在 R 的 base/dplyr 中，找到最接近数据集每一行的行

Question

我有一个包含 N 行的数据框，我想计算，对于行的子集，属于同一组的数据集中与它们中每个行最接近的行是什么。

所以例如：

> df
# A tibble: 8,014 x 4
A      B       C      Group
<dbl>  <dbl>   <dbl>    <int>
1  -0.396 -0.621 -0.759      1
2  -0.451 -0.625 -0.924      1
3  -0.589 -0.624 -1.26       1
4  -0.506 -0.625 -1.09       1
5  NA      1.59  -0.593      1
6  -0.286  4.22  -0.0952     1
7  NA      2.91  -0.0952     1
8  NA      4.22  -0.924      1
9  -0.175  1.52  -0.0952     1
10  NA      1.74   1.56       1
# ... with 8,004 more rows

因此，例如，我想检查哪些是属于组 ==1 的第 2 行和第 3 行最接近的行。此外，我必须有效地做到这一点，因此for循环实际上不是一种选择。

我想使用dist函数，因为它具有正确处理 NA 的好功能，但我不需要计算整个距离矩阵 - 这将是一种浪费。

我试过这个，但它失败了，而且也很浪费：

res = Map(function(x,y) dist(as.matrix(rbind(x, y))), df[2:3, ] 
%>% group_by(Group), df %>% group_by(Group))

Answer 1

一种方法可以做到这一点，但它确实为每个组创建了整个距离矩阵。 不知道为什么这是浪费，考虑到你想做什么：

library(tidyverse)
library(purrr)
min_dist <- function(x){
dist(x, upper = T) %>% 
as.matrix %>% 
as.tibble %>% 
na_if(0) %>%  #as.tibble adds zeros along the diagonal, so this removes them
summarize_all(funs(which(. == min(.,na.rm=TRUE)))) %>% 
gather %>% 
pull(value)
}

df %>% group_by(Group) %>%
mutate(group_row = row_number()) %>%
nest(-Group) %>% 
mutate(nearest_row = map(data, min_dist)) %>% 
unnest