如何将循环转换为apply族函数以提升效率？（经纬度距离计算场景）

嘿，我来帮你搞定这个效率问题！

首先得说，你的for循环慢是因为R里逐行循环的开销特别大，尤其是数据量上去之后，几小时的等待太折磨人了。其实向量化操作才是R处理大数据的正确打开方式，比apply族还要高效，而且代码更简洁。

最优方案：直接用向量化的distm计算 #

distm函数本身就支持批量处理多个坐标点，不用逐行循环！你只需要把所有经纬度整合成一个矩阵传给它，一次就能算出所有点到(90,90)的距离，速度会快N倍。

步骤如下：

1. 先确保你加载了geosphere包（distHaversine和distm都在这里）：

   library(geosphere)
   

2. 把数据里的经纬度提取成一个两列的矩阵：

   coords_matrix <- cbind(Current_Month$Lon, Current_Month$Lat)
   

3. 一次性计算所有点到目标坐标的距离：

   all_distances <- distm(c(90, 90), coords_matrix, fun = distHaversine)
   

4. 生成你需要的Nearby列：

   Current_Month$Nearby <- ifelse(all_distances < 1000, 1, all_distances)
   

这样操作下来，原本几小时的任务可能几分钟甚至几秒就搞定了——因为distm的底层是用高效的编译语言实现的，比R层面的循环快太多。

如果一定要用apply族函数（不推荐，效率提升有限） #

如果你只是想试试apply的写法，那可以用sapply，但本质上还是逐行处理，效率和for循环差不多，聊胜于无：

Current_Month$Nearby <- sapply(1:nrow(Current_Month), function(i) {
  d <- distm(c(90, 90), c(Current_Month$Lon[i], Current_Month$Lat[i]), fun = distHaversine)
  ifelse(d < 1000, 1, d)
})

额外小建议 #

如果你的需求只是标记“是否小于1000米”（比如1代表近，0代表远），那可以简化成：

Current_Month$Is_Nearby <- as.integer(all_distances < 1000)

这样得到的是0/1的标记列，更符合“标记”的语义，而且运算更快。

内容的提问来源于stack exchange，提问作者qwerty123