Question

我有两个数据框，每个数据框有三个变量：location_id，latitude和longitude。对于第一个数据框中的每个location_id，我必须在第二个数据框中找到最接近的location_id，以及每个df的location_id之间的距离。

我尝试使用expand.grid将两个数据框的所有可能组合放在一起（工作），但是当我尝试将原始列表中的纬度和经度合并到我的超级列表上时，我内存不足（第一个数据帧中有7000个location_ids，第二个数据帧中有5000个location_ids。

我能够得到等式来计算堆栈溢出处其他地方两点之间的距离：

earth.dist <- function (long1, lat1, long2, lat2)
{
rad <- pi/180
a1 <- lat1 * rad
a2 <- long1 * rad
b1 <- lat2 * rad
b2 <- long2 * rad
dlon <- b2 - a2
dlat <- b1 - a1
a <- (sin(dlat/2))^2 + cos(a1) * cos(b1) * (sin(dlon/2))^2
c <- 2 * atan2(sqrt(a), sqrt(1 - a))
R <- 6378.145
d <- R * c
return(d)
}

但是我很难在这个问题的背景下应用它。任何帮助表示赞赏！

编辑：

数据集看起来完全像这样：

 location_id LATITUDE  LONGITUDE
211099    32.40913     -99.78064
333547    32.45192     -100.39325
369561    32.47458     -99.69176
123141    33.68169     -96.60887
386913    33.99921     -96.40743
123331    31.96173     -83.75830

Answer 1

这可能会对你有所帮助。它不是最优雅的答案，但对于适合您规模的数据框架，这应该可以很好地完成工作。

require(geosphere)
require(dplyr)

DB1 <- data.frame(location_id=1:7000,LATITUDE=runif(7000,min = -90,max = 90),LONGITUDE=runif(7000,min = -180,max = 180))
DB2 <- data.frame(location_id=7001:12000,LATITUDE=runif(5000,min = -90,max = 90),LONGITUDE=runif(5000,min = -180,max = 180))

DistFun <- function(ID){
 TMP <- DB1[DB1$location_id==ID,]
 TMP1 <- distGeo(TMP[,3:2],DB2[,3:2])
 TMP2 <- data.frame(DB1ID=ID,DB2ID=DB2[which.min(TMP1),1],DistanceBetween=min(TMP1)      ) 
 print(ID)
 return(TMP2)
}

DistanceMatrix <- rbind_all(lapply(DB1$location_id, DistFun))



head(DistanceMatrix)

Source: local data frame [6 x 3]

  DB1ID DB2ID DistanceBetween
1     1  9386        24907.35
2     2 11823       264295.86
3     3  9118        12677.62
4     4 11212       237730.78
5     5 11203        26775.01
6     6  7607        83904.84

找到两组R中两组点之间的最小距离

1 个答案: