在R语言中计算同一个体在不同组间的位置距离差异

需求：针对每个ID，计算其在date组"1"和"2"之间的位置指标（如X、Y坐标）差异，仅关注同一ID的组间对比，忽略不同ID间的距离。

解决方案（R语言） #

方法1：使用dplyr分组计算差值 #

按ID分组后，直接提取两组的位置数据计算差值：

library(dplyr)

diff_result <- df %>%
  group_by(ID) %>%
  summarise(
    # X坐标差值：组2 - 组1
    X_diff = X_Lambert_72_m[date == "2"] - X_Lambert_72_m[date == "1"],
    # Y坐标差值：组2 - 组1
    Y_diff = Y_Lambert_72_m[date == "2"] - Y_Lambert_72_m[date == "1"],
    # 计算平面欧氏距离
    distance = sqrt(X_diff^2 + Y_diff^2),
    .groups = "drop"
  )

print(diff_result)

方法2：转宽表后计算差异 #

先将数据转为宽格式，让同一ID的两组数据处于同一行，再直接计算：

library(tidyr)
library(dplyr)

# 转换为宽表
wide_df <- df %>%
  pivot_wider(
    id_cols = ID,
    names_from = date,
    values_from = c(X_Lambert_72_m, Y_Lambert_72_m)
  )

# 计算差值与距离
diff_result <- wide_df %>%
  mutate(
    X_diff = X_Lambert_72_m_2 - X_Lambert_72_m_1,
    Y_diff = Y_Lambert_72_m_2 - Y_Lambert_72_m_1,
    distance = sqrt(X_diff^2 + Y_diff^2)
  ) %>%
  select(ID, X_diff, Y_diff, distance)

print(diff_result)

结果说明 #

运行后会输出每个ID的三组结果：

• X_diff：X坐标组2与组1的差值
• Y_diff：Y坐标组2与组1的差值
• distance：两组间的平面欧氏距离（若需三维距离，可加入Z相关字段扩展计算）

针对示例数据集，结果会显示每个ID的X差值为2.5，Y差值为0，平面距离为2.5（示例中Y坐标两组完全一致）。

内容的提问来源于stack exchange，提问作者C. Guff