我想在一组点上执行坐标下降迭代，这些点的纬度和经度在数组中给出。迭代应该帮助我估计一组纬度和经度点的最近位置。我有一个纬度/经度值的数组“a”和“b”。两个数组都表示同一组位置。
Longitude Latitude
1. 100.1130 17.5406
2. 99.8961 20.0577
3. 99.8829 20.0466
4. 101.2457 16.8041
5. 102.1314 19.8881
【问题讨论】：
dist 函数的其中一种方法有效，您可以快速计算出每个点的最小距离。
标签： r sum distance latitude-longitude
当您想计算具有纬度/经度坐标的点之间的距离时，geosphere 包中的distm 函数为您提供了几种方法：distCosine、distHaversine、distVincentySphere 和distVincentyEllipsoid。其中，distVincentyEllipsoid 被认为是最准确的。在这些答案中，我展示了如何计算两个不同点列表之间的距离：
但是，您的情况有点不同，因为您想在带有坐标的点列表中进行比较。通过稍微改变我在这些答案中展示的方法，你可以达到同样的效果。说明如何使用您提供的数据执行此操作：
数据：
points <- structure(list(p = structure(1:5, .Label = c("A", "B", "C", "D", "E"), class = "factor"),
lon = c(100.113, 99.8961, 99.8829, 101.2457, 102.1314),
lat = c(17.5406, 20.0577, 20.0466, 16.8041, 19.8881)),
.Names = c("p", "lon", "lat"), class = "data.frame", row.names = c(NA, -5L))
请注意，我添加了一个变量p，其中包含点的名称。
原方法：
首先你创建一个距离矩阵：
distmat <- distm(points[,c('lon','lat')], points[,c('lon','lat')], fun=distVincentyEllipsoid)
给出：
> distmat
[,1] [,2] [,3] [,4] [,5]
[1,] 0.0 279553.803 278446.927 145482.3 335897.8
[2,] 279553.8 0.000 1848.474 387314.3 234708.0
[3,] 278446.9 1848.474 0.000 386690.7 235998.8
[4,] 145482.3 387314.334 386690.666 0.0 353951.5
[5,] 335897.8 234707.958 235998.784 353951.5 0.0
当您现在将最近的点分配给每个点时：
points$nearest <- points$p[apply(distmat, 1, which.min)]
每个点将被分配给自己作为最近点：
> points
p lon lat nearest
1 A 100.1130 17.5406 A
2 B 99.8961 20.0577 B
3 C 99.8829 20.0466 C
4 D 101.2457 16.8041 D
5 E 102.1314 19.8881 E
适应：
您可以通过将距离矩阵distmat 中的0 值替换为：
distmat[distmat==0] <- NA
当您现在将最近的点分配给每个点时：
points$nearest <- points$p[apply(distmat, 1, which.min)]
你得到正确的值：
> points
p lon lat nearest
1 A 100.1130 17.5406 D
2 B 99.8961 20.0577 C
3 C 99.8829 20.0466 B
4 D 101.2457 16.8041 A
5 E 102.1314 19.8881 B
【讨论】：
wab 矩阵的代码。您也可以包含您尝试过的代码，即使它不起作用。
您可以为此使用dist() 函数：
mat2 <- dist(mat,method = "euclidean")
1. 2. 3. 4.
2. 2.52642792
3. 2.51654168 0.01724674
4. 1.35108902 3.52240445 3.51724752
5. 3.09591583 2.24172484 2.25407952 3.20866335
最近的五个点有距离
> head(sort(mat2),5)
#[1] 0.01724674 1.35108902 2.24172484 2.25407952 2.51654168
距离矩阵中的点对可以很容易地从它们的索引中推导出来：
> head(order(mat2),5)
#[1] 5 3 7 9 2
索引是从左上角开始按列计数的条目，所以mat2[5]=0.01724674是点2和点3之间的距离，mat2[3]=1.351089是点1和点4之间的距离，等等。
我们可以定义一个函数来提取这些对：
dist_pairs <- function(x,y){
idx1 = ceiling(x / (y - 1))
idx2 = x %% (y - 1) + idx1
return(c(idx1, idx2))
}
其中第二个参数是原始矩阵中的行数； 5 在这种情况下。例如，
> dist_pairs(9, nrow(mat))
#[1] 3 4
表示距离矩阵中的第 9 项包含点 3 和 4 之间的距离。
编辑
通过查看@Jaap 的答案并重新阅读 OP，我意识到您有兴趣找到最接近每个数据点的点，而不一定是对您的集合中最小的那些对进行排名彼此之间的距离。
要获取此信息，可以按照@Jaap 建议的类似方式修改代码：
mat3 <- as.matrix(mat2)
diag(mat3) <- NA
mat <- as.data.frame(mat)
mat$closest <- apply(mat3,1,which.min)
> mat
# Longitude Latitude closest
#1 100.1130 17.5406 4
#2 99.8961 20.0577 3
#3 99.8829 20.0466 2
#4 101.2457 16.8041 1
#5 102.1314 19.8881 2
数据
mat <- as.matrix(read.table(text=" Longitude Latitude
100.1130 17.5406
99.8961 20.0577
99.8829 20.0466
101.2457 16.8041
102.1314 19.8881", header=T))
【讨论】：