Question

我之前已经询问并获得了很大的帮助来计算R中的欧几里德距离。现在，我需要计算第一个点相对于轨道数据中所有其他点的欧几里德距离。以下是我的数据：

dput(head(t1))
structure(list(A = c(0L, 0L, 0L, 0L, 0L, 0L), T = 0:5, X = c(668L, 
668L, 668L, 668L, 668L, 668L), Y = c(259L, 259L, 259L, 259L, 
259L, 259L), V = c(NA, 0, 0, 0, 0, 0)), .Names = c("A", "T", 
"X", "Y", "V"), row.names = c(NA, 6L), class = "data.frame")

SimonO101非常出色地为我提供了一个代码，用于计算每条轨道从起始位置到最终位置的欧几里德距离：

## Split the data
dfs <- split(t1,t1$A)

## Find hypotenuse between first and last rows for each A
lapply( dfs , function(x){
  j <- nrow(x)
  str <- x[1,c("X","Y")]
  end <- x[j,c("X","Y")]
  dist <- sqrt( sum( (end - str)^2 ) )
  return( dist )
} )

如何编辑代码，以便它不仅具有从开始到结束的欧几里德距离，而是从每个X，Y位置开始？再次感谢！

编辑：还有：如何将结果可视化为矩阵。谢谢

Answer 1

可能的解决方案：

f <- function(x) {
j <- nrow(x)
end <- as.numeric(x[j,c("X","Y")])
x <- x[-j,c("X", "Y")]
dist <- colSums((t(x)-end)^2)
dist
}
lapply(dfs, f)

Answer 2

我会使用dist包中的stats函数。您可以轻松地将其应用于您的数据：

lapply( dfs , function(x) dist( x[,c("X","Y")] , diag = TRUE )[1:nrow(x)] )

我们的想法是，我们对每个数据帧进行操作，将dist函数应用于每个数据框的"X"和"Y"列。最后的子集（[1:nrow(x)]）用于仅返回第一个点和所有其他点之间的距离。如果您想要每个轨道的完整距离矩阵，请删除此子集。

Answer 3

是否可以直接在函数中计算欧几里得距离？

例如使用此功能，我试图计算观察值之间的最大距离为8 m，但是我想添加一个条件，即仅计算同一组观察值之间的距离？我的观察结果是从不同地块（11个地块，2000棵树）中具有x，y位置坐标的树。

`search_dfixed <- function(id, x, y, dist) {
.class <- if (class(id) == "factor") {
"character"
 } else {
 class(id)
 }

 m <- as.matrix (dist(data.frame(x, y)))

 rownames(m) <- id; colnames(m) <- id

 z <- as.data.frame(m) %>%
 tibble::as_tibble() %>%
 dplyr::mutate(id = id) %>%
 tidyr::gather(competitor, .dist, -id) %>%
 dplyr::filter(
  .dist != 0,
  .dist <= dist
  ) %>%
  dplyr::arrange(id, .dist) %>%
  dplyr::mutate(
  id = 'class<-'(id, .class),
  competitor = 'class<-'(competitor, .class)
  )

  return(z)
  }`

计算R中的净距离（欧几里德距离）

3 个答案: