R 查找两个大型数据集之间的最近坐标
我的目标是根据两个数据集中的坐标确定数据集2中与数据集1中每个条目最近的条目。数据集1包含180000行（仅1800个唯一坐标），数据集2包含4500行（完整4500个唯一坐标） 我试图复制stackoverflow上类似问题的答案。例如： 但是，这些并不能以我想要的方式解决问题（它们要么连接数据帧，要么检查单个数据帧内的距离） 和中的解决方案是迄今为止我找到的最接近的解决方案 我在这篇文章中遇到的问题是，它计算出了单个数据帧内坐标之间的距离，我无法理解在R 查找两个大型数据集之间的最近坐标,r,dataframe,geospatial,nearest-neighbor,R,Dataframe,Geospatial,Nearest Neighbor,我的目标是根据两个数据集中的坐标确定数据集2中与数据集1中每个条目最近的条目。数据集1包含180000行（仅1800个唯一坐标），数据集2包含4500行（完整4500个唯一坐标） 我试图复制stackoverflow上类似问题的答案。例如： 但是，这些并不能以我想要的方式解决问题（它们要么连接数据帧，要么检查单个数据帧内的距离） 和中的解决方案是迄今为止我找到的最接近的解决方案 我在这篇文章中遇到的问题是，它计算出了单个数据帧内坐标之间的距离，我无法理解在RANN:：nn2中更改哪些参数来跨
RANN:：nn2library(RANN)
dataset1[,4]<- nn2(data=dataset1, query=dataset2, k=2)
我写了一个关于这个的答案。该功能经过修改，可用于报告距离并避免硬编码。请注意，它计算欧几里德距离
您可以使用
RANN:：nn2as.data.frame(RANN::nn2(df2[,c(2,3)],df1[,c(2,3)],k=1))
我写了一个关于这个的答案。该功能经过修改，可用于报告距离并避免硬编码。请注意，它计算欧几里德距离
您可以使用
RANN:：nn2as.data.frame(RANN::nn2(df2[,c(2,3)],df1[,c(2,3)],k=1))
library(raster)
d <- pointDistance(x[,3:2], y[,3:2], lonlat=TRUE, allpairs=T)
i <- apply(d, 1, which.min)
x$SRC_ID = y$SRC_ID[i]
x$distance = d[cbind(1:nrow(d), i)]
x
# id HIGH_PRCN_LAT HIGH_PRCN_LON SRC_ID distance
#1 1 52.88144 -2.873778 44 74680.48
#2 2 57.80945 -2.234544 5688 238553.51
#3 4 34.02335 -3.098445 61114 137385.18
#4 5 63.80879 -2.439163 23 340642.70
#5 6 53.68881 -7.396112 44 308458.73
#6 7 63.44628 -5.162345 23 256176.88
#7 8 21.60755 -8.633113 440 908292.28
#8 9 78.32444 3.813290 76 1064419.47
#9 10 66.85533 -3.994326 55 185119.29
#10 3 51.62354 -8.906553 54 251580.45
库（光栅）
d数据
解决方案。注意“3:2”以获得“经度/纬度”，按该顺序
library(raster)
d <- pointDistance(x[,3:2], y[,3:2], lonlat=TRUE, allpairs=T)
i <- apply(d, 1, which.min)
x$SRC_ID = y$SRC_ID[i]
x$distance = d[cbind(1:nrow(d), i)]
x
# id HIGH_PRCN_LAT HIGH_PRCN_LON SRC_ID distance
#1 1 52.88144 -2.873778 44 74680.48
#2 2 57.80945 -2.234544 5688 238553.51
#3 4 34.02335 -3.098445 61114 137385.18
#4 5 63.80879 -2.439163 23 340642.70
#5 6 53.68881 -7.396112 44 308458.73
#6 7 63.44628 -5.162345 23 256176.88
#7 8 21.60755 -8.633113 440 908292.28
#8 9 78.32444 3.813290 76 1064419.47
#9 10 66.85533 -3.994326 55 185119.29
#10 3 51.62354 -8.906553 54 251580.45
库（光栅）
d如果它们是横向和纵向的，则需要考虑使用geosphere:：distHaversine
获得正确的距离。但是，找到最近的点就像答案中所建议的那样有效。如果它们是横向和纵向的，你需要考虑使用geosphere:：distHaversine
来获得正确的距离。但是找到最接近的点就像答案中建议的那样有效。df1[，c（4,5）]谢谢你的解决方案，使用RANN:：nn2的第二个版本工作得非常快，尽管有几十万行。您的评论中提供的snipbit似乎将用数据集2中最近条目的行号填充数据集1的第4列。您对如何将其修改为从数据集2输入SRC_ID值有何建议？@Kickball:df1[，c（4,5）]谢谢您，成功地将SRC_ID分配给了数据集1。我应该在前面提到，但是你知道RANN:nn2是否有一个类似的函数，它使用理想的椭球/文森特距离或球面/哈弗斯距离？这对我的研究更有效。除了找到geosphere:：distVincentyEllipsoid之外，我没有多少运气，但我不知道如何使代码适应不同的函数。如果您有任何想法，将不胜感激@Kickball刚离开我的办公室。如果我是你，我会发布另一个问题，参考这个解决方案，并询问如何为其他方法实现它。不幸的是，我脑子里没有答案，现在我正在用手机回复。祝您好运。df1[，c（4,5）]感谢您提供的解决方案，使用RANN:：nn2的第二个版本运行得非常快，尽管有几十万行。您的评论中提供的snipbit似乎将用数据集2中最近条目的行号填充数据集1的第4列。您对如何将其修改为从数据集2输入SRC_ID值有何建议？@Kickball:df1[，c（4,5）]谢谢您，成功地将SRC_ID分配给了数据集1。我应该在前面提到，但是你知道RANN:nn2是否有一个类似的函数，它使用理想的椭球/文森特距离或球面/哈弗斯距离？这对我的研究更有效。除了找到geosphere:：distVincentyEllipsoid之外，我没有多少运气，但我不知道如何使代码适应不同的函数。如果您有任何想法，将不胜感激@Kickball刚离开我的办公室。如果我是你，我会发布另一个问题，参考这个解决方案，并询问如何为其他方法实现它。不幸的是，我脑子里没有答案，现在我正在用手机回复。祝你好运。谢谢你的详细回复，包括可视化！不幸的是，当我在全尺寸数据集上运行您的代码时，以下错误被抛出，感谢您的详细响应，包括可视化！不幸的是，当我针对全尺寸数据集运行代码时，在I
library(data.table)
#Euclidean distance
mydist <- function(a, b, df1, x, y){
dt <- data.table(sqrt((df1[[x]]-a)^2 + (df1[[y]]-b)^2))
return(data.table(Closest.V1 = which.min(dt$V1),
Distance = dt[which.min(dt$V1)]))
}
setDT(df1)[, j = mydist(HIGH_PRCN_LAT, HIGH_PRCN_LON, setDT(df2),
"HIGH_PRCN_LAT", "HIGH_PRCN_LON"),
by = list(id, HIGH_PRCN_LAT, HIGH_PRCN_LON)]
# id HIGH_PRCN_LAT HIGH_PRCN_LON Closest.V1 Distance.V1
# 1: 1 52.88144 -2.873778 5 0.7990743
# 2: 2 57.80945 -2.234544 8 2.1676868
# 3: 4 34.02335 -3.098445 10 1.4758202
# 4: 5 63.80879 -2.439163 3 4.2415854
# 5: 6 53.68881 -7.396112 2 3.6445416
# 6: 7 63.44628 -5.162345 3 2.3577811
# 7: 8 21.60755 -8.633113 9 8.2123762
# 8: 9 78.32444 3.813290 7 11.4936496
# 9: 10 66.85533 -3.994326 1 1.9296370
# 10: 3 51.62354 -8.906553 2 3.2180026
as.data.frame(RANN::nn2(df2[,c(2,3)],df1[,c(2,3)],k=1))
# nn.idx nn.dists
# 1 5 0.7990743
# 2 8 2.1676868
# 3 10 1.4758202
# 4 3 4.2415854
# 5 2 3.6445416
# 6 3 2.3577811
# 7 9 8.2123762
# 8 7 11.4936496
# 9 1 1.9296370
# 10 2 3.2180026
x = structure(list(id = c(1L, 2L, 4L, 5L,
6L, 7L, 8L, 9, 10L, 3L),
HIGH_PRCN_LAT = c(52.881442267773, 57.8094538200198, 34.0233529,
63.8087900198, 53.6888144440184, 63.4462810678651, 21.6075544376207,
78.324442654172, 66.85532539759495, 51.623544596), HIGH_PRCN_LON = c(-2.87377812157822,
-2.23454414781635, -3.0984448341, -2.439163178635, -7.396111601421454,
-5.162345043546359, -8.63311254098095, 3.813289888829932,
-3.994325961186105, -8.9065532453272409), SRC_ID = c(NA, NA,
NA, NA, NA, NA, NA, NA, NA, NA), distance = c(NA, NA,
NA, NA, NA, NA, NA, NA, NA, NA)), row.names = c(NA, 10L), class = "data.frame")
y = structure(list(SRC_ID = c(55L, 54L, 23L, 11L, 44L, 21L, 76L,
5688L, 440L, 61114L), HIGH_PRCN_LAT = c(68.46506, 50.34127, 61.16432,
42.57807, 52.29879, 68.52132, 87.83912, 55.67825, 29.74444, 34.33228
), HIGH_PRCN_LON = c(-5.0584, -5.95506, -5.75546, -5.47801, -3.42062,
-6.99441, -2.63457, -2.63057, -7.52216, -1.65532)), row.names = c(NA,
10L), class = "data.frame")
library(raster)
d <- pointDistance(x[,3:2], y[,3:2], lonlat=TRUE, allpairs=T)
i <- apply(d, 1, which.min)
x$SRC_ID = y$SRC_ID[i]
x$distance = d[cbind(1:nrow(d), i)]
x
# id HIGH_PRCN_LAT HIGH_PRCN_LON SRC_ID distance
#1 1 52.88144 -2.873778 44 74680.48
#2 2 57.80945 -2.234544 5688 238553.51
#3 4 34.02335 -3.098445 61114 137385.18
#4 5 63.80879 -2.439163 23 340642.70
#5 6 53.68881 -7.396112 44 308458.73
#6 7 63.44628 -5.162345 23 256176.88
#7 8 21.60755 -8.633113 440 908292.28
#8 9 78.32444 3.813290 76 1064419.47
#9 10 66.85533 -3.994326 55 185119.29
#10 3 51.62354 -8.906553 54 251580.45
plot(x[,3:2], ylim=c(0,90), col="blue", pch=20)
points(y[,3:2], col="red", pch=20)
for (i in 1:nrow(x)) {
j <- y$SRC_ID==x$SRC_ID[i]
arrows(x[i,3], x[i,2], y[j,3], y[j,2],length=.1)
}
text(x[,3:2], labels=x$id, pos=1, cex=.75)
text(y[,3:2], labels=y$SRC_ID, pos=3, cex=.75)