如何基于3000×3000距离矩阵统计每家门店5km内的门店数量？

我有一个3000行3000列的门店间距离矩阵，通过包含门店x、y坐标的数据框执行以下代码生成：

dist_matrix <- st_distance(df)
diag(dist_matrix) <- NA

矩阵存储的是门店间的距离（单位：米），我想生成新表格统计每家门店5km（5000米）范围内的门店数量，但尝试的代码未达到预期效果，求解决方案。

我之前尝试的代码：

# 将矩阵转为数据框
dist_matrix <- data.frame(dist_matrix)
names(dist_matrix) <- df$store_id
rownames(dist_matrix) <- df$store_id

close <- dist_matrix %>%
mutate(ID=rownames(.)) %>%
gather('closest','dist',-ID) %>%
filter(!is.na(dist)) %>%
arrange(dist)

解决方案 #

你的代码仅完成了矩阵到长格式数据的转换，缺少分组计数的核心步骤。以下提供两种高效实现方式：

方式一：直接基于矩阵操作（效率更高） #

针对3000×3000的矩阵，直接按行统计符合条件的元素数量，避免转换长格式的性能损耗：

# 生成统计结果
nearby_counts <- data.frame(
  store_id = rownames(dist_matrix),
  nearby_5km_count = apply(dist_matrix, 1, function(row) sum(row <= 5000, na.rm = TRUE))
)

• apply(dist_matrix, 1, ...)：按行遍历矩阵
• sum(row <= 5000, na.rm = TRUE)：统计每行中距离≤5000米的门店数量，na.rm = TRUE忽略对角线的NA值（排除门店自身）

方式二：基于tidyverse的长格式处理 #

如果你偏好tidyverse语法，在原有代码基础上补充分组计数步骤（推荐用pivot_longer替代已过时的gather）：

library(tidyverse)

close <- dist_matrix %>%
  mutate(store_id = rownames(.)) %>%
  pivot_longer(cols = -store_id, names_to = "closest_store", values_to = "distance") %>%
  filter(!is.na(distance), distance <= 5000) %>%
  group_by(store_id) %>%
  summarise(nearby_5km_count = n()) %>%
  ungroup()

• pivot_longer：将宽格式矩阵转为长格式的门店-距离对
• filter(...)：筛选出有效且距离≤5000米的记录
• group_by + summarise(n())：按门店分组统计符合条件的数量

内容的提问来源于stack exchange，提问作者Adrian