R 随机选择样本点的地理聚类

我有一个可用的采样站表，其中包含唯一标识符

GRID\u ID

，以及每个站的纬度和经度（和UTM）。我想随机选择这些站点的一个子集，我可以使用

sample（）

轻松地完成这项工作

然而，为了最大限度地提高效率，我还想通过指定任何随机选择的采样站必须在距离其他站至少

y

的

x

范围内来使用一些聚类

基本原理是，长途旅行对一组

y

站点进行采样是有意义的，但长途旅行对

站点进行采样是没有意义的

这有意义吗？在R中有没有一种简单的方法来处理这个问题？

这个怎么样：

# some random data
set.seed(1) 
df <- data.frame(x=runif(10), y=runif(10))

# e.g. select obs that have >= 1 neighbour closer than .3 (euclidean)
mat <- as.matrix(dist(df))
sel <- rowSums(mat < .3) >= 2 
plot(y~x, df, col = sel + 1L) # viz

# e.g. select obs that have >= 2 neighbours closer than 40000 (great circle/lon,lat)
library(geosphere)
mat <- distm(as.matrix(df))
sel <- rowSums(mat < 40000) >= 3 
plot(y~x, df, col = sel + 1L) # viz

# Take 2 random obs from those who meet the criteria
df[sample(which(sel), size = 2), ] 

#一些随机数据
种子（1）
df=1比0.3更接近（欧几里德）
mat=40000（大圆/长，纬度）附近的2个邻居
图书馆（地球圈）
mat这个怎么样：

# some random data
set.seed(1) 
df <- data.frame(x=runif(10), y=runif(10))

# e.g. select obs that have >= 1 neighbour closer than .3 (euclidean)
mat <- as.matrix(dist(df))
sel <- rowSums(mat < .3) >= 2 
plot(y~x, df, col = sel + 1L) # viz

# e.g. select obs that have >= 2 neighbours closer than 40000 (great circle/lon,lat)
library(geosphere)
mat <- distm(as.matrix(df))
sel <- rowSums(mat < 40000) >= 3 
plot(y~x, df, col = sel + 1L) # viz

# Take 2 random obs from those who meet the criteria
df[sample(which(sel), size = 2), ] 

#一些随机数据
种子（1）
df=1比0.3更接近（欧几里德）
mat=40000（大圆/长，纬度）附近的2个邻居
图书馆（地球圈）
mat这可能会给你指出正确的方向。我不认为“聚类分析”是合适的术语。相反，考虑两个阶段的抽样过程：首先对旅游目的地进行抽样（这可能指向正确的方向）。我不认为“聚类分析”是合适的术语。相反，考虑两个阶段的抽样过程：首先对旅游目的地进行抽样。（这看起来是一个很好的方法，尽管我的初始可用采样站集是一个网格（渔网）因此，在进行随机选择之前，任何给定的站点都会有多个相邻的邻居。我已将采样站网格的示例上载到：抱歉，但我不知道数据集是关于什么的。我看到一些岛屿周围的地理坐标，但仅此而已。也许你可以在“我需要一个由x分组的n个lat_deg/lon_deg行的样本"或者别的什么。总之，可能最好发布一个新问题——包括数据和你尝试过的可复制的例子。谢谢你，卢卡。这只是一个由约31000个等间距点组成的网格，覆盖了夏威夷的主要岛屿。我需要随机选择约250个点进行采样，但我需要以某种方式限制随机sam链接，这样结果就排除了单个点或小团体（DropBox）是完全可以的。为了得到你问题的答案，最好包括你的数据（相关部分）或它的样本，让用户通过复制/粘贴轻松重现你的问题。我编辑了这篇文章，展示了另一种方法。（尽管我必须承认，我在基于密度的聚类方面没有太多经验）也请注意
下载.file
和
读取.csv
，如果你打算发布的话，你应该在另一篇文章中包含它们。这看起来是一个不错的方法，尽管我最初的可用采样站集是一个网格（渔网）因此，在进行随机选择之前，任何给定的站点都会有多个相邻的邻居。我已将采样站网格的示例上载到：抱歉，但我不知道数据集是关于什么的。我看到一些岛屿周围的地理坐标，但仅此而已。也许你可以在“我需要一个由x分组的n个lat_deg/lon_deg行的样本"或者别的什么。总之，可能最好发布一个新问题——包括数据和你尝试过的可复制的例子。谢谢你，卢卡。这只是一个由约31000个等间距点组成的网格，覆盖了夏威夷的主要岛屿。我需要随机选择约250个点进行采样，但我需要以某种方式限制随机sam链接，这样结果就排除了单个点或小团体（DropBox）是完全可以的。为了得到你问题的答案，最好包括你的数据（相关部分）或它的样本，让用户通过复制/粘贴轻松重现你的问题。我编辑了这篇文章，展示了另一种方法。（尽管我必须承认我在基于密度的集群方面没有太多经验）也请注意
download.file
和
read.csv
，如果你打算这样做的话，你应该在另一篇文章中包含这些内容。
res <- dbscan(as.matrix(df), eps = .005, minPts = 4, borderPoints=F)
# DBSCAN clustering for 31083 objects.
# Parameters: eps = 0.005, minPts = 4
# The clustering contains 134 cluster(s).
# Available fields: cluster, eps, minPts

noise <- res$cluster == 0
sum(noise)
# [1] 2499

# interactive plot with zoom 
# (draw rectangle with right mouse, 
# CTRL to reset)
library(iplot)
iplot(df$lon_deg, df$lat_deg, col=noise + 1L) 

idx <- sample(which(!noise), 250)
fullds[idx, ]