通过两列中的值范围匹配数据框中的行答案

【问题标题】：Match rows in a dataframe by range of values in two columns通过两列中的值范围匹配数据框中的行
【发布时间】：2015-01-25 22:27:00
【问题描述】：

我有一个如下所示的数据框：

SITE_ID <- c("A", "B", "C", "D")
LAT <- c(450799, 450824, 450825, 450825)
LONG <- c(6513879, 6513873, 6513873, 6513874)
YEAR <- c(2006, 2006, 2007, 2008)
data <- data.frame(SITE_ID, LAT, LONG, YEAR)

在一系列年份中，每年都会对一系列地点进行抽样并记录其 UTM 坐标，但地点名称每年都不一致。我想通过数据框搜索并找出有多少站点（行）可能是另一年的同一站点，使用的条件 both 站点的纬度和经度应该在范围内2 个 UTM 单元相互连接，以便被视为同一个站点。例如，在上面的数据框中，Site_ID B、C 和 D 都应该被视为同一个站点。因此，对于每一行，我都需要一个新名称，例如，具有更正 Site_ID 名称的新列（在上面的示例中，站点 B、C、D 将重命名为站点 1 或类似名称）。

我尝试使用 for 循环查看 2 行之间的纬度和经度之间的差异，但索引存在问题。我想知道如何使这个循环检查每一行与其他每一行并在长度（数据 [，1]）处停止。

count <- 0
for (i in 1:length(data[,1])) {
  for (j in 1:length(data[,1])) {
    if (abs(data$LAT[i] - data$LAT[i+1]) < 
          2 & abs(data$LONG[i] - data$LONG[i+1]) < 2)
      count <- count + 1
    print(rownames(data[i]))
  }
}

我也尝试使用 sqldf() 包，但这似乎等同于子集()。感谢您的任何见解。

【问题讨论】：

我相信spDists(SpatialPointsDataFrame(cbind(LONG, LAT), data=data[,c(1,4)], proj4string=CRS("+proj=utm +zone=10 +datum=WGS84"))) < 2（使用正确的区域）会给你一个 n x n 矩阵，其中包含彼此接近的内容（2UTM 或更少） )。

标签： r

【解决方案1】：

你可以试试这个解决方案：

# get the distance matrices for LAT and LONG
d.lat <- as.matrix(dist(data$LAT))
d.long <- as.matrix(dist(data$LONG))

# build the adjacency matrix
m <- d.lat <= 2 & d.long <=2

# obtain the connected components
library(igraph)
g <- graph.adjacency(m)
z <- clusters(g)$membership

# create new id
data$new_id <- ave(as.character(data$SITE_ID),z,FUN=function(s) paste(s,collapse=','))

#   SITE_ID    LAT    LONG YEAR id new_id
# 1       A 450799 6513879 2006  1      A
# 2       B 450824 6513873 2006  2  B,C,D
# 3       C 450825 6513873 2007  2  B,C,D
# 4       D 450825 6513874 2008  2  B,C,D

【讨论】：