如何高效计算Shapefile数据集中每对几何图形的距离？

针对你5万组复杂几何对的计算需求，原代码的核心问题是每组调用st_distance生成冗余的两两矩阵，再做去重过滤，浪费了大量计算资源。以下是更高效的实现方式：

1. 重构数据结构，避免冗余计算 #

原数据每组只有2个几何，直接将每组的两个几何拆分到不同列，然后一对一计算距离，省去矩阵处理步骤：

library(tidyverse)
library(sf)

# 转换为sf对象
sf_df <- df |> st_as_sf(wkt = "geometry")

# 重构数据：每组拆分为两个几何列
sf_wide <- sf_df |>
  pivot_wider(
    id_cols = pair,
    names_from = name,
    values_from = geometry,
    values_fn = list(geometry = first)  # 确保每组取到对应几何
  )

# 直接计算每组两个几何的距离
result <- sf_wide |>
  mutate(
    distance = st_distance(a, .data[[names(.)[3]]], by_element = TRUE)
  ) |>
  # 还原回原长格式（如果需要）
  pivot_longer(
    cols = c(a, names(.)[3]),
    names_to = "name",
    values_to = "geometry"
  ) |>
  select(pair, name, geometry, distance)

关键优化点： #

• 使用st_distance(..., by_element = TRUE)：当传入两个长度相同的几何向量时，会一对一计算对应位置的距离，直接返回长度匹配的距离向量，完全避免生成N×N矩阵。
• 重构为宽格式后计算，再还原长格式，比原分组处理减少了矩阵生成和去重的开销。

2. 并行计算加速 #

对于5万组数据，利用多核心并行处理能显著缩短时间，推荐用furrr包（基于future框架）结合分组操作：

library(furrr)

# 设置并行核心数（根据你的CPU核心调整，比如4核）
plan(multisession, workers = 4)

# 并行分组计算
result_parallel <- sf_df |>
  group_split(pair) |>
  future_map_dfr(function(group) {
    # 每组仅两个几何，直接取两个元素计算
    dist_val <- st_distance(group$geometry[1], group$geometry[2])
    group |> mutate(distance = as.numeric(dist_val))
  })

# 关闭并行会话
plan(sequential)

并行注意事项： #

• 如果你的几何数据很大，避免在并行进程间频繁复制大对象，group_split后每组是小数据集，适合并行。
• 也可以用future.apply::future_lapply替代furrr，逻辑类似。

3. 额外性能优化建议 #

• 简化复杂几何：如果对精度要求不高，先用st_simplify简化几何，减少计算量：

  sf_df <- sf_df |> mutate(geometry = st_simplify(geometry, dTolerance = 100))  # 调整dTolerance控制简化程度
  

• 使用投影坐标系：如果当前是WGS84（EPSG:4326）地理坐标系，转换为合适的投影坐标系（比如UTM分区），平面距离计算比球面距离快得多：

  # 示例：转换为UTM 55S（根据你的数据区域选择对应UTM分区）
  sf_df_proj <- sf_df |> st_transform(crs = 32755)
  

内容的提问来源于stack exchange，提问作者Junitar