R 使用不同长度的不同数据帧中的纬度和经度数据，使用loop计算距离

我有两个不同长度的数据帧，每个数据帧都有一个经度和纬度坐标。我想通过计算lat/long点之间的距离来连接两个数据帧

为简单起见，数据帧A（起点）具有以下结构

ID     long      lat 
1 -89.92702 44.19367 
2 -89.92525 44.19654 
3 -89.92365 44.19756 
4 -89.91949 44.19848 
5 -89.91359 44.19818  

数据帧B（端点）具有类似的结构，但更短

ID      LAT       LON
1  43.06519 -87.91446
2  43.14490 -88.07172
3  43.08969 -87.91202

我想计算每个点之间的距离，这样我将以一个数据帧结束，合并为a，该数据帧具有A1和B1、A1和B2、A1和B3之间的距离。此外，对于A$ID中A的所有值和B$ID的所有值，应重复此操作

A$ID   B$ID
1      1
2      2
3      3
4
5

在发布这篇文章之前，我咨询了几个堆栈溢出线程（包括和），但我不确定如何处理循环，特别是因为列表的长度不同

---

谢谢！

这是一个使用两个包的解决方案：

sf

和

tidyverse

。第一个包用于将数据转换为简单的要素并计算距离；第二个包用于将数据转换为所需的格式

library(tidyverse)
library(sf)

# Transform data into simple features
sfA <- st_as_sf(A, coords = c("long","lat"))
sfB <- st_as_sf(B, coords = c("LON","LAT"))

# Calculate distance between all entries of sf1 and sf2
distances <- st_distance(sfA, sfB, by_element = F)
# Set colnames for distances matrix
colnames(distances) <- paste0("B",1:3)

# Put the results in the desired format
# Transform distances matrix into a tibble
as_tibble(distances) %>%
  # Get row names and add them as a column
  rownames_to_column() %>%
  # Set ID as the column name for the row numbers
  rename("ID" = "rowname") %>%
  # Transform ID to numeric
  mutate_at(vars(ID), as.numeric) %>%
  # Join with the original A data frame
  right_join(A, by = "ID") %>%
  # Change the order of columns
  select(ID, long, lat, everything()) %>%
  # Put data into long format
  pivot_longer(cols = starts_with("B"),
               names_to = "B_ID",
               names_pattern = "B(\\d)",
               values_to = "distance")

库（tidyverse）
图书馆（sf）
#将数据转换为简单特征
sfA%
#与原始数据帧连接
右键联接（A，by=“ID”）%>%
#更改列的顺序
选择（ID、long、lat、everything（））%>%
#将数据转换为长格式
枢轴长度（cols=以“B”开头），
name_to=“B_ID”，
名称\u pattern=“B（\\d）”，
值_to=“距离”）

我认为您可以在这里非常简洁地使用

外部

library(geosphere)
d <- outer(1:nrow(A), 1:nrow(B), Vectorize(function(x, y) distm(A[x, 2:3], B[y, 3:2])))
cbind(A, `colnames<-`(d, paste0("B", seq(nrow(B)))))
#   ID      long      lat       B1       B2       B3
# 1  1 -89.92702 44.19367 205173.6 189641.7 203652.9
# 2  2 -89.92525 44.19654 205252.6 189722.5 203728.1
# 3  3 -89.92365 44.19756 205219.0 189689.8 203692.6
# 4  4 -89.91949 44.19848 205015.6 189488.0 203486.2
# 5  5 -89.91359 44.19818 204620.0 189093.8 203087.6

库（geosphere）
D
A <- read.table(header=T, text="ID     long      lat 
1 -89.92702 44.19367 
2 -89.92525 44.19654 
3 -89.92365 44.19756 
4 -89.91949 44.19848 
5 -89.91359 44.19818")
B <- read.table(header=T, text="ID      LAT       LON
1  43.06519 -87.91446
2  43.14490 -88.07172
3  43.08969 -87.91202")