使用需要四个向量的函数在R中迭代

我试图使用geosphere包中的Distaversine函数来计算多个城市之间的距离。此代码需要多种参数：

第一位的经度和纬度。 第二位的经纬度。 以任何单位表示的地球半径（我用r=3961表示英里）

当我将其作为向量输入时，它很容易工作：

HongKong <- c(114.17, 22.31)
GrandCanyon <- c(-112.11, 36.11)

library(geosphere)
distHaversine(HongKong, GrandCanyon, r=3961)
#[1] 7399.113 distance in miles

---

HongKong
distHaversine
一次只接受一对lat和lon值，因此我们需要将
location1
和
location2
行的所有组合逐一发送到函数。使用sapply的一种方法是

library(geosphere)


location1[paste0("dist_", stringr::word(location2$destination))] <- 
        t(sapply(seq_len(nrow(location1)), function(i) 
            sapply(seq_len(nrow(location2)), function(j) {
   distHaversine(location1[i, c("lon", "lat")], location2[j, c("lon", "lat")], r=3961)
})))

location1$nearest <- location2$destination[apply(location1[5:8], 1, which.min)]

location1

# A tibble: 3 x 9
#  person current_loc         lon   lat dist_Atlanta dist_Rome dist_Bangkok dist_Grand nearest              
#  <chr>  <chr>             <dbl> <dbl>        <dbl>     <dbl>        <dbl>      <dbl> <chr>                
#1 Sally  Bogota Colombia  -74.1   4.71        2114.     5828.       11114.      3246. Atlanta United States
#2 Jane   Paris France       2.35 48.9         4375.      687.        5871.      5329. Rome Italy           
#3 Lisa   Hong Kong China  114.   22.3         8380.     5768.        1075.      7399. Bangkok Thailand  

库（geosphere）
位置1[paste0（“dist_u0;”，stringr:：word（location2$destination））使用
tidyverse
an
map
fuctionform
purr
正如您所问，我找到了一个解决方案，全部集中在一条管道中

library(tidyverse)
library(geosphere)

# renaming lon an lat variables in each df

location1 <- location1 %>%
 rename(lon.act = lon, lat.act = lat)

location2 <- location2 %>%
  rename(lon.dest = lon, lat.dest = lat)

# geting distances
merge(location1, location2, all = TRUE) %>%
  group_by(person,current_loc, destination) %>%
  nest() %>%
  mutate( act = map(data, `[`, c("lon.act", "lat.act")) %>%
            map(as.numeric),
          dest = map(data, `[`, c("lon.dest", "lat.dest")) %>%
            map(as.numeric),
          dist = map2(act, dest, ~distHaversine(.x, .y, r = 3961))) %>%
  unnest(data, dist) %>%
  group_by(person) %>%
  mutate(mindis = dist == min(dist))


库（tidyverse）
图书馆（地球圈）
#重命名每个df中的lon和lat变量
位置1%
重命名（lon.act=lon，lat.act=lat）
地点2%
重命名（lon.dest=lon，lat.dest=lat）
#到达距离
合并（位置1，位置2，全部=真）%>%
组员（人员、当前地点、目的地）%>%
嵌套（）%>%
突变（act=map（数据，`[`，c（“lon.act”，“lat.act”））%>%
地图（如数字），
dest=map（数据，`[`，c（“lon.dest”，“lat.dest”））%>%
地图（如数字），
dist=map2（act，dest，~distHaversine（.x，.y，r=3961））%>%
unnest（数据，距离）%>%
分组单位（人）%>%
变异（mindis=dist==min（dist））
您能提供一个示例，说明如何组织输出吗？@MichaelScott，刚刚提供了更新谢谢！快速提问：当您调用location1[5:8]时的最后一行，有没有办法让R从名字而不是数字中提取信息？我使用的表格随每周识别的地点数量而变化。无论如何，谢谢！@J.Sabree是的，这取决于您在前面的
sapply
步骤中给出的名称。因此，在本例中，我们使用前缀
“dist”
所以我们可以做
location2$destination[apply（location1[grep（^dist），names（location1））]，1，which.min）]
我已经尝试将此代码应用于其他数据集，但对某些数据集有效，但对其他数据集无效。我尝试将其应用于其他数据集，但收到以下错误：hub\u locations\u list$hub\u loc[apply（dataset2[grep（^dist“，：无效的下标类型'list'（注意：我确认此数据集2是类数据帧）。是否有原因使其仅在某些情况下有效？@J.Sabree不确定，但您是否正确使用了语法？
hub\u locations\u list$hub\u loc[apply（dataset2[grep（^dist），names（dataset2）），1，which.min）]
yes我检查了格式，它只对某些数据集给出了一个错误。例如，当类函数产生“spec\u tbl\u df”时，它在数据集上工作，但当它只是tbl_df、tbl和data.frame时，它就不工作了。你知道为什么会这样，或者如何将TIBLES类更改为spec_tbl_df吗？我尝试过取消列表，但它不工作。感谢发送此消息，但我得到一个错误：错误：在
.data
中找不到列
lon.act
，
lat.act
。抱歉，现在可以了。在合并数据集之前，我只需更改每个df中
lon
和
lat
变量的名称。
library(geosphere)


location1[paste0("dist_", stringr::word(location2$destination))] <- 
        t(sapply(seq_len(nrow(location1)), function(i) 
            sapply(seq_len(nrow(location2)), function(j) {
   distHaversine(location1[i, c("lon", "lat")], location2[j, c("lon", "lat")], r=3961)
})))

location1$nearest <- location2$destination[apply(location1[5:8], 1, which.min)]

location1

# A tibble: 3 x 9
#  person current_loc         lon   lat dist_Atlanta dist_Rome dist_Bangkok dist_Grand nearest              
#  <chr>  <chr>             <dbl> <dbl>        <dbl>     <dbl>        <dbl>      <dbl> <chr>                
#1 Sally  Bogota Colombia  -74.1   4.71        2114.     5828.       11114.      3246. Atlanta United States
#2 Jane   Paris France       2.35 48.9         4375.      687.        5871.      5329. Rome Italy           
#3 Lisa   Hong Kong China  114.   22.3         8380.     5768.        1075.      7399. Bangkok Thailand  

library(tidyverse)
library(geosphere)

# renaming lon an lat variables in each df

location1 <- location1 %>%
 rename(lon.act = lon, lat.act = lat)

location2 <- location2 %>%
  rename(lon.dest = lon, lat.dest = lat)

# geting distances
merge(location1, location2, all = TRUE) %>%
  group_by(person,current_loc, destination) %>%
  nest() %>%
  mutate( act = map(data, `[`, c("lon.act", "lat.act")) %>%
            map(as.numeric),
          dest = map(data, `[`, c("lon.dest", "lat.dest")) %>%
            map(as.numeric),
          dist = map2(act, dest, ~distHaversine(.x, .y, r = 3961))) %>%
  unnest(data, dist) %>%
  group_by(person) %>%
  mutate(mindis = dist == min(dist))