在同一数据框中找到下一个最近点答案

【问题标题】：finding the next closest point in the same data frame在同一数据框中找到下一个最近点
【发布时间】：2020-10-07 04:37:15
【问题描述】：

我正在使用 R-Studio，我有一个数据框，其中有 x,y 点。当我选择 x0，y0 时，我想找到下一个最近的点。然后当我有 x1, y1 时，我想将它们用作 x0, y0 并找到下一个最近的点 x2, y2。

这个问题的答案有帮助：Find the nearest X,Y coordinate using R 但现在我需要第二部分的帮助来更新 x0，y0。直到它遍历我的所有数据。

【问题讨论】：

如果最接近点m 是点n，然后最接近点n 是m，会发生什么？你看过dist吗？
您可以运行命令dput(YOURDATA) 并将输出粘贴到您的问题中。如果您这样做，其他人将能够使用您的数据并提出更明智的问题来帮助您。

标签： r coordinates spatial

【解决方案1】：

这是一个解决方案，将您的问题作为旅行推销员问题来处理...

样本数据

mydata <- data.frame( id = letters[1:4],
                      x = c(1,10,2,5),
                      y = c(1,10,4,6) )

#what does it look like?
library(ggplot2)
ggplot( mydata, aes( x = x, y = y, label = id)) + geom_point() + geom_text( vjust = -1 )

代码

#introducing the Travelling SalesPerson
#   install.packages("TSP")
library( TSP )

#calculate distances
d <- dist( mydata[-1] )
#create TSP model...
tsp <- TSP( d, labels = mydata$id )
#...and solve it. start on first point, using nearest neighbour
tsp_solved <- solve_TSP( tsp, method = "nn", start = 1 )
#so.. what do we travel like?
labels( tsp_solved )
#[1] "a" "c" "d" "b"

【讨论】：

【解决方案2】：

这是一个示例，它获取一个坐标列表，然后计算每对点之间的欧几里德距离，然后创建一条通过长度为 steps 的点的路径，同时从不访问同一点两次。

library(tidyverse)

set.seed(1234)

distance_table <- tibble(id = 1:100, x = runif(0,100,n = 100), y = runif(0,100,n=100)) %>%
 (function(X)expand_grid(X, X %>% setNames(c("id_2", "x2","y2"))))  %>%
 filter(id != id_2) %>%
 mutate(euc_dist = sqrt((x - x2)^2 +(y-y2)^2))


steps = 25
starting_id = sample(1:100, 1)
results_holder = tibble(order = 1:steps, location_id = numeric(steps), x = numeric(steps), y = numeric(steps))
results_holder$location_id[1] <- starting_id
results_holder$x[1] <- unique(distance_table$x[distance_table$id == starting_id])
results_holder$y[1] <- unique(distance_table$y[distance_table$id == starting_id])

for(i in 2:steps){
 data_tmp <- distance_table %>% 
  filter(results_holder$location_id[i - 1] == id) %>% 
  filter(!(id_2 %in% results_holder$location_id)) %>%
  filter(euc_dist == min(euc_dist))
 results_holder$location_id[i] <- data_tmp$id_2[1]
 results_holder$x[i] <- data_tmp$x2[1]
 results_holder$y[i] <- data_tmp$y2[1]
}

results_holder

ggplot(distance_table %>% filter(!(id %in% results_holder$location_id)), aes(x, y)) +
 geom_point() + 
 geom_label(data = results_holder, aes(label = order), size = 2)

【讨论】：