如何在R中按LatLong距离对数据进行分组

Question

我有一个函数 distance(lat1,lon1, lat2,lon2) 计算 2 个点的距离。

假设我有一个包含一些点和值的数据框：

n<-c(lon = -1.729219, lat = 29.730836)
o<-c(lon = -5.041928, lat = 28.453022)
e<-c(lon = -2.700067, lat = 29.198922)
s<-c(lon = -5.212864, lat = 28.531739)
centro<-matrix(c(n,o,e,s), ncol=2, byrow=TRUE)
d<-data.frame(c=centro, amount=c(3.5,3.5,3.5,3.5), count=c(12,12,12,12))
colnames(d)<-c('lon','lat','amount','count')

我想获得一个新的框架集，其中的值聚合到其中最接近的一个（我不在乎）

假设我的 rad 为 10 公里，n 和 o 的距离为 7，e 和 s 与任何其他点的距离为 20，我期望一个具有 3 个值的新数据框： e、s 和一个带有数量的新值，并计算其他 2 和 lat 和 long 的总和，无论是来自 n 的还是来自 o 的。

我想在 R 中有一种简单的方法可以做到这一点，但我找不到。

谢谢

Answer 1

我想如果你有点之间的距离，你可以使用 hclust 来聚类这些点。然后使用 cutree 并设置 h 参数以在所需距离处切割组。您可以使用组进行聚合。

可能是这样的（我不知道输出是否正确，但使用这些坐标可以为您提供数百公里的距离）

#Calculate the distances and name them
distance <- (distm(centro))
row.names(distance) <- c("n", "o", "e", "s")
colnames(distance) <- c("n", "o", "e", "s")
#Use agnes function because it accepts a matrix
#And convert it to hclust objet to use cutree
library(cluster)
clusters <- as.hclust(agnes(distance, diss = T))
d$group <- cutree(clusters, h = 210000)
#Finally use plyr to agregate
library(plyr)
ddply(d, .(group), 
      function(x) data.frame(lon = x$lon[1], lat = x$lat[1], 
                             amount = sum(x$amount), count = sum(x$count)))

HTH

Answer 2

要计算地理坐标之间的距离，您可以使用 sp 包中的 spDists 函数。来自文档：

spDists 如果 longlat=FALSE 或在 公里，如果 longlat=TRUE；如果点是二维的，它使用 spDistsN1。的情况下 spDists(x,x)，它将计算所有 n x n 距离，而不是足够的 n x (n-1)

请注意，只有当您的对象由 sp-package 提供的空间类（在您的情况下为 SpatialPointsDataFrame prob）表示时，此功能才有效。一个小的 R 示例：

library(sp)
data(meuse)
# Convert the data.frame meuse to SpatialPointsDataFrame
coordinates(meuse) = c("x","y")
spDists(meuse)

请注意，在您的情况下，您希望将 spDists 函数的输入参数 longlat 设置为 TRUE 以获得较大的圆距离。此功能可能适用于不太大的数据集。对于大型数据集，它可能会更慢。如果你真的需要一些快速的东西，你可以看看 Rcpp 在 C++ 中编写循环。