R 循环并查找子组的最近数据点
我试图复制在中所做的工作，但实际上是针对数据帧中的每个区域而不是整个组 我的数据（不要问）如下所示：R 循环并查找子组的最近数据点,r,dplyr,distance,R,Dplyr,Distance,我试图复制在中所做的工作，但实际上是针对数据帧中的每个区域而不是整个组 我的数据（不要问）如下所示： id printid areaname latitude longitude 1 7912048 233502729 073 36.06241 -80.44229 2 735253 171241999 Area 12-06 35.54452 -78.75388 3 4325564 85564887 Area 12-04 35.49328 -78
id printid areaname latitude longitude
1 7912048 233502729 073 36.06241 -80.44229
2 735253 171241999 Area 12-06 35.54452 -78.75388
3 4325564 85564887 Area 12-04 35.49328 -78.73756
4 4222241 85461255 Area 12-06 35.53621 -78.75553
5 11997754 356053648 Area 12-04 35.49328 -78.73756
6 13444458 536073775 Area 12-06 35.53987 -78.74922
splitfile <- split(ncbaby, ncbaby$precinctname)
c <- gDistance(splitfile, byid=TRUE)
Error in (function (classes, fdef, mtable) :
unable to find an inherited method for function ‘is.projected’ for signature ‘"list"’
splitfile我查看了链接的帖子，并对想法做了一些修改。我认为对于大型数据集，使用apply（）
可能不是一个好主意。所以我采用了数据表相关的方法。首先，我将示例数据转换为空间点数据帧。然后，我用一个组变量（即group）拆分数据。正如Eddie所建议的，我将lappy（）
与data.table函数结合使用。使用gDistance（）
时，将二维向量作为输出。我将其转换为data.table对象，以便后续的数据处理可能会更快。我用melt（）
重塑了dt对象的形状，并删除了距离为0的所有数据点。最后，我为每个Var1
取第一行。请注意，Var1
这里表示样本数据的每一行，mydf
。最后一项工作是将新的距离向量添加到原始数据帧中。我希望这对你有帮助
资料
代码
库（sp）
图书馆（rgeos）
库（数据表）
#复制原件
temp这里有一个解决方案，它将链接帖子中的解决方案调整为按区域分开的组。首先，我们定义两个函数：
library(sp)
library(rgeos)
nearest.neighbor <- function(lon,lat) {
df <- data.frame(lon,lat)
coordinates(df) <- ~lon+lat
d <- gDistance(df, byid=TRUE)
# remove the self distance from being considered and use which.min to find the nearest neighbor
d[cbind(1:nrow(d),1:nrow(d))] <- NA
min.d <- rbind(apply(d,1,function(x) {ind <- which.min(x); list(ind=ind,distance=x[ind])}))
}
order.by.ind <- function (x,ind) x[ind]
注:
第一个mutate
创建一个临时列min.d
，其中包含ind
和distance
到最近邻居的列表。这是该地区最近的邻居，因为我们是groupby
areaname
第二个mutate\u each
为vars
中的每个变量创建一个新列，方法是根据ind
对该列重新排序。请注意，我们从min.d
中提取ind
，方法是取消列出，然后使用[c（TRUE，FALSE）]
提取奇数元素
第三个mutate
通过从min.d
中提取distance
来创建distance
列。同样，这是通过取消列表，然后使用[c（FALSE，TRUE）]
提取偶数元素
实际上不需要第四个mutate
，因为.Areaname
列对于结果中的Areaname
是多余的
最后，我们从结果中删除min.d
列，并根据需要设置结果数据帧的列名
使用您的数据得出的结果是：
print(result)
##Source: local data frame [7 x 11]
##Groups: areaname [3]
##
## id printid areaname latitude longitude n.ID n.printid n.latitude n.longitude distance .Areaname
## <int> <int> <fctr> <dbl> <dbl> <int> <int> <dbl> <dbl> <dbl> <fctr>
##1 7912048 233502729 073 36.06241 -80.44229 7912049 233502730 36.06251 -80.44329 0.001004988 073
##2 735253 171241999 Area 12-06 35.54452 -78.75388 13444458 536073775 35.53987 -78.74922 0.006583168 Area 12-06
##3 4325564 85564887 Area 12-04 35.49328 -78.73756 11997754 356053648 35.49328 -78.73756 0.000000000 Area 12-04
##4 4222241 85461255 Area 12-06 35.53621 -78.75553 13444458 536073775 35.53987 -78.74922 0.007294635 Area 12-06
##5 11997754 356053648 Area 12-04 35.49328 -78.73756 4325564 85564887 35.49328 -78.73756 0.000000000 Area 12-04
##6 13444458 536073775 Area 12-06 35.53987 -78.74922 735253 171241999 35.54452 -78.75388 0.006583168 Area 12-06
##7 7912049 233502730 073 36.06251 -80.44329 7912048 233502729 36.06241 -80.44229 0.001004988 073
打印（结果）
##来源：本地数据帧[7 x 11]
##分组：区域名称[3]
##
##id printid AREA名称纬度经度id printid纬度经度距离AREA名称
##
##1 7912048 233502729 073 36.06241 -80.44229 7912049 233502730 36.06251 -80.44329 0.001004988 073
##2 735253 171241799区域12-06 35.54452-78.75388 13444458 536073775 35.53987-78.74922 0.006583168区域12-06
##3 4325564 85564887区域12-04 35.49328-78.73756 11997754 356053648 35.49328-78.73756 0.000000000区域12-04
##4 4222241 85461255区域12-06 35.53621-78.75553 13444458 536073775 35.53987-78.74922 0.007294635区域12-06
##5 11997754 356053648区域12-04 35.49328-78.73756 4325564 85564887 35.49328-78.73756 0.000000000区域12-04
##6 13444458 536073775区域12-06 35.53987-78.74922 735253 171241395.54452-78.75388 0.006583168区域12-06
##7 7912049 233502730 073 36.06251 -80.44329 7912048 233502729 36.06241 -80.44229 0.001004988 073
其中，我为areaname=“073”
添加了一个新行，以便每个区域至少有两行。请指定使用的库。gDistance不是base R的一部分。添加了，抱歉遗漏，感谢编辑帮助/建议。我很困惑。您说函数不会调用列表，但这里的问题是它只会抛出最后一个返回的值。那是哪一个呢？功能不工作吗？还是会产生不想要的结果？立即，可以看到您的for
循环每次都会覆盖数据帧。感谢@Parfait提出问题并指出for循环项。我添加了失败的函数调用。您是否有关于使for循环附加而不是覆盖的指导？您需要使用lappy或tapply函数而不是循环。看看这个，你说gDistance是一个二维向量，也就是矩阵（？），有一种方法可以直接在Reforme2中熔化矩阵。@Frank你是说melt（gDistance（x，byid=TRUE）
就够了吗？是的，我想可以，但只有安装了Reforme2才能工作（我从加载data.table时的melt
源代码中收集的信息）。@Frank谢谢你的帮助。我修改了上面的代码。@akrun听到这个消息我很高兴，谢谢你的鼓励。
library(sp)
library(rgeos)
library(data.table)
# Copy the original
temp <- mydf
#DF to SPDF
coordinates(temp) <- ~longitude+latitude
# Split the data by a group variable
mylist <- split(temp, f = temp$group)
#For each element in mylist, apply gDistance, reshape the output of
# gDistance and create a data.table. Then, reshape the data, remove
# rows with distance = 0. Finally, choose the first row for each
# variable. levels in variable represents rows in mydf.
out <- rbindlist(
lapply(mylist, function(x){
d <- setDT(melt(gDistance(x, byid = TRUE)))
setorder(d, Var1, value)
d <- d[value > 0]
d <- d[, .SD[1], by = Var1]
d
})
)
out <- cbind(mydf, distance = out$value)
# group user_id latitude longitude distance
#1 B23 85553 -34.44011 172.6954 1.743945e-03
#2 B23 85553 -34.43929 172.6939 1.661118e-03
#3 B23 85553 -34.43929 172.6939 1.661118e-03
#4 B23 85553 -34.43851 172.6924 1.661118e-03
#5 B23 57357 -34.42747 172.6778 1.836642e-02
#6 B23 57357 -34.42747 172.6778 1.836642e-02
#7 B23 57357 -34.42747 172.6778 1.836642e-02
#8 B23 98418 -34.43119 172.7014 1.369100e-03
#9 B23 98418 -34.43225 172.7023 1.456022e-05
#10 B23 98418 -34.43224 172.7023 1.456022e-05
#11 B23 98418 -34.43224 172.7023 1.456022e-05
#12 B24 57357 -34.43647 172.7141 3.862696e-03
#13 B24 57357 -34.43647 172.7141 3.862696e-03
#14 B24 57357 -34.43647 172.7141 3.862696e-03
#15 B24 98418 -34.43904 172.7172 3.245705e-04
#16 B24 98418 -34.43904 172.7172 3.245705e-04
#17 B24 98418 -34.43904 172.7172 3.245705e-04
#18 B24 98418 -34.43925 172.7168 1.393162e-04
#19 B24 98418 -34.43915 172.7169 1.393162e-04
#20 B24 98418 -34.43915 172.7169 1.393162e-04
#21 B24 98418 -34.43915 172.7169 1.393162e-04
#22 B24 98418 -34.43915 172.7169 1.393162e-04
mydf <- structure(list(group = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("B23",
"B24"), class = "factor"), user_id = c(85553L, 85553L, 85553L,
85553L, 57357L, 57357L, 57357L, 98418L, 98418L, 98418L, 98418L,
57357L, 57357L, 57357L, 98418L, 98418L, 98418L, 98418L, 98418L,
98418L, 98418L, 98418L), latitude = c(-34.440114, -34.43929,
-34.43929, -34.438507, -34.427467, -34.427467, -34.427467, -34.431187,
-34.432254, -34.43224, -34.43224, -34.436472, -34.436472, -34.436472,
-34.439038, -34.439038, -34.439038, -34.439246, -34.439149, -34.439149,
-34.439149, -34.439149), longitude = c(172.695443, 172.693906,
172.693906, 172.692441, 172.677763, 172.677763, 172.677763, 172.701413,
172.702284, 172.702288, 172.702288, 172.71411, 172.71411, 172.71411,
172.717203, 172.717203, 172.717203, 172.716798, 172.716898, 172.716898,
172.716898, 172.716898)), .Names = c("group", "user_id", "latitude",
"longitude"), row.names = c(NA, -22L), class = "data.frame")
library(sp)
library(rgeos)
nearest.neighbor <- function(lon,lat) {
df <- data.frame(lon,lat)
coordinates(df) <- ~lon+lat
d <- gDistance(df, byid=TRUE)
# remove the self distance from being considered and use which.min to find the nearest neighbor
d[cbind(1:nrow(d),1:nrow(d))] <- NA
min.d <- rbind(apply(d,1,function(x) {ind <- which.min(x); list(ind=ind,distance=x[ind])}))
}
order.by.ind <- function (x,ind) x[ind]
library(dplyr)
result <- ncbaby %>% group_by(areaname) %>%
mutate(min.d=nearest.neighbor(longitude, latitude)) %>%
mutate_each(vars=c(id, printid, latitude, longitude),
funs(order.by.ind, "order.by.ind", order.by.ind(.,ind=unlist(min.d)[c(TRUE,FALSE)]))) %>%
mutate(distance=unlist(min.d)[c(FALSE,TRUE)]) %>%
mutate(.Areaname=areaname) %>%
select(-min.d)
newvars <- c('n.ID', 'n.printid', 'n.latitude', 'n.longitude', 'distance', '.Areaname')
colnames(result) <- c(colnames(ncbaby), newvars)
print(result)
##Source: local data frame [7 x 11]
##Groups: areaname [3]
##
## id printid areaname latitude longitude n.ID n.printid n.latitude n.longitude distance .Areaname
## <int> <int> <fctr> <dbl> <dbl> <int> <int> <dbl> <dbl> <dbl> <fctr>
##1 7912048 233502729 073 36.06241 -80.44229 7912049 233502730 36.06251 -80.44329 0.001004988 073
##2 735253 171241999 Area 12-06 35.54452 -78.75388 13444458 536073775 35.53987 -78.74922 0.006583168 Area 12-06
##3 4325564 85564887 Area 12-04 35.49328 -78.73756 11997754 356053648 35.49328 -78.73756 0.000000000 Area 12-04
##4 4222241 85461255 Area 12-06 35.53621 -78.75553 13444458 536073775 35.53987 -78.74922 0.007294635 Area 12-06
##5 11997754 356053648 Area 12-04 35.49328 -78.73756 4325564 85564887 35.49328 -78.73756 0.000000000 Area 12-04
##6 13444458 536073775 Area 12-06 35.53987 -78.74922 735253 171241999 35.54452 -78.75388 0.006583168 Area 12-06
##7 7912049 233502730 073 36.06251 -80.44329 7912048 233502729 36.06241 -80.44229 0.001004988 073