group_by()未按预期分组？计算个体连续地理点距离遇问题

需求 #

按ID_PIT分组，计算每个个体不同时间点连续地理坐标间的距离。

数据集示例 #

尝试的代码 #

a <- Data %>%
  group_by(ID_PIT) %>%
  mutate(dist = c(NA, geosphere::distVincentyEllipsoid(cbind(lon, lat))))  %>%
  ungroup()

异常结果 #

问题原因 #

1. 分组后未按时间排序：同一ID_PIT的记录在数据集中分散排列，未按时间顺序整理，导致计算的是原始行顺序的连续点距离，而非时间维度的连续点。
2. 距离函数使用逻辑错误：geosphere::distVincentyEllipsoid传入单个矩阵时，会计算矩阵内所有连续行对的距离，但结合group_by使用时，该方式无法精准对应组内每个点与前一个时间点的点的距离，甚至会因为原始行的跨ID连续性，出现误计算跨ID距离的情况（实际是分组后组内行顺序混乱导致的错误匹配）。
3. 若出现完全跨ID计算的情况，可能是ID_PIT列类型异常（如含空格、因子与数字混合）或dplyr分组未正确生效（如未加载dplyr、版本兼容问题）。

解决方案 #

步骤1：转换日期格式并分组排序 #

先将DATE列转为日期格式，确保能按时间排序；再按ID_PIT分组，组内按时间升序排列。

步骤2：计算组内连续时间点的距离 #

使用lag()获取每个点的前一个时间点坐标，调用distVincentyEllipsoid计算两点距离，组内第一行设为NA。

修正后的代码 #

library(dplyr)
library(geosphere)

# 转换日期格式（按数据集的日期格式调整format参数）
Data$DATE <- as.Date(Data$DATE, format = "%d/%m/%Y")

a <- Data %>%
  group_by(ID_PIT) %>%
  arrange(DATE, .by_group = TRUE) %>%  # 组内按时间排序
  mutate(
    dist = case_when(
      row_number() == 1 ~ NA_real_,
      TRUE ~ distVincentyEllipsoid(
        cbind(lon, lat), 
        cbind(lag(lon), lag(lat))
      )
    )
  ) %>%
  ungroup()

预期结果 #

处理后每个ID_PIT组内的距离按时间顺序计算，不会出现跨ID的错误距离，且第一行距离为NA。

内容的提问来源于stack exchange，提问作者Gabriel Metegnier