如何用R（含tidyverse方案）计算德国邮编周边指定半径内献血点数量

数据准备 #

先读取两个目标数据框：

德国邮编经纬度数据 #

# 读取德国邮编数据
Germany <- read.csv("https://gist.githubusercontent.com/MarcoKuehne/a012325ef8a9fa33aaa943dbc3db4ba9/raw/8616404bece8d405553d36380c7242fab37043d9/zipcodes.germany.csv", sep = ";")

德国献血点数据 #

# 读取德国献血点数据
Blooddonation <- read.csv("https://gist.githubusercontent.com/MarcoKuehne/95cc459b81f2bc6bec2f2b46d1f6273a/raw/2b1c77fe5cf1203ca105b7f61019bb390335db8e/LocationsUpdate.csv", sep=",")

需求说明 #

为Germany数据框新增两个变量：

• donation_points_10km：该邮编位置周边10公里范围内的献血点数量
• donation_points_20km：该邮编位置周边20公里范围内的献血点数量

解决方案（基于tidyverse+sf） #

用tidyverse处理数据流程，搭配sf包完成地理空间距离计算：

# 加载所需工具包
library(tidyverse)
library(sf)

# 1. 将普通数据框转换为地理空间对象（采用WGS84坐标系，EPSG:4326）
germany_sf <- Germany %>%
  st_as_sf(coords = c("lon", "lat"), crs = 4326)

blood_sf <- Blooddonation %>%
  st_as_sf(coords = c("lon", "lat"), crs = 4326)

# 2. 转换为UTM投影（EPSG:25832，适配德国区域，单位为米）
# 平面投影能避免球面坐标的距离计算误差，提升精度
germany_utm <- germany_sf %>% st_transform(crs = 25832)
blood_utm <- blood_sf %>% st_transform(crs = 25832)

# 3. 计算每个邮编点周边的献血点数量，并合并回原数据
germany_with_counts <- germany_utm %>%
  mutate(
    # 统计10公里范围内的献血点数量
    donation_points_10km = map_int(geometry, ~sum(st_distance(.x, blood_utm) <= 10000)),
    # 统计20公里范围内的献血点数量
    donation_points_20km = map_int(geometry, ~sum(st_distance(.x, blood_utm) <= 20000))
  ) %>%
  # 移除地理空间属性，转回普通数据框（如需保留地理信息可跳过此步）
  st_drop_geometry() %>%
  # 合并原始Germany的所有字段
  bind_cols(Germany) %>%
  # 调整列顺序，让新增的计数变量更直观
  select(id, loc_id, zipcode, name, lat, lon, donation_points_10km, donation_points_20km)

# 查看结果示例
head(germany_with_counts)

代码说明 #

• st_as_sf：把带经纬度的普通数据框转为地理空间对象，明确坐标系
• st_transform：切换到UTM平面投影，解决球面坐标计算直线距离的误差问题
• map_int：遍历每个邮编点的地理坐标，计算与所有献血点的距离，统计符合距离阈值的数量
• st_drop_geometry：可选操作，若不需要保留地理空间属性，可转回常规数据框格式

内容的提问来源于stack exchange，提问作者Marco