处理sf对象时，显式循环特征以执行二元操作（例如相交）通常会适得其反（另请参阅
如何在 `dplyr::mutate()` 中加快空间操作？）
类似于您的方法（即缓冲和相交），但没有显式for循环效果更好。
让我们看看它在一个相当大的 50000 点数据集上的表现：
library(sf)
library(spdep)
library(sf)
pts <- data.frame(x = runif(50000, 0, 100000),
y = runif(50000, 0, 100000))
pts <- sf::st_as_sf(pts, coords = c("x", "y"), remove = F)
pts_buf <- sf::st_buffer(pts, 5000)
coords <- sf::st_coordinates(pts)
microbenchmark::microbenchmark(
sf_int = {int <- sf::st_intersects(pts_buf, pts)},
spdep = {x <- spdep::dnearneigh(coords, 0, 5000)}
, times = 1)
#> Unit: seconds
#> expr min lq mean median uq max neval
#> sf_int 21.56186 21.56186 21.56186 21.56186 21.56186 21.56186 1
#> spdep 108.89683 108.89683 108.89683 108.89683 108.89683 108.89683 1
您可以在此处看到该st_intersects方法比该方法快 5 倍dnearneigh。
不幸的是，这不太可能解决您的问题。查看不同大小数据集的执行时间，我们得到：
subs <- c(1000, 3000, 5000, 10000, 15000, 30000, 50000)
times <- NULL
for (sub in subs[1:7]) {
pts_sub <- pts[1:sub,]
buf_sub <- pts_buf[1:sub,]
t0 <- Sys.time()
int <- sf::st_intersects(buf_sub, pts_sub)
times <- cbind(times, as.numeric(difftime(Sys.time() , t0, units = "secs")))
}
plot(subs, times)
times <- as.numeric(times)
reg <- lm(times~subs+I(subs^2))
summary(reg)
#>
#> Call:
#> lm(formula = times ~ subs + I(subs^2))
#>
#> Residuals:
#> 1 2 3 4 5 6 7
#> -0.16680 -0.02686 0.03808 0.21431 0.10824 -0.23193 0.06496
#>
#> Coefficients:
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 2.429e-01 1.371e-01 1.772 0.151
#> subs -2.388e-05 1.717e-05 -1.391 0.237
#> I(subs^2) 8.986e-09 3.317e-10 27.087 1.1e-05 ***
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#>
#> Residual standard error: 0.1908 on 4 degrees of freedom
#> Multiple R-squared: 0.9996, Adjusted R-squared: 0.9994
#> F-statistic: 5110 on 2 and 4 DF, p-value: 1.531e-07
在这里，我们看到时间和点数之间几乎完美的二次关系（正如预期的那样）。在 10M 点子集上，假设行为没有改变，您将得到：
predict(reg, newdata = data.frame(subs = 10E6))
#> 1
#> 898355.4
，这对应于大约 10 天，假设在进一步增加点数时趋势是恒定的（但同样会发生在
dnearneigh...）
我的建议是将您的点“拆分”成块，然后在每个拆分的基础上工作。
例如，您可以在开始时沿 x 轴排序您的点，然后使用 data.table 轻松快速地提取缓冲区和点的子集，以便与它们进行比较。
显然，根据比较距离，“点”缓冲区需要大于“缓冲区”的缓冲区。因此，例如，如果您制作pts_buf质心在 [50000 - 55000] 中的子集，则相应的子集pts应包括 [49500 - 55500] 范围内的点。foreach通过将不同的子集分配给一个或类似结构中的不同核心，这种方法很容易并行化。
我什至不知道在这里使用空间对象/操作是否有益，因为一旦我们有了坐标，所有需要的就是计算和子集欧几里德距离：我怀疑一个仔细编码的基于蛮力data.table的方法也可能是一个可行的解决方案。
！
更新
最后，我决定试一试，看看我们能从这种方法中获得多少速度。这是一个可能的实现：
points_in_distance_parallel <- function(in_pts,
maxdist,
ncuts = 10) {
require(doParallel)
require(foreach)
require(data.table)
require(sf)
# convert points to data.table and create a unique identifier
pts <- data.table(in_pts)
pts <- pts[, or_id := 1:dim(in_pts)[1]]
# divide the extent in quadrants in ncuts*ncuts quadrants and assign each
# point to a quadrant, then create the index over "xcut"
range_x <- range(pts$x)
limits_x <-(range_x[1] + (0:ncuts)*(range_x[2] - range_x[1])/ncuts)
range_y <- range(pts$y)
limits_y <- range_y[1] + (0:ncuts)*(range_y[2] - range_y[1])/ncuts
pts[, `:=`(xcut = as.integer(cut(x, ncuts, labels = 1:ncuts)),
ycut = as.integer(cut(y, ncuts, labels = 1:ncuts)))] %>%
setkey(xcut, ycut)
results <- list()
cl <- parallel::makeCluster(parallel::detectCores() - 2, type =
ifelse(.Platform$OS.type != "windows", "FORK",
"PSOCK"))
doParallel::registerDoParallel(cl)
# start cycling over quadrants
out <- foreach(cutx = seq_len(ncuts)), .packages = c("sf", "data.table")) %dopar% {
count <- 0
# get the points included in a x-slice extended by `dist`, and build
# an index over y
min_x_comp <- ifelse(cutx == 1, limits_x[cutx], (limits_x[cutx] - maxdist))
max_x_comp <- ifelse(cutx == ncuts,
limits_x[cutx + 1],
(limits_x[cutx + 1] + maxdist))
subpts_x <- pts[x >= min_x_comp & x < max_x_comp] %>%
setkey(y)
for (cuty in seq_len(pts$ycut)) {
count <- count + 1
# subset over subpts_x to find the final set of points needed for the
# comparisons
min_y_comp <- ifelse(cuty == 1,
limits_y[cuty],
(limits_y[cuty] - maxdist))
max_y_comp <- ifelse(cuty == ncuts,
limits_y[cuty + 1],
(limits_y[cuty + 1] + maxdist))
subpts_comp <- subpts_x[y >= min_y_comp & y < max_y_comp]
# subset over subpts_comp to get the points included in a x/y chunk,
# which "neighbours" we want to find. Then buffer them.
subpts_buf <- subpts_comp[ycut == cuty & xcut == cutx] %>%
sf::st_as_sf() %>%
st_buffer(maxdist)
# retransform to sf since data.tables lost the geometric attrributes
subpts_comp <- sf::st_as_sf(subpts_comp)
# compute the intersection and save results in a element of "results".
# For each point, save its "or_id" and the "or_ids" of the points within "dist"
inters <- sf::st_intersects(subpts_buf, subpts_comp)
# save results
results[[count]] <- data.table(
id = subpts_buf$or_id,
int_ids = lapply(inters, FUN = function(x) subpts_comp$or_id[x]))
}
return(data.table::rbindlist(results))
}
parallel::stopCluster(cl)
data.table::rbindlist(out)
}
该函数将点sf对象、目标距离和用于在象限中划分范围的“切割”数量作为输入，并在输出中提供一个数据框，其中对于每个原始点，点的“ID”在
列表栏内maxdist报告。int_ids
在具有不同数量的均匀分布点的测试数据集上，maxdist我得到了两个值这样的结果（“并行”运行是使用 6 个核心完成的）：
因此，在这里，我们已经在“串行”实现上获得了 5-6 倍的速度提升，另外 5 倍归功于 6 个内核的并行化。尽管这里显示的时间只是指示性的，并且与我们构建的特定测试数据集有关（在分布不太均匀的数据集上，我预计速度会降低），但我认为这非常好。
！
PS：更彻底的分析可以在这里找到：
https://lbusettspatialr.blogspot.it/2018/02/speeding-up-spatial-analysiss-by.html