使用rowwise()仍遇向量长度错误，求600万行数据框距离计算方案

错误原因分析 #

• 第一个代码错误：distm要求输入两个n×2的点矩阵，但你用c(trips$start_lng, trips$start_lat)把整列经纬度拼接成了一个长度为1200万的长向量，不符合函数参数要求，因此触发Wrong length for a vector, should be 2错误。
• rowwise方案错误：你在distHaversine里用trips$start_lng引用了整个列，而非当前行的单个值，相当于传递了百万级长度的向量，不是函数需要的长度为2的单行坐标，所以报错相同。
• cbind+distm错误：distm会计算两个矩阵所有点对的距离，600万行的话会生成600万×600万的巨型矩阵，内存完全无法承载，因此出现内存溢出错误。

正确解决方案（矢量化计算，高效且内存友好） #

针对百万级数据，必须用矢量化操作替代逐行处理，geosphere包的distHaversine本身支持直接传入两个n×2的矩阵，逐行计算对应点的距离，速度快且内存占用低。

方法1：基础R实现

library(geosphere)

# 构造起点、终点的n×2矩阵（注意：geosphere要求经度在前，纬度在后）
start_matrix <- cbind(trips$start_lng, trips$start_lat)
end_matrix <- cbind(trips$end_lng, trips$end_lat)

# 直接计算每行的距离，返回长度为600万的向量
trips$distance <- distHaversine(start_matrix, end_matrix)

方法2：dplyr实现

library(geosphere)
library(dplyr)

trips <- trips %>%
  mutate(
    distance = distHaversine(
      cbind(start_lng, start_lat),
      cbind(end_lng, end_lat)
    )
  )

补充说明 #

• 避免用rowwise()处理百万级数据：逐行循环/rowwise会导致计算效率极低，耗时是矢量化操作的几十甚至上百倍。
• 单位说明：distHaversine返回的距离单位是米，如果需要转换为公里，可以除以1000：distance = distHaversine(...) / 1000。

内容的提问来源于stack exchange，提问作者bsiq