如何基于多观测变量批量计算Index求和指标（R语言）

想要为每个观测创建一个新变量，使用公式：Index = ∑(BAj / DISTANCEij)，其中i为焦点观测，j为其他观测。具体来说，对焦点个体i，计算它与其他所有点的欧氏距离，将其他点的BA值除以该距离，求和后得到该点的Index，为每个点重复此流程。

示例数据 #

ID <- 1:4
BA <- c(3, 5, 6, 9)
x <- c(0, 2, 3, 7)
y <- c(1, 3, 4, 9)
df <- data.frame(ID, BA, x, y)
print(df)

输出结果：

ID BA x y
1  1  3 0 1
2  2  5 2 3
3  3  6 3 4
4  4  9 7 9

已编写的部分代码 #

vec1 <- df[1, ]
vec2 <- df[2, ]

dist <- function(vec1, vec2) vec1$BA/sqrt((vec2$x - vec1$x)^2 + 
                                                (vec2$y - vec1$y)^2)

问题：如何在保持vec1不变的情况下，遍历所有其他点的x、y值作为vec2，计算后将结果求和，并为每个焦点观测重复此操作？

方法1：基础循环实现 #

直接遍历每个焦点观测，对每个焦点计算与其他所有点的BAj / 距离并求和：

# 初始化存储结果的向量
df$Index <- 0

# 遍历每个焦点i
for (i in 1:nrow(df)) {
  focal <- df[i, ]
  sum_val <- 0
  # 遍历所有其他点j
  for (j in 1:nrow(df)) {
    if (i != j) { # 跳过观测自身
      # 计算欧氏距离
      distance <- sqrt((df$x[j] - focal$x)^2 + (df$y[j] - focal$y)^2)
      # 累加 BAj / 距离
      sum_val <- sum_val + df$BA[j] / distance
    }
  }
  df$Index[i] <- sum_val
}

print(df)

输出结果：

ID BA x y     Index
1  1  3 0 1  9.767327
2  2  5 2 3 10.816497
3  3  6 3 4 10.620601
4  4  9 7 9  3.640950

方法2：向量化操作（更高效） #

用apply函数替代嵌套循环，代码更简洁，处理大数据集时效率更高：

# 定义计算单个焦点Index的函数
calculate_index <- function(focal_row, df) {
  fx <- focal_row$x
  fy <- focal_row$y
  # 计算所有点与焦点的距离
  distances <- sqrt((df$x - fx)^2 + (df$y - fy)^2)
  # 排除自身的距离（设为NA，求和时自动忽略）
  distances[df$ID == focal_row$ID] <- NA
  # 计算总和
  sum(df$BA / distances, na.rm = TRUE)
}

# 对每一行应用函数生成Index列
df$Index <- apply(df, 1, function(row) calculate_index(as.data.frame(t(row)), df))

print(df)

此方法与循环法结果完全一致，且代码更简洁。

补充：修正你编写的dist函数 #

你原函数误用了焦点的BA值，公式中应为其他点的BAj除以距离，正确的单对计算函数如下：

calc_single_term <- function(vec1, vec2) {
  distance <- sqrt((vec2$x - vec1$x)^2 + (vec2$y - vec1$y)^2)
  vec2$BA / distance
}

内容的提问来源于stack exchange，提问作者ashell23