如何在按ID拆分的数据集列表中循环执行st_distance及解决geosphere::bearing运行报错问题

嘿，我来帮你搞定这两个问题——先解决geosphere::bearing的报错，再聊聊怎么在拆分后的列表里用st_distance计算距离。

一、解决geosphere::bearing的报错 #

你遇到的Error in .pointsToMatrix(p1) : 'list' object cannot be coerced to type 'double'，原因很直接：geosphere包的函数不接受sf对象，它需要的是数值型的经纬度矩阵或数据框，而你用st_as_sf把x/y转成了sf对象，这就导致了类型不匹配。

另外注意：geosphere的函数是基于WGS84地理坐标系的，应该用你数据里的Long和Lat列（经纬度），而不是投影后的x/y坐标。修正后的代码如下：

library(dplyr)
library(purrr)
library(sf)
library(geosphere)

# 按ID拆分数据
dis_list <- split(data, data$ID)

# 修正后的方位角计算
answer <- lapply(dis_list, function(df) {
  # 提取相邻点的经纬度：start是后一行，end是前一行
  start <- df[-1, c("Long", "Lat")]
  end <- df[-nrow(df), c("Long", "Lat")]
  
  # geosphere::bearing可以直接接收数据框输入
  angles <- geosphere::bearing(start, end)
  
  # 把结果添加到原数据，第一行设为NA（无前置点）
  df$angles <- c(NA, angles)
  df
})

# 合并回一个完整数据框（可选）
answer_df <- bind_rows(answer)

二、在拆分后的列表中使用st_distance #

st_distance是sf包的函数，需要先把每个子数据框转成sf对象，并且必须指定正确的坐标系（因为你的x/y是投影后的坐标）。步骤如下：

# 循环计算每个ID的相邻点距离
distance_list <- lapply(dis_list, function(df) {
  # 转成sf对象：用投影后的x/y作为坐标，替换成你实际的CRS（比如EPSG:32615，按需修改）
  sf_df <- st_as_sf(df, coords = c("x", "y"), crs = 32615)
  
  # 计算相邻点的距离：by_element=TRUE返回向量而非矩阵
  distances <- st_distance(sf_df[-1, ], sf_df[-nrow(sf_df), ], by_element = TRUE)
  
  # 把距离添加到原数据，第一行设为NA
  df$distance_m <- c(NA, as.numeric(distances))
  
  df
})

# 合并回总数据框
distance_df <- bind_rows(distance_list)

如果你更习惯用purrr的语法，也可以写成：

distance_list_purrr <- dis_list %>%
  map(function(df) {
    sf_df <- st_as_sf(df, coords = c("x", "y"), crs = 32615)
    distances <- st_distance(sf_df[-1, ], sf_df[-nrow(sf_df), ], by_element = TRUE)
    df$distance_m <- c(NA, as.numeric(distances))
    df
  })

distance_df_purrr <- bind_rows(distance_list_purrr)

关键注意点 #

1. 用geosphere时，一定要用地理坐标系的经纬度（Long/Lat），不要用投影后的坐标；
2. 用st_distance时，必须给sf对象指定正确的crs，这样计算出的距离单位才是正确的（比如米）；
3. st_distance的by_element = TRUE参数非常实用，可以直接得到每个点对的距离向量，不用再从矩阵里提取值。

内容的提问来源于stack exchange，提问作者Beardedant