Question

我有两个数据集，其中一个包含人的地址坐标（addresses），另一个包含某些位置的降雨坐标（rain）。坐标是标准的lat和lon。我想将这两组合并在一起，将每个地址与最近的降雨位置相匹配，使用两个坐标之间的球形距离来确定“最近”。天真的方法是计算每个地址和每个降雨位置之间的所有成对距离并保持最小值，但由于我的数据集非常大，我想知道是否有另一种计算有效的方法来做到这一点。

我正在使用geosphere包来计算距离。

这是数据的一个子集。

rain <- structure(list(lat = c(-179.75, -179.75, -179.75, -179.75, -179.75, 
-179.75, -179.75, -179.75, -179.75, -179.75), lon = c(71.25, 
68.75, 68.25, 67.75, 67.25, 66.75, 66.25, 65.75, 65.25, -16.75
), rainfall = c(0, 4.9, 4.6, 4.9, 8.9, 15.2, 24.2, 16.3, 12.2, 
365.4)), .Names = c("lat", "lon", "rainfall"), class = "data.frame", row.names = c(NA, 
-10L))


addresses <- structure(list(address_lat = c(-175.33, -175.20, -177.65, -174.10, -175.80, 
-179.50, -179.23, -179.12, -178.75, -174.77), address_lon = c(70.25, 
69.75, 62.23, 60.50, 66.25, 61.75, 62.54, 63.70, 61.45, -15.80),
person_id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)), .Names = c("address_lat", "address_lon",     
"person_id"), class = "data.frame", row.names = c(NA, -10L))

我在一组中有300,000个独特的坐标对，在另一组中有超过80,000个。我唯一的想法是使用两个for循环，一个用于遍历地址坐标对列表，另一个用于计算从每个地址到所有降雨位置的距离，然后保持最小值。

Answer 1

首先我应该提一下，我认为纬度和经度的列标签应该颠倒过来......否则你最终会得到低于-90的纬度。 :-)我已经为我的解决方案做了这个。

library(geosphere)

D = distm(addresses[, 1:2], rain[, 1:2])
#
cbind(addresses, rain[apply(D, 1, which.min),])

首先形成距离矩阵。该矩阵中的每一行给出了从一个地址到每个降雨观测值的距离。我们使用which.min来挑选每行中的最小条目，然后用它来索引降雨数据。

坐标的模糊匹配

1 个答案: