Question

我想知道计算美国两个邮政编码列之间的距离最有效的方法是使用R。

我听说过Geosphere软件包，用于计算邮政编码之间的差异，但我并不完全了解它，并且想知道是否还有其他方法。

例如说我有一个像这样的数据框。

 ZIP_START     ZIP_END
 95051         98053
 94534         94128
 60193         60666
 94591         73344
 94128         94128
 94015         73344
 94553         94128
 10994         7105
 95008         94128

我想创建一个看起来像这样的新数据框。

 ZIP_START     ZIP_END     MILES_DIFFERENCE
 95051         98053       x
 94534         94128       x
 60193         60666       x
 94591         73344       x
 94128         94128       x
 94015         73344       x
 94553         94128       x
 10994         7105        x
 95008         94128       x

其中x是两个邮政编码之间的英里差。

计算此距离的最佳方法是什么？

这是创建示例数据框的R代码。

df <- data.frame("ZIP_START" = c(95051, 94534, 60193, 94591, 94128, 94015, 94553, 10994, 95008), "ZIP_END" = c(98053, 94128, 60666, 73344, 94128, 73344, 94128, 7105, 94128))

如有任何疑问，请告诉我。

任何建议都值得赞赏。

谢谢您的帮助。

Answer 1

那里有一个方便的R包，名为“ zipcode”，其中提供了邮政编码，城市，州和纬度和经度的表格。因此，一旦获得了这些信息，“ geosphere”软件包就可以计算点之间的距离。

library(zipcode)
library(geosphere)

#dataframe need to be character arrays or the else the leading zeros will be dropped causing errors
df <- data.frame("ZIP_START" = c(95051, 94534, 60193, 94591, 94128, 94015, 94553, 10994, 95008), 
       "ZIP_END" = c(98053, 94128, 60666, 73344, 94128, 73344, 94128, "07105", 94128), 
       stringsAsFactors = FALSE)

data("zipcode")

df$distance_meters<-apply(df, 1, function(x){
  startindex<-which(x[["ZIP_START"]]==zipcode$zip)
  endindex<-which(x[["ZIP_END"]]==zipcode$zip)
  distGeo(p1=c(zipcode[startindex, "longitude"], zipcode[startindex, "latitude"]), p2=c(zipcode[endindex, "longitude"], zipcode[endindex, "latitude"]))
})

有关输入数据框的列类的警告。邮政编码应为字符而不是数字，否则前导零将被丢弃，从而导致错误。

从distGeo返回的距离以米为单位，我将允许读者确定正确的单位转换为英里。

Answer 2

OP 要求“最有效”，所以给定

geosphere 是 quite slow，当您想在大量数据上使用它
apply 本质上是一个循环函数，通常可以使用矢量化代码来解决

我提出了一个使用 data.table 和 library(geodist) 的完全矢量化的解决方案


#dataframe need to be character arrays or the else the leading zeros will be dropped causing errors
df <- data.frame("ZIP_START" = c(95051, 94534, 60193, 94591, 94128, 94015, 94553, 10994, 95008), 
                 "ZIP_END" = c(98053, 94128, 60666, 73344, 94128, 73344, 94128, "07105", 94128), 
                 stringsAsFactors = FALSE)


library(zipcodeR)
library(data.table)
library(geodist)

## Convert the zip codes to data.table so we can join on them
## I'm using the centroid of the zipcodes (lng and lat).
## If you want the distance to the endge of the zipcode boundary you'll
## need to convert this into a spatial data set
dt_zips <- as.data.table( zip_code_db[, c("zipcode", "lng", "lat")])

## convert the input data.frame into a data.talbe
setDT( df )

## the postcodes need to be characters
df[
  , `:=`(
    ZIP_START = as.character( ZIP_START )
    , ZIP_END = as.character( ZIP_END )
  )
]

## Attach origin lon & lat using a join
df[
  dt_zips
  , on = .(ZIP_START = zipcode)
  , `:=`(
    lng_start = lng
    , lat_start = lat
  )
]

## Attach destination lon & lat using a join
df[
  dt_zips
  , on = .(ZIP_END = zipcode)
  , `:=`(
    lng_end = lng
    , lat_end = lat
  )
]

## calculate the distance
df[
  , distance_metres := geodist::geodist_vec(
    x1 = lng_start
    , y1 = lat_start
    , x2 = lng_end
    , y2 = lat_end
    , paired = TRUE
    , measure = "haversine"
  )
]

## et voila - note the missing zipcode 6066 and 73344
df

#    ZIP_START ZIP_END lng_start lat_start lng_end lat_end distance_metres
# 1:     95051   98053   -121.98     37.35 -122.02   47.66      1147708.60
# 2:     94534   94128   -122.10     38.20 -122.38   37.62        69090.01
# 3:     60193   60666    -88.09     42.01      NA      NA              NA
# 4:     94591   73344   -122.20     38.12      NA      NA              NA
# 5:     94128   94128   -122.38     37.62 -122.38   37.62            0.00
# 6:     94015   73344   -122.48     37.68      NA      NA              NA
# 7:     94553   94128   -122.10     38.00 -122.38   37.62        48947.02
# 8:     10994   07105    -73.97     41.10  -74.15   40.72        44930.17
# 9:     95008   94128   -121.94     37.28 -122.38   37.62        54263.61

另请注意，返回的距离以米为单位。

Answer 3

正如 Dave2e 提到的，原始的 zipcode 包已经从 CRAN 中删除，所以我们需要使用 zipcodeR。

if (!require("zipcodeR"))install.packages("zipcodeR")
if (!require("geosphere"))install.packages("geosphere")

df <- data.frame(
  "ZIP_START" = c(95051, 94534, 60193, 94591, 94128, 94015, 94553, 10994, 95008),
  "ZIP_END" = c(98053, 94128, 60666, 73344, 94128, 73344, 94128, "07105", 94128),
  stringsAsFactors = FALSE
)

data("zip_code_db")

df$distance_meters<-apply(df, 1, function(x){
  startindex<-which(x[["ZIP_START"]]==zip_code_db$zipcode)
  endindex<-which(x[["ZIP_END"]]==zip_code_db$zipcode)
  distGeo(p1=c(zip_code_db[startindex, "lng"], 
               zip_code_db[startindex, "lat"]), 
          p2=c(zip_code_db[endindex, "lng"], 
               zip_code_db[endindex, "lat"]))
})

这是基于新 zipcodeR 包的修复。归功于 Dave2e。

R查找两个美国邮政编码列之间的距离

3 个答案: