如何在R中计算不同类别经纬度点的平均距离？

完全不需要更换语言，R本身具备成熟的空间数据处理工具链，且你已经在用ggmap做可视化，继续用R能保持工作流连贯，100条数据的计算量完全不成问题。

下面分两种常见的空间分布对比场景给出实现方法：

场景1：计算每个类别内所有点的两两平均距离 #

这个指标反映类别内点的整体分散程度，值越大说明点分布越稀疏。

实现步骤： #

• 用geosphere包计算球面距离（经纬度是球面坐标，不能直接用欧氏距离）
• 用dplyr和tidyr做分组与两两配对处理

代码示例： #

# 加载所需包
library(geosphere)
library(dplyr)
library(tidyr)

# 构造示例数据（替换成你的真实数据）
set.seed(123)
df <- data.frame(
  long = runif(100, 116, 117),
  lat = runif(100, 39, 40),
  category = sample(c("杂货店", "加油站"), 100, replace = TRUE)
)

# 按类别计算两两平均距离
pairwise_avg_dist <- df %>%
  group_by(category) %>%
  # 生成组内所有点的两两配对（避免重复计算，只保留id1 < id2的组合）
  expand(id1 = row_number(), id2 = row_number()) %>%
  filter(id1 < id2) %>%
  # 关联两次原始数据，得到配对点的经纬度
  left_join(df, by = c("category", "id1" = "row_number()")) %>%
  rename(long1 = long, lat1 = lat) %>%
  left_join(df, by = c("category", "id2" = "row_number()")) %>%
  rename(long2 = long, lat2 = lat) %>%
  # 计算两点间球面距离（单位：米，可改用distVincentySphere等函数）
  mutate(distance = distHaversine(cbind(long1, lat1), cbind(long2, lat2))) %>%
  # 分组求平均距离
  group_by(category) %>%
  summarise(avg_pairwise_distance_m = mean(distance, na.rm = TRUE))

print(pairwise_avg_dist)

场景2：计算每个类别内点到类别中心的平均距离 #

这个指标反映点围绕类别中心的分散程度，适合对比不同类别聚集的紧凑度。

代码示例： #

# 计算每个类别的中心坐标（平均经纬度）
category_centers <- df %>%
  group_by(category) %>%
  summarise(center_long = mean(long), center_lat = mean(lat))

# 计算点到中心的平均距离
center_avg_dist <- df %>%
  left_join(category_centers, by = "category") %>%
  mutate(distance_to_center = distHaversine(cbind(long, lat), cbind(center_long, center_lat))) %>%
  group_by(category) %>%
  summarise(avg_distance_to_center_m = mean(distance_to_center, na.rm = TRUE))

print(center_avg_dist)

关键说明： #

• distHaversine是geosphere包中常用的球面距离计算函数，结果单位为米；如果需要更高精度，可改用distVincentyEllipsoid（基于椭球面计算）。
• 两种指标可结合使用，更全面地对比不同类别的空间分布特征。

内容的提问来源于stack exchange，提问作者H Lee