 <- distm(df_100, fun = distVincentyEllipsoid)
Error in .pointsToMatrix(p1) : Wrong length for a vector, should be 2 --> 
> df_100_2 <- df_100[, c(1, 2)]
> dist_100_2 <- distm(df_100_2, fun = distVincentyEllipsoid)
> dist_100_2
         [,1]     [,2]     [,3]     [,4]
[1,]      0.0 141844.7 693867.8 675556.9
[2,] 141844.7      0.0 787217.4 811777.4
[3,] 693867.8 787217.4      0.0 415056.6
[4,] 675556.9 811777.4 415056.6      0.0

因此，生成了 vill_id = 100 的所有点的对称距离矩阵。要计算平均距离，我需要分解此矩阵（或删除所有对角线值 (0)）。

> diag(dist_100_2) = NA
> dist_100_2_final <- dist_100_2[!is.na(dist_100_2)]
> dist_100_2_final
 [1] 141844.7 693867.8 675556.9 141844.7 787217.4 811777.4 693867.8 787217.4 415056.6 675556.9
[11] 811777.4 415056.6
> mean(dist_100_2_final)
[1] 587553.5 (in m)

到目前为止，一切都很好。现在我需要创建一个新的数据框来存储具有相同 ID 的所有子集的平均距离（我的原始数据库有 200 多个村庄 (vill_id) 和近 2000 个家庭 (hh_id)）。你能帮我完成代码吗？我想我必须使用循环（或者也许有另一个包来解决这个问题）？非常感谢您的帮助。

昨天我发布了类似的问题，不同之处在于 mean_dist 已经是我原始数据框的一部分（在 ArcGIS 中计算），但现在我想在 R 中计算这些以比较结果。我试图实现我之前问题中推荐的代码，但没有成功。

4

2 回答 2

0

另一种方法是使用lapply(). 我基本上修改了你的代码。我添加的一件事是将您的数据拆分vill_id并创建一个列表。然后，我应用了您的代码块来计算lapply(). 最后，我创建了一个具有平均值的数据框。

library(geosphere)

mylist <- split(df, f = df$vill_id)

unlist(lapply(mylist, function(x){

        foo <- x[, 1:2]
        foo <- distm(foo, fun = distVincentyEllipsoid)
        diag(foo) = NA
        out <- foo[!is.na(foo)]
        average <- mean(out)
        average
      })
) -> mean_dist

data.frame(vill_id = unique(df$vill_id),
           mean_dist = mean_dist)

#    vill_id mean_dist
#100     100  587553.5
#101     101  858785.6
#102     102  778299.1
#103     103       NaN
于 2017-05-21T14:30:16.217 回答
0

考虑基本 R，by因为您需要跨不同级别的因素（即vill_id）运行操作。在内部by，您可以调用一个已定义或匿名的函数，该函数将返回一个数据帧列表，您可以将这些数据帧行绑定回一个数据帧：

dfList <- by(df, df[c("vill_id")], FUN = function(i){
     sub <- i[, c(1, 2)]
     tmp <- distm(sub, fun = distVincentyEllipsoid)
     diag(tmp) = NA
     i$mean_dist <- mean(tmp[!is.na(tmp)])                  # NEW COLUMN ADDED
     return(i)
})

finaldf <- do.call(rbind, dfList)

如果您需要vill_id和hh_id子集，请添加到因子列表中：

dfList <- by(df, df[c("vill_id", "hh_id")], FUN = function(i){ ... })

如果您只需要从函数返回的vill_id和mean_dist，请更改返回值：

newdf <- unique(i[c("vill_id", "mean_dist")]
return(newdf)

具体来说，以下代码块：

df_100 <- df[df$vill_id == 100, ]                            # BY REPLACES THIS LINE
df_100_2 <- df_100[, c(1, 2)]
dist_100_2 <- distm(df_100_2, fun = distVincentyEllipsoid)                 
diag(dist_100_2) = NA
dist_100_2_final <- dist_100_2[!is.na(dist_100_2)]
mean(dist_100_2_final)

翻译如下，其中i是by函数变量：

sub <- i[,c(1, 2)]
tmp <- distm(sub, fun = distVincentyEllipsoid)
diag(tmp) = NA
i$mean_dist <- mean(tmp[!is.na(tmp)])
于 2017-05-21T14:12:48.067 回答