在for循环内循环以计算R中2个数据集之间的地理空间距离

Question

我有一个带有957个地理编码的data.table。我想将它与另一个包含317个地理编码的数据集相匹配。匹配条件是地理空间接近。我想将来自第一个数据集的每个观察与来自第二个数据集的观察相匹配，使得两个观测值之间的距离为5000米或更小。

我的数据如下：

> muni[1:3]
         mun Lat_Decimal Lon_Decimal
1:      1001    21.76672   -102.2818
2:      1002    22.16597   -102.0657
3:      1003    21.86138   -102.7248
> stations[1:3]
   station_number station_lat station_long
1:          10003      25.100     -106.567
2:          10018      24.944     -106.259
3:          10031      24.523     -105.952

我正在使用distm的library(geosphere)函数来计算距离。

我认为攻击这个问题的方法是一个while循环。这个想法是从muni进行第一次观察并测量到stations第一次观测的距离。如果距离为5000米或更短，则将station_number中第一次观测的station指定为muni的第一次观测。如果距离大于5000，则尝试在muni中进行下一次观察，直到距离为5000米或更短。

从本质上讲，它是一个循环，发现在stations中的第一个观察点距离muni的5000米或更接近观察。

这是对它的初步尝试：

for (i in 1:957) {
  j = 1
  while (distm(muni[i, .(Lon_Decimal, Lat_Decimal)],
               stations[j, .(station_long, station_lat)]) > 5000 & j <= 317) {
    muni[i, station_number := as.integer(stations[j, station_number])]
    muni[i, distance := distm(muni[i, .(Lon_Decimal, Lat_Decimal)],
                                   stations[j, .(station_long, station_lat)])]
    j = j + 1
}
}

我可以说这不起作用，因为在运行这个循环for (i in 1:3)之后，'muni'中的所有行似乎都没有被覆盖。我想我的循环中有一个错误忽略了station_number :=和distance :=部分。

我希望这个循环覆盖muni，这样所有整个列都有一个station_number。

Answer 1

我已经把你的几个样本点读作data.frames并将它们转换为下面的sf以获得答案。如果你依附于geosphere，请原谅双关语，因为geosphere::distm也会返回一个距离矩阵，所以一切都应该仍然适用。

首先，我们将您的数据转换为sf格式：

library(sf)

stations_raw <- "station_number station_lat station_long
1:          10003      25.100     -106.567
2:          10018      24.944     -106.259
3:          10031      24.523     -105.952"


mun_raw <- "mun Lat_Decimal Lon_Decimal
1:      1001    21.76672   -102.2818
2:      1002    22.16597   -102.0657
3:      1003    21.86138   -102.7248"

mun_df <- read.table(text = mun_raw)

stations_df <- read.table(text = stations_raw)

mun_sf <- st_as_sf(mun_df, coords = c("Lon_Decimal", "Lat_Decimal"), crs = 4326)
stations_sf <-  st_as_sf(stations_df, 
                          coords = c("station_long", "station_lat"), crs = 4326)

然后，我们找到点之间每次交互的最小值：

closest <- list()

for(i in seq_len(nrow(mun_sf))){
  closest[[i]] <- stations_sf[which.min(
    st_distance(stations_sf, mun_sf[i,])),]
}

最后，我们提取标识符并将它们附加到原始df，根据您的请求删除mun_id：

mun_sf$closest_station <- purrr::map_chr(closest, "station_number")

mun_sf <- mun_sf[, c("closest_station", "geometry")]

mun_sf
#> Simple feature collection with 3 features and 1 field
#> geometry type:  POINT
#> dimension:      XY
#> bbox:           xmin: -102.7248 ymin: 21.76672 xmax: -102.0657 ymax: 22.16597
#> epsg (SRID):    4326
#> proj4string:    +proj=longlat +datum=WGS84 +no_defs
#>    closest_station                   geometry
#> 1:           10031 POINT (-102.2818 21.76672)
#> 2:           10031 POINT (-102.0657 22.16597)
#> 3:           10031 POINT (-102.7248 21.86138)

下面的图表有助于目测检查，在这个玩具示例中，我们得到了正确的答案。

ggplot() +
  geom_sf(data = mun_sf, colour = "red") +
  geom_sf_text(data = mun_sf, aes(label = mun), nudge_x = 0.25) +
  geom_sf(data = stations_sf, colour = "blue") +
  geom_sf_text(data = stations_sf, aes(label = station_number), nudge_x = -0.25)
#> Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may
#> not give correct results for longitude/latitude data

#> Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may
#> not give correct results for longitude/latitude data