在R或Python中查找一组对象的最小距离

我有一组县以及每个质心的纬度和经度：

county    lat       lon 
Abiline   32.134   -23.322
Cook      43.324   -32.219
Allegheny 31.949   -30.123

我还列出了许多医院，以及每家医院的经度和纬度。我想找出每个县中心到最近医院的距离

到目前为止，我已经使用ggmap中的geocode（）函数来查找每个县到每个医院的距离，然后选择最小距离。然而，因为我有许多县和许多医院，这个问题很快就会变得高度复杂，而且可能需要很长时间

---

我希望避免使用arcgis来实现这一点——在R或Python中有没有一种简单的方法来实现这一点

我认为你想要达到的目标类似于这个问题 以下是实现相同目的的完整算法和说明：

我们得到一个平面上n个点的数组，问题是找出数组中最近的一对点。这个问题在许多应用中都会出现。例如，在空中交通管制中，您可能希望监视靠得太近的飞机，因为这可能表示可能发生碰撞。回想一下两点p和q之间的距离公式。 蛮力解为O（n^2），计算每对之间的距离并返回最小值。我们可以使用分治策略计算O（nLogn）时间内的最小距离

算法

下面是O（n（Logn）^2）算法的详细步骤。 输入：n个点的数组P[] 输出：给定阵列中两点之间的最小距离

作为预处理步骤，根据x坐标对输入数组进行排序

找到排序数组中的中间点，我们可以将P[n/2]作为中间点

将给定数组分成两半。第一个子阵列包含从P[0]到P[n/2]的点。第二个子阵列包含从P[n/2+1]到P[n-1]的点

递归查找两个子阵列中的最小距离。让距离为dl和dr。求出dl和dr的最小值。让最小值为d

递归查找两个子阵列中的最小距离。让距离为dl和dr。求出dl和dr的最小值。让最小值为d

根据y坐标对数组条[]进行排序。此步骤为O（nLogn）。它可以通过递归排序和合并优化为O（n）

在strip[]中查找最小距离。这很棘手。从第一眼看，这似乎是一个O（n^2）步骤，但实际上是O（n）。几何上可以证明，对于条带中的每个点，我们最多只需要检查其后面的7个点（注意条带是根据Y坐标排序的）

最后返回上述步骤（步骤6）中计算的最小距离d和距离

实施

希望这有帮助：）

---

资料来源：geeksforgeks.org

我认为你想要达到的目标类似于这个问题 以下是实现相同目的的完整算法和说明：

我们得到一个平面上n个点的数组，问题是找出数组中最近的一对点。这个问题在许多应用中都会出现。例如，在空中交通管制中，您可能希望监视靠得太近的飞机，因为这可能表示可能发生碰撞。回想一下两点p和q之间的距离公式。 蛮力解为O（n^2），计算每对之间的距离并返回最小值。我们可以使用分治策略计算O（nLogn）时间内的最小距离

算法

下面是O（n（Logn）^2）算法的详细步骤。 输入：n个点的数组P[] 输出：给定阵列中两点之间的最小距离

作为预处理步骤，根据x坐标对输入数组进行排序

找到排序数组中的中间点，我们可以将P[n/2]作为中间点

将给定数组分成两半。第一个子阵列包含从P[0]到P[n/2]的点。第二个子阵列包含从P[n/2+1]到P[n-1]的点

递归查找两个子阵列中的最小距离。让距离为dl和dr。求出dl和dr的最小值。让最小值为d

递归查找两个子阵列中的最小距离。让距离为dl和dr。求出dl和dr的最小值。让最小值为d

根据y坐标对数组条[]进行排序。此步骤为O（nLogn）。它可以通过递归排序和合并优化为O（n）

在strip[]中查找最小距离。这很棘手。从第一眼看，这似乎是一个O（n^2）步骤，但实际上是O（n）。几何上可以证明，对于条带中的每个点，我们最多只需要检查其后面的7个点（注意条带是根据Y坐标排序的）

最后返回上述步骤（步骤6）中计算的最小距离d和距离

实施

希望这有帮助：）

---

来源：geeksforgeks.org

你在寻找欧几里得距离吗？如果你在寻找R中的最小欧几里得距离，你可以使用

min（dist（c（df$lat，df$lon））

是的，我在寻找欧几里得距离。在您的解决方案中，

df$lat

和

df$lon

是指每个医院和县的堆叠（lat，lon）对吗？是的，它应该返回一个成对的距离矩阵您在寻找欧几里德距离吗？如果您在R中寻找最小欧几里德距离，您可以使用

min（dist（c（df$lat，df$lon））

是，我在寻找欧几里得距离。在您的解决方案中，

df$lat

和

df$lon

是否指每个医院和县的堆叠（lat，lon）对？是的，它应该返回一个成对的距离矩阵