R并行循环返回异常结果求助：批量地址地理编码优化

错误原因分析 #

• 第一次尝试的问题：变量名错误+重复API调用
  代码中把地理编码结果存到Lat变量，但后续错误使用了未定义的Loc$lat，应该改为Lat$lat；同时两次foreach分别请求纬度和经度，重复调用API，既浪费资源又可能触发接口频率限制。
• 第二次尝试的问题：并行环境无法直接修改全局数据框
  <<-修改的是并行进程内的Df副本，不会同步到原数据框；.export = "Df"传递超大数据框效率极低，且容易因环境传递问题出现对象未找到的错误。

正确的并行实现代码 #

先加载依赖包并初始化并行集群：

library(caRtociudad)
library(foreach)
library(doParallel)

# 根据CPU核心数设置并行集群（留1核心给系统）
cores <- detectCores() - 1
cl <- makeCluster(cores)
registerDoParallel(cl)

通过一次并行调用完成所有地址的地理编码，返回经纬度结果后合并到原数据框：

# 并行处理所有地址，返回包含经纬度的数据框
geo_results <- foreach(addr = Df$Address, .combine = rbind, .packages = "caRtociudad") %dopar% {
  # 捕获API调用错误，避免单个地址失败中断整个任务
  res <- try(cartociudad_geocode(addr))
  if(inherits(res, "try-error")) {
    data.frame(lat = NA_real_, lng = NA_real_)
  } else {
    # 处理API可能返回空值的情况
    data.frame(lat = ifelse(is.null(res$lat), NA_real_, res$lat),
               lng = ifelse(is.null(res$lng), NA_real_, res$lng))
  }
}

# 将结果合并到原数据框
Df$Latitude <- geo_results$lat
Df$Longitude <- geo_results$lng

# 关闭并行集群
stopCluster(cl)

额外优化建议 #

• 规避API频率限制：在foreach循环内加入Sys.sleep(0.1)之类的短暂延迟，防止被接口封禁。
• 分批处理+增量保存：25万行数据可分成多批次处理，每处理完一批就保存结果，避免意外中断丢失数据。
• 去重缓存：先对地址列去重，只处理唯一地址，再将结果映射回原数据框，大幅减少API调用次数。

内容的提问来源于stack exchange，提问作者Daniel B.G