我有以下两个数据集：
houses <- data.table(house_number = c(1:3),
lat_decimal = seq(1.1, 1.3, by = 0.1),
lon_decimal = seq(1.4, 1.6, by = 0.1))
stations <- data.table(station_numer = c(1:11),
lat_decimal = seq(1, 2, by = 0.1),
lon_decimal = seq(2, 3, by = 0.1))
我想将houses和stations合并在一起，以便生成的station_number是最接近相应house_number的电台。
这个问题非常相似，但我不确定他们是否正在使用纬度和经度，而且，我不知道在处理经度和纬度时如何计算距离(这就是为什么我更喜欢简单地使用 geosphere 包中的distm(。
我从未使用过外部函数。如果上述问题的答案有效，我如何调整答案以使用 distm 函数而不是sqrt函数？
使用 hutilscpp 中的match_nrst_haversine：
library(hutilscpp)
houses[, c("station_number", "dist") := match_nrst_haversine(lat_decimal,
lon_decimal,
addresses_lat = stations$lat_decimal,
addresses_lon = stations$lon_decimal,
Index = stations$station_numer,
close_enough = 0,
cartesian_R = 5)]
houses
#> house_number lat_decimal lon_decimal station_number dist
#> 1: 1 1.1 1.4 1 67.62617
#> 2: 2 1.2 1.5 1 59.87076
#> 3: 3 1.3 1.6 1 55.59026
您可能需要调整close_enough，cartesian_R您的数据是否众多(即匹配的点数超过 100 万个(以提高性能。
`cartesian_R`任何地址与要地理编码的点的最大半径。用于加速最小距离的检测。注意，作为 参数名称表明，距离在笛卡尔坐标中，因此 数量可能很少。
`close_enough`以米为单位的距离，低于该距离将被视为已发生匹配。(被视为"足够近"的距离为 匹配。
例如，close_enough = 10 表示将匹配 10 米内的第一个位置，即使稍后发生更近的匹配也是如此。
可以作为字符串提供以强调单位，例如close_enough = "0.25km"。只允许公里和米。
您的问题比简单的合并要复杂一些，outer有点不适合该目的。为了尽可能彻底，我们要计算所有房屋和车站组合之间的距离，然后只保留每栋房屋最近的车站。我们需要两个包：
library(tidyverse)
library(geosphere)
首先，做点准备。 distm希望坐标首先排序为经度，其次是纬度(相反(，所以让我们解决这个问题，更好地命名列，并在我们使用它时更正拼写错误：
houses <- data.frame(house_number = c(1:3),
lon_house = seq(1.4, 1.6, by = 0.1),
lat_house = seq(1.1, 1.3, by = 0.1)
)
stations <- data.frame(station_number = c(1:11),
lon_station = seq(2, 3, by = 0.1),
lat_station = seq(1, 2, by = 0.1)
)
我们将创建"嵌套"数据框，以便更轻松地将坐标保持在一起：
house_nest <- nest(houses, -house_number, .key = 'house_coords')
station_nest <- nest(stations, -station_number, .key = 'station_coords')
house_number house_coords
<int> <list>
1 1 <data.frame [1 × 2]>
2 2 <data.frame [1 × 2]>
3 3 <data.frame [1 × 2]>
station_number station_coords
<int> <list>
1 1 <data.frame [1 × 2]>
2 2 <data.frame [1 × 2]>
3 3 <data.frame [1 × 2]>
4 4 <data.frame [1 × 2]>
5 5 <data.frame [1 × 2]>
6 6 <data.frame [1 × 2]>
7 7 <data.frame [1 × 2]>
8 8 <data.frame [1 × 2]>
9 9 <data.frame [1 × 2]>
10 10 <data.frame [1 × 2]>
11 11 <data.frame [1 × 2]>
使用 dplyr::crossing 合并两个数据框中的每一行：
data.master <- crossing(house_nest, station_nest)
house_number house_coords station_number station_coords
<int> <list> <int> <list>
1 1 <data.frame [1 × 2]> 1 <data.frame [1 × 2]>
2 1 <data.frame [1 × 2]> 2 <data.frame [1 × 2]>
3 1 <data.frame [1 × 2]> 3 <data.frame [1 × 2]>
4 1 <data.frame [1 × 2]> 4 <data.frame [1 × 2]>
5 1 <data.frame [1 × 2]> 5 <data.frame [1 × 2]>
6 1 <data.frame [1 × 2]> 6 <data.frame [1 × 2]>
7 1 <data.frame [1 × 2]> 7 <data.frame [1 × 2]>
8 1 <data.frame [1 × 2]> 8 <data.frame [1 × 2]>
9 1 <data.frame [1 × 2]> 9 <data.frame [1 × 2]>
10 1 <data.frame [1 × 2]> 10 <data.frame [1 × 2]>
# ... with 23 more rows
现在有了所有这些，我们可以使用每行的distm来计算距离，并保持每栋房屋的最短距离：
data.dist <- data.master %>%
mutate(dist = map2_dbl(house_coords, station_coords, distm)) %>%
group_by(house_number) %>%
filter(dist == min(dist))
house_number house_coords station_number station_coords dist
<int> <list> <int> <list> <dbl>
1 1 <data.frame [1 × 2]> 1 <data.frame [1 × 2]> 67690.
2 2 <data.frame [1 × 2]> 1 <data.frame [1 × 2]> 59883.
3 3 <data.frame [1 × 2]> 1 <data.frame [1 × 2]> 55519.