从R中的距离矩阵中找到每个索引的最短平均距离

Question

我正在帮助组一个三年级的空间R实验室，任务之一是确定一个特定的站点，该站点与一组多个其他站点最接近（即，平均距离最短）。

我使用gdistance::costDistance生成了一个距离矩阵dist_m ，它看起来像这样：

# Sample data
m <- matrix(c(2, 1, 8, 5,
              7, 6, 3, 4,
              9, 3, 2, 8,
              1, 3, 7, 4),
            nrow  = 4,
            ncol  = 4,
            byrow = TRUE)

# Sample distance matrix
dist_m <- dist(m)

dist_m打印时如下所示：

          1         2         3
2  8.717798
3  9.899495  5.477226
4  2.645751  7.810250 10.246951

期望的输出：从这个DIST我希望能够识别索引值（ 1 ， 2 ， 3或4具有最低的平均距离）。 在此示例中，它将是索引4 ，其平均距离为6.90 。 理想情况下，我也希望返回平均距离（ 6.90 ）。

我可以通过以下操作找到单个索引的平均距离：

# Convert distance matrix to matrix
m = as.matrix(dist_m)

# Set diagonals and upper triangle to NA
m[upper.tri(m)] = NA
m[m == 0] = NA

# Calculate mean for index
mean(c(m[4,], m[,4]), na.rm = TRUE)

但是，理想情况下，我希望有一个解决方案可以直接识别具有最小平均距离的索引，而不必手动插入索引值（实际数据集将比这个大得多）。

因为这是针对大学班级的，所以我想使任何解决方案都尽可能简单：对于没有R经验的学生，for循环和Apply函数可能很难掌握。

Answer 1

尝试这个：

rMeans <- rowMeans(m, na.rm = T)
names(rMeans) <- NULL
which(rMeans == min(rMeans, na.rm = T))
# [1] 4

或作为功能：

minMeanDist <- function(x) {
  m <- as.matrix(x)
  m[upper.tri(m)] <- NA
  m[m == 0] <- NA
  rMeans <- rowMeans(m, na.rm = T)
  names(rMeans) <- NULL
  mmd <- min(rMeans, na.rm = T)
  ind <- which(rMeans == mmd)
  list(index = ind, min_mean_dist = mmd)
}
minMeanDist(dist_m)
# $index
# [1] 4
# 
# $min_mean_dist
# [1] 6.900984

Answer 2

如果要使用tidyverse这是一种方法：

as.matrix(dist_m) %>%
    as.tibble() %>%
    rownames_to_column(var = "start_node") %>%
    gather(end_node, dist, -start_node) %>% # go long
    filter(dist != 0) %>% # drop identity diagonal
    group_by(start_node) %>% # now summarise
    summarise(mean_dist = mean(dist)) %>%
    filter(mean_dist == min(mean_dist)) # chose minimum mean_dist

# A tibble: 1 x 2
  start_node mean_dist
       <chr>     <dbl>
1          4  6.900984

它有点长，但是通过管道可以很容易地看到每一行发生了什么，并且您得到了不错的输出。