R语言使用dplyr和geosphere按分组计算相邻行地理距离报错解决

你的代码报错核心有两点：

• 在dplyr管道的分组计算环境中，.代表的是传入管道的完整原始数据集，而非当前正在计算的分组切片，分组逻辑不会对.的子集操作生效。
• 你用c(lon, lat)作为列索引子集数据时，没有正确适配dplyr的列引用规则，程序会直接读取lon、lat列存储的经纬度数值作为列下标，尝试用浮点数值索引列位置，才触发了「数值转整数丢失精度」的报错。

另外distGeo的参数需要逐行匹配当前点和上一个点的经纬度对，直接对多列数据框整体用lag也不符合函数的参数要求。

方法1：dplyr 1.1.0+ 推荐写法（最简洁） #

用pick()函数提取当前分组内的指定列，自动适配分组和逐行计算逻辑：

library(dplyr)
library(geosphere)

df %>%
  group_by(id) %>%
  arrange(date, .by_group = TRUE) %>%
  mutate(
    dist = distGeo(
      pick(lon, lat),
      lag(pick(lon, lat), default = slice(pick(lon, lat), 1))
    )
  )

代码说明：

• pick(lon, lat)会在当前分组内逐行返回经纬度列，不需要写引号引用列名，也不会取到全量数据
• lag会将经纬度行整体滞后1位，每个分组的第一行用该组第一条记录的经纬度作为默认值，计算得到的第一行距离为0，符合「首日无行进距离」的常规逻辑
• 计算得到的dist单位为米，是WGS84坐标系下的地表实际距离。

方法2：兼容老版本dplyr的写法 #

如果使用的dplyr版本低于1.1.0没有pick函数，可以分别对经纬度列做滞后，再合并为坐标矩阵传入distGeo：

df %>%
  group_by(id) %>%
  arrange(date, .by_group = TRUE) %>%
  mutate(
    dist = distGeo(
      cbind(lon, lat),
      cbind(lag(lon, default = first(lon)), lag(lat, default = first(lat)))
    )
  )

如果你的经纬度不是WGS84坐标系（比如是GCJ02火星坐标系、BD09百度坐标系），需要先转成WGS84再用distGeo计算，否则结果会有偏差。

内容的提问来源于stack exchange，提问作者TKH_9