我不确定这是否是提出问题的正确位置（我是R和本网站的新手）。 我的问题如下：我如何计算经度和纬度点之间的距离？
我在这个网站上搜索了我的问题的答案，但答案只考虑了2分（而我的数据集包含超过207000行）。
我有一个名为'adsb_relevant_columns_correct_timedifference'的数据框，其中包含以下列：Callsign，Altitude，Speed，Direction，Date_Time，Latitude，Longitude。
Callsign Altitude Speed Direction Date_Time Latitude Longitude
A118 18000 110 340 2017-11-06 22:28:09 70.6086 58.2959
A118 18500 120 339 2017-11-06 22:29:09 72.1508 58.7894
B222 18500 150 350 2017-11-08 07:28:09 71.1689 59.1234
D123 19000 150 110 2018-05-29 15:13:27 69.4523 68.1235
我想计算每次测量之间的距离（以米为单位）（每行是一个新的测量值），并将其添加为名为“距离”的新列。第一次距离计算应该在第二行，因为以后的目的。因此，“距离”列的第一行可以是零或NA，这无关紧要。
所以，我想知道第一次测量（Lat 70.6086和Long 58.2959）与第二次测量（Lat 72.1508和58.7894）之间的距离。然后是第二次和第三次测量之间的距离。然后在第三和第四之间，依此类推，进行超过207000次测量。
预期的输出应该是这样的：
Callsign Altitude Speed Direction Date_Time Latitude Longitude Distance
A118 18000 110 340 2017-11-06 22:28:09 70.6086 58.2959 NA
A118 18500 120 339 2017-11-06 22:29:09 72.1508 58.7894 172000
B222 18500 150 350 2017-11-08 07:28:09 71.1689 59.1234 110000
D123 19000 150 110 2018-05-29 15:13:27 69.4523 68.1235 387000
我在R中找到了distm函数，我可以手动完成两次测量，而不是完整的数据集。
distm(p1, p2, fun = distHaversine)
我尝试了以下代码
adsb_relevant_columns_correct_timedifference <- mutate(adsb_relevant_columns_correct_timedifference, Distance =
distm(c(adsb_relevant_columns_correct_timedifference$Longitude, adsb_relevant_columns_correct_timedifference$Latitude),
c(lag(adsb_relevant_columns_correct_timedifference$Longitude, adsb_relevant_columns_correct_timedifference$Latitude)), fun = distCosine))
然而，我收到以下错误
mutate_impl（.data，dots）中的错误： 评估错误：向量的长度错误，应为2.
对不起我的长篇解释，但我希望我的问题很明确。有人可以告诉我如何计算几次测量之间的距离，并将其作为新列添加到我的数据框中吗？
答案 0 :(得分：2)
您可以使用distm - 函数代替distHaversine。在mutate调用中，您不应重复数据框并使用$运算符，mutate已经知道在哪里查找列。发生错误是因为您需要使用cbind而不是c，因为c创建一个长向量，只需将列堆叠在一起，而cbind创建一个包含两列的数据框（在这种情况下你想拥有什么）。
library(geosphere)
library(dplyr)
mutate(mydata,
Distance = distHaversine(cbind(Longitude, Latitude),
cbind(lag(Longitude), lag(Latitude))))
# Callsign Altitude Speed Direction Date_Time Latitude Longitude Distance
# 1 A118 18000 110 340 2017-11-06T22:28:09 70.6086 58.2959 NA
# 2 A118 18500 120 339 2017-11-06T22:29:09 72.1508 58.7894 172569.2
# 3 B222 18500 150 350 2017-11-08T07:28:09 71.1689 59.1234 109928.5
# 4 D123 19000 150 110 2018-05-29T15:13:27 69.4523 68.1235 387356.2
使用distCosine会有点棘手，因为如果其中一个输入纬度或经度丢失，它就不会返回NA。因此我稍微修改了函数，这解决了问题：
modified_distCosine <- function(Longitude1, Latitude1, Longitude2, Latitude2) {
if (any(is.na(c(Longitude1, Latitude1, Longitude2, Latitude2)))) {
NA
} else {
distCosine(c(Longitude1, Latitude1), c(Longitude2, Latitude2))
}
}
mutate(mydata,
Distance = mapply(modified_distCosine,
Longitude, Latitude, lag(Longitude), lag(Latitude)))
# Callsign Altitude Speed Direction Date_Time Latitude Longitude Distance
# 1 A118 18000 110 340 2017-11-06T22:28:09 70.6086 58.2959 NA
# 2 A118 18500 120 339 2017-11-06T22:29:09 72.1508 58.7894 172569.2
# 3 B222 18500 150 350 2017-11-08T07:28:09 71.1689 59.1234 109928.5
# 4 D123 19000 150 110 2018-05-29T15:13:27 69.4523 68.1235 387356.2
在这里，我使用mapply将修改后的函数与参数Longitude, Latitude, lag(Longitude), lag(Latitude)一起应用
我很确定必须有更优雅的方式，但至少这是有效的。
数据
mydata <- structure(list(Callsign = c("A118", "A118", "B222", "D123"),
Altitude = c(18000L, 18500L, 18500L, 19000L),
Speed = c(110L, 120L, 150L, 150L),
Direction = c(340L, 339L, 350L, 110L),
Date_Time = c("2017-11-06T22:28:09", "2017-11-06T22:29:09", "2017-11-08T07:28:09", "2018-05-29T15:13:27"),
Latitude = c(70.6086, 72.1508, 71.1689, 69.4523),
Longitude = c(58.2959, 58.7894, 59.1234, 68.1235)),
.Names = c("Callsign", "Altitude", "Speed", "Direction", "Date_Time", "Latitude", "Longitude"),
class = "data.frame", row.names = c(NA, -4L))
答案 1 :(得分：1)
使用$('#client_area').bind('input', function() {
console.log("Submitted");
$("#submit2").click();
});
也是一种选择。然而，它会产生一个距离矩阵：
distm然后你可以做
library(geosphere)
p <- cbind(df$Longitude, df$Latitude)
distm(head(p, -1), tail(p, -1), fun = distHaversine)
# [,1] [,2] [,3]
# [1,] 172569.2 69279.8 394651.3
# [2,] 0.0 109928.5 454096.2
# [3,] 109928.5 0.0 387356.2
您也可以直接使用diag(distm(head(p, -1), tail(p, -1), fun = distHaversine))
# [1] 172569.2 109928.5 387356.2
函数并避免计算整个矩阵：
distHaversine这样
distHaversine(head(p, -1), tail(p, -1))
# [1] 172569.2 109928.5 387356.2
答案 2 :(得分：1)
首先我们加载数据和库
{
"analysis": {
"analyzer": {
"lowercaseAnalyzer": {
"type": "custom",
"tokenizer": "keyword",
"filter": ["lowercase"]
}
}
}
}
接下来，我们创建一个新列，其中两点之间的距离从第2行开始。
library(geosphere)
df <- data.frame(read.table(text ="
Callsign Altitude Speed Direction Date_Time Latitude Longitude
A118 18000 110 340 2017-11-06T22:28:09 70.6086 58.2959
A118 18500 120 339 2017-11-06T22:29:09 72.1508 58.7894
B222 18500 150 350 2017-11-08T07:28:09 71.1689 59.1234
D123 19000 150 110 2018-05-29T15:13:27 69.4523 68.1235"
, header=TRUE))
这样做会导致
df$distance[2:nrow(df)] <- sapply(2:nrow(df),
function(x) distm(df[x-1,c('Longitude', 'Latitude')], df[x,c('Longitude', 'Latitude')], fun = distHaversine))
答案 3 :(得分：0)
您可以使用sf包计算st_distance()的距离。为了使一行与下一行之间的距离你可以做类似的事情。 （我假设data是您的data.frame。
library('sf')
# some points
poi <- data.frame(id = 1:4,
long = c(103.864325, 103.874916, 103.989693, 103.789615),
lat = c(1.281949, 1.305004, 1.359878, 1.404454),
name = c('Gardens by the Bay', 'National Stadium', 'Airport', 'Zoo'))
# coerce to sf object
poi <- st_as_sf(x = poi, coords = c('long', 'lat'))
# duplicate object with shifted rows
poi2 <- poi[c(1, 1:(nrow(poi) - 1)), ]
# compute pairwise distance
distance <- st_distance(x = poi, y = poi2)
# extract only the diagonal corresponding to the distance between row r and row r+1
distance <- diag(distance)
# add result to data
poi$distance <- distance
# first distance to NA
poi$distance[1] <- NA