如何用R的rgeoda将学校经纬度点聚类为每组5个最近邻？

先修复你遇到的sf转geoda错误，再实现带规模限制的空间邻近性聚类：

1. 修复sf对象转换错误 #

你碰到的wrong arguments for subsetting an environment错误，通常是输入的sf对象几何无效或格式异常导致，先执行以下处理：

library(sf)
library(rgeoda)

# 修复几何有效性
latlong_geom <- st_make_valid(latlong_geom)

# 确认是POINT类型（学校点位数据必须为点几何）
if (st_geometry_type(latlong_geom, by_geometry = FALSE) != "POINT") {
  stop("输入的sf对象必须为POINT几何类型")
}

# 转换为rgeoda对象
literacy_geoda <- sf_to_geoda(latlong_geom)

2. 创建适合点数据的空间权重 #

学校是点位数据，不适用queen/rook权重，改用k最近邻权重（匹配你5个学校一组的需求，设置k=5），确保聚类满足邻近性要求：

# 创建k=5的最近邻权重
knn_weights <- knn_weights(literacy_geoda, k = 5)

3. 带规模约束的空间聚类（AZP算法） #

rgeoda的azp()（Automatic Zone Procedure）算法支持指定组数量、组大小范围，刚好匹配你的需求（60组，59组5校+1组3校）：

# 准备聚类变量：如果仅基于空间邻近性，直接用坐标作为变量
coords_vars <- st_coordinates(latlong_geom)

set.seed(123)
# 运行AZP聚类：指定60组，组大小3-5
azp_result <- azp(
  weights = knn_weights,
  data = coords_vars,
  n_clusters = 60,
  min_size = 3,
  max_size = 5
)

# 将聚类结果映射回sf对象
latlong_geom$cluster_school <- azp_result$Clusters

# 验证各组规模
table(latlong_geom$cluster_school)

4. 替代方案：SKATER算法 #

如果AZP效果不符合预期，可使用skater()算法（基于空间树的分割方法），同样支持规模约束：

set.seed(123)
skater_result <- skater(
  weights = knn_weights,
  data = coords_vars,
  n_clusters = 60,
  min_size = 3
)

latlong_geom$cluster_school <- skater_result$Clusters
table(latlong_geom$cluster_school)

关键说明 #

• AZP和SKATER都是空间约束聚类算法，会优先保证组内的空间邻近性，同时满足你设置的组规模要求。
• 若你有学校的属性数据（如升学率、预算等），可替换coords_vars为对应属性列，实现基于属性+空间邻近性的聚类。

内容的提问来源于stack exchange，提问作者Virginia Spinks