如何筛选指定距离外的面要素并计算其汇总统计量？

问题目标 #

计算与目标区县距离超过指定阈值的其他区县的汇总统计量（均值、求和等）。

方法1：基于dnearneigh的补集计算 #

既然你已经能用dnearneigh获取距离范围内的邻居，那么距离外的区县就是「所有区县（排除自身）」减去「距离范围内的邻居」。具体步骤：

• 先获取当前年份所有区县的总索引列表
• 对每个区县，从总索引中剔除自身和近邻，得到距离超阈值的区县索引
• 复用你原有的lapply逻辑计算统计量

# 承接你原有的代码，在得到within_km_10之后：
n <- nrow(shp_centroid_3)
all_indices <- 1:n

# 生成距离超过10000米的区县索引（排除自身）
beyond_km_10 <- lapply(1:n, function(i) {
  # 去掉自身和距离5000-10000米的近邻
  setdiff(all_indices, c(i, within_km_10[[i]]))
})

# 计算距离外区县的汇总统计量（和你原有的统计量对应）
tourism_beyond10km_mean <- unlist(lapply(beyond_km_10, \(v){mean(shp_centroid_3$TOT_EXP[v], na.rm=TRUE)}))
tourism_beyond10km_sum <- unlist(lapply(beyond_km_10, \(v){sum(shp_centroid_3$TOT_EXP[v], na.rm=TRUE)}))
tourism_beyond10km_score <- unlist(lapply(beyond_km_10, \(v){mean(shp_centroid_3$Z_SCORE[v], na.rm=TRUE)}))
# 其他统计量同理复制即可

方法2：直接用sf的st_distance筛选 #

如果觉得补集逻辑绕，直接计算距离矩阵后筛选更直观：

# 计算所有区县质心间的距离矩阵（单位：米）
dist_matrix <- st_distance(shp_centroid_3, shp_centroid_3)

# 生成距离超过10000米的区县索引（排除自身）
beyond_km_10 <- lapply(1:n, function(i) {
  which(dist_matrix[i, ] > 10000 & dist_matrix[i, ] != 0)  # 排除自身距离（0）
})

# 同样计算统计量，代码和方法1一致
tourism_beyond10km_mean <- unlist(lapply(beyond_km_10, \(v){mean(shp_centroid_3$TOT_EXP[v], na.rm=TRUE)}))
# ...其他统计量

注意事项 #

• 确保距离单位统一：dnearneigh和st_distance默认用坐标系的单位，你的代码里用的是米，所以阈值要对应（比如10000米=10公里）
• 如果区县数量较多，st_distance生成的矩阵会占用较多内存，此时方法1更高效
• 若需要排除自身，注意在筛选时去掉索引等于自身的项

内容的提问来源于stack exchange，提问作者Matt