我有一组经度和纬度坐标的点。 我想找出每个点的特定半径内的点数。 我查看了RANN和FNN包，我找到的唯一相关函数是RANN包中的nn2（）。但是，我不想预设必须识别的最大或最小点（nn2函数中的k变量）。另外，即使我在nn2中尝试了k（点数）和半径的几个不同值，我总能得到相同的结果。即使半径设置为非常小或为零。 这是我用过的代码的一个例子
points<- nn2(mydata, k=100, radius = 0.02)
如何在R中做到这一点？
答案 0 :(得分：4)
要从nn2获得您想要的内容，您需要：
searchtype为"radius"。如果未指定searchtype，searchtype将设置为standard，并忽略radius输入。 k指定为nrow(mydata)，因为k是要计算的最大邻居数。您呼叫nn2的方式将返回100 mydata中mydata中radius中每个点的library(RANN)
set.seed(123)
## simulate some data
lon = runif(100, -99.1, -99)
lat = runif(100, 33.9, 34)
## data is a 100 x 2 matrix (can also be data.frame)
mydata <- cbind(lon, lat)
radius <- 0.02 ## your radius
res <- nn2(mydata, k=nrow(mydata), searchtype="radius", radius = radius)
## prints total number of nearest neighbors (for all points) found using "radius"
print(length(which(res$nn.idx>0)))
##[1] 1224
res1 <- nn2(mydata, k=100, radius = radius)
## prints total number of nearest neighbors (for all points) found using your call
print(length(which(res1$nn.idx>0)))
##[1] 10000
radius <- 0.03 ## increase radius
res <- nn2(mydata, k=nrow(mydata), searchtype="radius", radius = radius)
## prints total number of nearest neighbors (for all points) found using "radius"
print(length(which(res$nn.idx>0)))
##[1] 2366
res1 <- nn2(mydata, k=100, radius = radius)
## prints total number of nearest neighbors (for all points) found using your call
print(length(which(res1$nn.idx>0)))
##[1] 10000
最近邻居。因此，您将获得任何?nn2的相同结果。例如：
nn2请注意，根据其文档nn.idx，nrow(query) x k会返回包含两个元素的列表：
k：mydata矩阵，其中每一行包含query中query=mydata最近邻居的行索引到集合中该行的点searchtype="radius"中的查询点数。在我们的两个电话中，m < k。使用k - m进行调用时，如果给定半径内有0个邻居，则这些索引值的mydata将设置为nn.dist。由于查询点集与nrow(query) x k相同，因此将包含该点本身的索引。
nn.idx：nn.idx矩阵，其中每个元素包含0中相应最近邻居的欧几里德距离。在这里，如果nn.dist中的相应元素为100，则mydata中的值设置为1.340781e + 154。
通过您的通话，您length(which(res1$nn.idx>0))==10000中的每个点都会获得radius最近邻居，因此nn2无论该示例中的nrow(mydata) x nrow(mydata)是什么。
最后，你应该注意，因为radius在你的情况下会返回两个nn2，如果你有很多分数，它很容易压倒你的记忆。
更新以专门生成获取给定半径内邻居数量的结果。
要计算数据中每个点的res <- nn2(mydata, k=nrow(mydata), searchtype="radius", radius = radius)
内的邻居数量，请拨打count <- rowSums(res$nn.idx > 0) - 1
query=mydata然后，执行此操作：
k=nrow(mydata)注意：
res$nn.idx和nrow(mydata) x nrow(mydata)生成的i将是res$nn.idx，如上所述。i 的每一行query与<{1}}中的行i对应，这是query=mydata点中的i点p[i]。请致电i - 点res$nn.idx。p[i] 的每一行mydata包含 radius 和的邻居的行索引，以填充该行矩阵（因为并非p[i]中的所有点都在p[i]的{{1}}内。0的值然后计算它们来找到rowSums(res$nn.idx > 0)的邻居数。这是res$nn.idx为query=mydata的每一行所做的事情。1，被查询的点在于计数本身。也就是说，一个点是它自己最近的邻居。因此，从这些计数中减去count以排除它。结果i将是计数的向量。第radius个元素是i中query=mydata到{{1}}点内的邻居数。{{1}}。
希望这很清楚。