[英]Difference between distm function or the distVincentyEllipsoid in R
[英]Average geodetic distance between subsets of points (same ID) using distm(distVincentyEllipsoid) and storing the results in a new dataframe in R
我的數據庫具有以下結構:
> long <- c(13.2345, 14.2478, 16.2001, 11.2489, 17.4784, 27.6478, 14.2500, 12.2100, 11.2014, 12.2147)
> lat <- c(47.1247, 48.2013, 41.2547, 41.2147, 40.3247, 46.4147, 42.4786, 41.2478, 48.2147, 47.2157)
> hh_id <- 1:10
> vill_id <- c(rep(100, 4), rep(101, 3), rep(102, 2), 103)
> df <- matrix(c(long, lat, hh_id, vill_id), nrow = 10, ncol = 4)
> colnames(df) <- c("longitude", "latitude", "hh_id", "vill_id")
> df <- as.data.frame(df)
> df
longitude latitude hh_id vill_id
13.2345 47.1247 1 100
14.2478 48.2013 2 100
16.2001 41.2547 3 100
11.2489 41.2147 4 100
17.4784 40.3247 5 101
27.6478 46.4147 6 101
14.2500 42.4786 7 101
12.2100 41.2478 8 102
11.2014 48.2147 9 102
12.2147 47.2157 10 103
hh_id-家庭ID
vill_id-村庄ID
具有相同ID的家庭屬於同一村庄。
我的目標是:計算具有相同vill_id的所有點之間的平均距離,並將結果存儲在新的數據框中:
vill_id mean_dist
100 587553.5
101 …………………
102 …………………
103 ………………
我的方法:要計算點之間的測地距離,我已使用geosphere包中的distm命令(distVincentyEllipsoid應該是最准確的)
> library(geosphere)
> df_100 <- df[df$vill_id == 100, ]
> dist_100 <- distm(df_100, fun = distVincentyEllipsoid)
Error in .pointsToMatrix(p1) : Wrong length for a vector, should be 2 -->
> df_100_2 <- df_100[, c(1, 2)]
> dist_100_2 <- distm(df_100_2, fun = distVincentyEllipsoid)
> dist_100_2
[,1] [,2] [,3] [,4]
[1,] 0.0 141844.7 693867.8 675556.9
[2,] 141844.7 0.0 787217.4 811777.4
[3,] 693867.8 787217.4 0.0 415056.6
[4,] 675556.9 811777.4 415056.6 0.0
因此,生成了vill_id = 100的所有點的對稱距離矩陣。 要計算平均距離,我需要分解該矩陣(或除去所有對角線值(0))。
> diag(dist_100_2) = NA
> dist_100_2_final <- dist_100_2[!is.na(dist_100_2)]
> dist_100_2_final
[1] 141844.7 693867.8 675556.9 141844.7 787217.4 811777.4 693867.8 787217.4 415056.6 675556.9
[11] 811777.4 415056.6
> mean(dist_100_2_final)
[1] 587553.5 (in m)
到現在為止還挺好。 現在,我需要創建一個新的數據框,以存儲具有相同ID的所有子集的平均距離(我的原始數據庫有200多個村庄(vill_id)和近2000戶(hh_id))。 您能幫我完成代碼嗎? 我想我必須使用循環(或者也許有另一個軟件包來解決這個問題)? 非常感謝您的幫助。
昨天我發布了類似的問題,不同之處在於mean_dist已經是我的原始數據框的一部分(在ArcGIS中計算),但現在我想在R中計算這些值以比較結果。 我嘗試實施上一個問題中推薦的代碼,但沒有成功。
考慮基數R by
因為您需要在不同級別的因子(即vill_id )上運行操作。 在by
,您可以調用定義的或匿名函數,該函數將返回一個數據框列表,您可以將其行綁定回一個數據框:
dfList <- by(df, df[c("vill_id")], FUN = function(i){
sub <- i[, c(1, 2)]
tmp <- distm(sub, fun = distVincentyEllipsoid)
diag(tmp) = NA
i$mean_dist <- mean(tmp[!is.na(tmp)]) # NEW COLUMN ADDED
return(i)
})
finaldf <- do.call(rbind, dfList)
如果您需要vill_id和hh_id子集,請添加到因子列表中:
dfList <- by(df, df[c("vill_id", "hh_id")], FUN = function(i){ ... })
如果只需要從函數返回vill_id和mean_dist ,則更改返回值:
newdf <- unique(i[c("vill_id", "mean_dist")]
return(newdf)
具體來說,下面的代碼塊:
df_100 <- df[df$vill_id == 100, ] # BY REPLACES THIS LINE
df_100_2 <- df_100[, c(1, 2)]
dist_100_2 <- distm(df_100_2, fun = distVincentyEllipsoid)
diag(dist_100_2) = NA
dist_100_2_final <- dist_100_2[!is.na(dist_100_2)]
mean(dist_100_2_final)
轉換為以下內容,其中i是by
函數變量:
sub <- i[,c(1, 2)]
tmp <- distm(sub, fun = distVincentyEllipsoid)
diag(tmp) = NA
i$mean_dist <- mean(tmp[!is.na(tmp)])
另一種方法是使用lapply()
。 我基本上修改了您的代碼。 我添加的一件事是按vill_id
拆分數據並創建一個列表。 然后,我將您的代碼塊應用於lapply()
每個拆分數據幀的距離計算。 最后,我創建了一個帶有平均值的數據框。
library(geosphere)
mylist <- split(df, f = df$vill_id)
unlist(lapply(mylist, function(x){
foo <- x[, 1:2]
foo <- distm(foo, fun = distVincentyEllipsoid)
diag(foo) = NA
out <- foo[!is.na(foo)]
average <- mean(out)
average
})
) -> mean_dist
data.frame(vill_id = unique(df$vill_id),
mean_dist = mean_dist)
# vill_id mean_dist
#100 100 587553.5
#101 101 858785.6
#102 102 778299.1
#103 103 NaN
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.