R：计算大距离矩阵的更快方法

我正在计算球体上大量位置（5000）之间的距离矩阵（使用哈弗森距离函数）

这是我的密码：

require(geosphere)
x=rnorm(5000)
y=rnorm(5000)
xy1=cbind(x,y)

计算距离矩阵所需的时间为

 system.time( outer(1:nrow(xy1), 1:nrow(xy1), function(i,j) distHaversine(xy1[i,1:2],xy1[j,1:2])))

---

执行此程序所需的时间很长。任何关于如何减少做这项工作的时间消耗的建议！谢谢

是否尝试

geosphere

软件包中的内置功能

z <- distm( xy1 )

---

z是否尝试
geosphere
软件包中的内置功能

z <- distm( xy1 )

z我在下面添加了一个使用spatialrisk包的解决方案。这个包中的关键功能是用C++编写的，因此非常快。
library(geosphere)
library(spatialrisk)
library(data.table)

x=rnorm(5000)
y=rnorm(5000)
xy1 = data.table(x,y)

# Cross join two data tables
coordinates_dt <- optiRum::CJ.dt(xy1, xy1)

system.time({
  z <- distm( xy1 )
})
# user  system elapsed 
# 14.163   3.700  19.072 

system.time({
  distances_m <- coordinates_dt[, dist_m := spatialrisk::haversine(y, x, i.y, i.x)]
})
# user  system elapsed 
# 2.027   0.848   2.913 

库（geosphere）
图书馆（空间风险）
库（数据表）
x=rnorm（5000）
y=rnorm（5000）
xy1=数据表（x，y）
#交叉连接两个数据表
坐标_dt我在下面添加了一个使用空间风险包的解决方案。这个包中的关键功能是用C++编写的，因此非常快。
library(geosphere)
library(spatialrisk)
library(data.table)

x=rnorm(5000)
y=rnorm(5000)
xy1 = data.table(x,y)

# Cross join two data tables
coordinates_dt <- optiRum::CJ.dt(xy1, xy1)

system.time({
  z <- distm( xy1 )
})
# user  system elapsed 
# 14.163   3.700  19.072 

system.time({
  distances_m <- coordinates_dt[, dist_m := spatialrisk::haversine(y, x, i.y, i.x)]
})
# user  system elapsed 
# 2.027   0.848   2.913 

库（geosphere）
图书馆（空间风险）
库（数据表）
x=rnorm（5000）
y=rnorm（5000）
xy1=数据表（x，y）
#交叉连接两个数据表
您可以尝试另一种实现方式。看到@Leo的时候，我没有冒犯的意思，但是我必须指出链接的文章很糟糕！作者使用
for
循环遍历向量，以重复调用已向量化的函数（
distHaversine（）
）！！他们编写了更多的代码，同时也将执行速度降低了约300倍！！！不要理会这篇文章！一次调用一个函数就可以了，但你不能调用10000次！你好@SimonO'Hanlon，谢谢你的提醒。：-）您可以尝试另一种实现。看到@Leo的时候，我没有冒犯的意思，但是我必须指出链接的文章很糟糕！作者使用
for
循环遍历向量，以重复调用已向量化的函数（
distHaversine（）
）！！他们编写了更多的代码，同时也将执行速度降低了约300倍！！！不要理会这篇文章！一次调用一个函数就可以了，但你不能调用10000次！你好@SimonO'Hanlon，谢谢你的提醒。：-）谢谢你的建议。这个执行比我的代码花费的时间少了一半。谢谢你的建议。这个执行比我的代码花费的时间少了一半。