计算数据帧R中的多个距离经度纬度

4 回答

• 1

  使用 distm 也是一种选择 . 然而，它产生一个距离矩阵：

  library(geosphere)
  p <- cbind(df$Longitude, df$Latitude)
  distm(head(p, -1), tail(p, -1), fun = distHaversine)
  #          [,1]     [,2]     [,3]
  # [1,] 172569.2  69279.8 394651.3
  # [2,]      0.0 109928.5 454096.2
  # [3,] 109928.5      0.0 387356.2
  

  然后你可以做到

  diag(distm(head(p, -1), tail(p, -1), fun = distHaversine))
  # [1] 172569.2 109928.5 387356.2
  

  您也可以直接使用 distHaversine 函数并避免计算整个矩阵：

  distHaversine(head(p, -1), tail(p, -1))
  # [1] 172569.2 109928.5 387356.2
  

  以便

  df$Distance <- c(NA, distHaversine(head(p, -1), tail(p, -1)))
  

  回复于 2024-04-28T14:00:38+08:00
• 1

  您可以使用 sf 包计算 st_distance() 的距离 . 为了使一行与下一行之间的距离你可以做类似的事情 . （我假设 data 是你的data.frame .

  library('sf')    
  
  # some points
  poi <- data.frame(id = 1:4, 
                    long = c(103.864325, 103.874916, 103.989693, 103.789615), 
                    lat = c(1.281949, 1.305004, 1.359878, 1.404454),
                    name = c('Gardens by the Bay', 'National Stadium', 'Airport', 'Zoo'))
  
  # coerce to sf object
  poi <- st_as_sf(x = poi, coords = c('long', 'lat'))
  
  # duplicate object with shifted rows
  poi2 <- poi[c(1, 1:(nrow(poi) - 1)), ]
  
  # compute pairwise distance
  distance <- st_distance(x = poi, y = poi2)
  
  # extract only the diagonal corresponding to the distance between row r and row r+1
  distance <- diag(distance)
  
  # add result to data
  poi$distance <- distance
  
  # first distance to NA
  poi$distance[1] <- NA
  

  回复于 2024-04-28T14:00:38+08:00
• 0

  而不是 distm ，您可以使用 distHaversine -function . 进一步在 mutate 调用中，您不应该重复数据帧并使用 $ 运算符， mutate 已经知道在哪里查找列 . 发生错误是因为您需要使用 cbind 而不是 c ，因为 c 创建一个长向量，只是将列堆叠在一起，而 cbind 创建一个包含两列的数据帧（在这种情况下您想要拥有的数据帧） .

  library(geosphere)
  library(dplyr)
  
  mutate(mydata, 
         Distance = distHaversine(cbind(Longitude, Latitude),
                                  cbind(lag(Longitude), lag(Latitude))))
  
  #   Callsign Altitude Speed Direction           Date_Time Latitude Longitude Distance
  # 1     A118    18000   110       340 2017-11-06T22:28:09  70.6086   58.2959       NA
  # 2     A118    18500   120       339 2017-11-06T22:29:09  72.1508   58.7894 172569.2
  # 3     B222    18500   150       350 2017-11-08T07:28:09  71.1689   59.1234 109928.5
  # 4     D123    19000   150       110 2018-05-29T15:13:27  69.4523   68.1235 387356.2
  

  对于 distCosine ，它有点棘手，因为如果缺少输入纬度或经度之一，它就不会返回 NA . 因此我稍微修改了函数，这解决了这个问题：

  modified_distCosine <- function(Longitude1, Latitude1, Longitude2, Latitude2) {
    if (any(is.na(c(Longitude1, Latitude1, Longitude2, Latitude2)))) {
      NA
    } else {
      distCosine(c(Longitude1, Latitude1), c(Longitude2, Latitude2))
    }
  }
  
  mutate(mydata, 
         Distance = mapply(modified_distCosine, 
                           Longitude, Latitude, lag(Longitude), lag(Latitude)))
  
  #   Callsign Altitude Speed Direction           Date_Time Latitude Longitude Distance
  # 1     A118    18000   110       340 2017-11-06T22:28:09  70.6086   58.2959       NA
  # 2     A118    18500   120       339 2017-11-06T22:29:09  72.1508   58.7894 172569.2
  # 3     B222    18500   150       350 2017-11-08T07:28:09  71.1689   59.1234 109928.5
  # 4     D123    19000   150       110 2018-05-29T15:13:27  69.4523   68.1235 387356.2
  

  在这里，我使用 mapply 将修改后的函数应用于参数 Longitude, Latitude, lag(Longitude), lag(Latitude) .
  我很确定必须有更优雅的方式，但至少这是有效的 .

  Data

  mydata <- structure(list(Callsign = c("A118", "A118", "B222", "D123"), 
                           Altitude = c(18000L, 18500L, 18500L, 19000L), 
                           Speed = c(110L, 120L, 150L, 150L), 
                           Direction = c(340L, 339L, 350L, 110L), 
                           Date_Time = c("2017-11-06T22:28:09", "2017-11-06T22:29:09", "2017-11-08T07:28:09", "2018-05-29T15:13:27"), 
                           Latitude = c(70.6086, 72.1508, 71.1689, 69.4523), 
                           Longitude = c(58.2959, 58.7894, 59.1234, 68.1235)), 
                      .Names = c("Callsign", "Altitude", "Speed", "Direction", "Date_Time", "Latitude", "Longitude"), 
                      class = "data.frame", row.names = c(NA, -4L))
  

  回复于 2024-04-28T14:00:38+08:00
• 0

  首先我们加载数据和库

  library(geosphere)
  df <- data.frame(read.table(text ="
  Callsign Altitude  Speed Direction   Date_Time             Latitude     Longitude
  A118       18000    110  340         2017-11-06T22:28:09   70.6086      58.2959
  A118       18500    120  339         2017-11-06T22:29:09   72.1508      58.7894
  B222       18500    150  350         2017-11-08T07:28:09   71.1689      59.1234
  D123       19000    150  110         2018-05-29T15:13:27   69.4523      68.1235"
  , header=TRUE))
  

  接下来，我们创建一个新列，其中两点之间的距离从第2行开始 .

  df$distance[2:nrow(df)] <- sapply(2:nrow(df), 
      function(x) distm(df[x-1,c('Longitude', 'Latitude')], df[x,c('Longitude', 'Latitude')], fun = distHaversine))
  

  这样做会导致

  df
  #  Callsign Altitude Speed Direction           Date_Time Latitude Longitude distance
  #1     A118    18000   110       340 2017-11-06T22:28:09  70.6086   58.2959       NA
  #2     A118    18500   120       339 2017-11-06T22:29:09  72.1508   58.7894 172569.2
  #3     B222    18500   150       350 2017-11-08T07:28:09  71.1689   59.1234 109928.5
  #4     D123    19000   150       110 2018-05-29T15:13:27  69.4523   68.1235 387356.2
  

  回复于 2024-04-28T14:00:38+08:00