我有两个 CSV 文件，其中包含位置坐标（1100 万行，三列：“lid”、“lat”、“lon”）和设施（50k 行列“fid”、“lat”、“lon” ）。对于每个位置，我需要计算到最近设施的最小距离。
我知道如何在 R 中使用“st_distance”来做到这一点。但是，“st_distance”需要很长时间，因为它首先计算完整的距离矩阵并且两个文件非常大。我尝试将位置文件分解为更小的组，并在 3 个核心上使用“future_map”，这比我预期的要花费更多的时间。有没有办法加快这个过程？
【问题讨论】：
sf::st_nearest_feature() 可能会有所帮助。否则，将您的两组完全连接起来，这样每个位置都连接到每个设施。使用geodist 计算每对之间的距离，然后选择每个位置的最小距离。我建议使用data.table 来完成这一切。
标签： r tidyverse geospatial distance sf
您是否考虑过先使用 st_buffer？这将限制您需要搜索的位置数量以找到最近的位置。例如，从 10 英里的半径开始，看看是否捕获了所有数据。如果这不起作用，可以尝试 findNeighbors() 函数。见文档https://www.rdocumentation.org/packages/fractal/versions/2.0-4/topics/findNeighbors
如果您将来提供数据样本也是一件好事。
【讨论】：
我确信必须有更好的方法来做到这一点，但我就是这样做的。希望对您有所帮助。
library(tidyverse)
library(furrr)
MILLION_1 <- 10^6
K_50 <- 10^4*5
# dummy data --------------------------------------------------------------------
d_1m <-
tibble(
lid_1m = 1:MILLION_1,
long_1m = abs(rnorm(MILLION_1) * 100),
lat_1m = abs(rnorm(MILLION_1)) * 100
)
d_50k <-
tibble(
lid_50k= 1:K_50,
long_50k = abs(rnorm(K_50) * 100),
lat_50k = abs(rnorm(K_50) * 100)
)
# distance calculation for each facility ------------------------------------------
future::plan(multiprocess)
d_distance <-
# take one row of facility: long,lat and id as an input
future_pmap_dfr(d_50k, function(...){
d50_row <- tibble(...)
# to calculate distance between one facility location and 1 million other locations
d <- tidyr::crossing(d_1m, d50_row)
d %>%
mutate(
#euclidean distance
distance = sqrt((long_1m - long_50k)^2 + (lat_1m - lat_50k)^2)
) %>%
# to get the location which is the closest to the facility
filter(distance == min(distance))
})
【讨论】：