我有两个大数据框，分别称为intersections(代表街道系统的交叉点)和users(代表网络的用户)，如下所示:intersections具有三列:x，y和label_street。它们分别表示相交的观察窗(例如[0,5] x [0,5])及其所在街道的位置。这是一个例子:
intersections <- data.frame(x=c(0.147674, 0.235356, 0.095337, 0.147674), y=c(0.132956, 0.150813, 0.087345, 0.132956), label_street = c(5,6,5,6))
head(intersections)
x y label_street
1 0.147674 0.132956 5
2 0.235356 0.150813 6
3 0.095337 0.087345 5
4 0.147674 0.132956 6
一个交叉路口位于几个街道的交叉口，因此
(x,y)表中的每个intersections组合至少出现两次，但具有不同的label_street(例如，上例中的第1行和第4行)。 label_street可能不是行号(这就是为什么在我的示例中从5开始)。users有4列:x，y，label_street和ID。它们分别代表用户的位置，用户所在的街道以及每个用户的唯一ID。此数据框中没有重复项，因为用户位于唯一的街道上，并且具有唯一的ID。这是一个示例(ID和label_street可能不是行号)
users <- data.frame(x = c(0.20428152, 0.17840619, 0.12964668, 0.20423856, 0.19349761, 0.10861251), y = c(0.14448448, 0.13921481, 0.11724543, 0.14447573, 0.14228827, 0.09891443), label_street = c(6,6,5,6,6,5), ID = c(2703, 3460, 4325, 12506, 19753, 21282))
head(users)
x y label_street ID
1 0.20428152 0.14448448 6 2703
2 0.17840619 0.13921481 6 3460
3 0.12964668 0.11724543 5 4325
4 0.20423856 0.14447573 6 12506
5 0.19349761 0.14228827 6 19753
6 0.10861251 0.09891443 5 21282
我要执行的操作如下:对于
(x,y)的每个点intersections，获取ID以及到其最近邻居的距离，并在street_label中共享相同的 users我有一个工作解决方案，使用
spatstat函数nncross用于最近邻居搜索，使用plyr函数adply用于数据处理。我的工作方案如下:
1)编写一个用户定义的函数，该函数获取ID和到查询表中某一行的最近邻居的距离
NN <- function(row,query){
df <- row
window <- c(0,5,0,5) #Need this to convert to ppp objects and compute NN distance using nncross
NN <- nncross(as.ppp(row[,1:2],window),as.ppp(query[,1:2],window))
df$NN.ID <- query$ID[NN$which]
df$dist <- NN$dist
return(df)
}
2)将此用户定义的函数逐行应用于我的数据框“交集”，查询是与该行共享相同street_label的用户子集:
result <- adply(intersections, 1, function(row) NN(row, users[users$label_street == row$label_street, ])
结果如下例所示:
head(result)
x y label_street NN.ID NN.dist
1 0.147674 0.132956 5 4325 0.02391247
2 0.235356 0.150813 6 2703 0.03171236
3 0.095337 0.087345 5 21282 0.01760940
4 0.147674 0.132956 6 3460 0.03136304
由于我的实际数据帧很大，因此我认为计算距离矩阵来查看最近的邻居不会很有效，而
adply会很慢。有谁知道像
data.table这样的解决方案？我现在仅介绍data.table的基础知识，并且始终发现它与plyr相比非常有效。 最佳答案
该解决方案使用RANN包来查找最近的邻居。技巧是首先确保具有不同label_street的元素之间的距离比具有相同label_street中的元素的距离更大。为此，我们添加了一个附加的数值列，该数值列的值非常大，该值在相同label_street中是恒定的，但在label_street的不同值之间是不同的。总共，您得到:
intersections <- data.frame(x=c(0.147674, 0.235356, 0.095337, 0.147674), y=c(0.132956, 0.150813, 0.087345, 0.132956), label_street = c(5,6,5,6))
users <- data.frame(x = c(0.20428152, 0.17840619, 0.12964668, 0.20423856, 0.19349761, 0.10861251), y = c(0.14448448, 0.13921481, 0.11724543, 0.14447573, 0.14228827, 0.09891443), label_street = c(6,6,5,6,6,5), number = c(2703, 3460, 4325, 12506, 19753, 21282))
# add a numeric column that is constant within each category and has a very large value
intersections$label_street_large <- intersections$label_street * 1e6
users$label_street_large <- users$label_street * 1e6
# call the nearest neighbour function (k = 1 neighbour)
nearest_neighbours <- RANN::nn2(
intersections[, c("x", "y", "label_street_large")],
users[, c("x", "y", "label_street_large")],
k = 1
)
# get original IDs and distances
IDs <- users$number[c(nearest_neighbours$nn.idx)]
distances <- c(nearest_neighbours$nn.dists)
IDs
# [1] 3460 12506 2703 3460 3460 4325
distances
# [1] 0.03171236 0.03136304 0.02391247 0.03175620 0.04271763 0.01760940
我希望这可以帮助你。它应该非常快，因为它只调用一次
nn2，它运行时间为O(N * log(N))。关于r - R-Spatstat-使用数据表按ID搜索最近邻居，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/60523855/