R语言计算企业与银行的平均Haversine距离技术咨询

前置处理 #

首先需将示例数据中字符格式的经纬度、银行资产转换为数值格式，否则无法参与计算：

# 企业表坐标转数值
Data_firm$Longfirm <- as.numeric(Data_firm$Longfirm)
Data_firm$Latfirm <- as.numeric(Data_firm$Latfirm)

# 银行表坐标、资产转数值
Data_bank$Longbank <- as.numeric(Data_bank$Longbank)
Data_bank$Latbank <- as.numeric(Data_bank$Latbank)
Data_bank$Assets <- as.numeric(Data_bank$Assets)

注意：经纬度参数顺序为经度在前、纬度在后，不要传反

步骤1：实现Haversine距离计算函数 #

自定义Haversine公式函数，返回结果单位为公里：

haversine <- function(lon1, lat1, lon2, lat2) {
  # 角度转弧度
  lon1 <- lon1 * pi / 180
  lat1 <- lat1 * pi / 180
  lon2 <- lon2 * pi / 180
  lat2 <- lat2 * pi / 180
  
  dlon <- lon2 - lon1
  dlat <- lat2 - lat1
  a <- sin(dlat/2)^2 + cos(lat1) * cos(lat2) * sin(dlon/2)^2
  c <- 2 * atan2(sqrt(a), sqrt(1-a))
  # 6371为地球平均半径，单位为公里
  return(6371 * c)
}

步骤2：计算普通平均距离 #

遍历每家企业，计算其到所有银行的距离后取平均值，结果存入企业表新列：

Data_firm$avg_dist <- sapply(1:nrow(Data_firm), function(i) {
  firm_lon <- Data_firm$Longfirm[i]
  firm_lat <- Data_firm$Latfirm[i]
  # 批量计算当前企业到所有银行的距离
  all_dist <- mapply(haversine, firm_lon, firm_lat, Data_bank$Longbank, Data_bank$Latbank)
  return(mean(all_dist))
})

步骤3：按银行规模加权的平均距离（后续需求提前实现） #

直接使用weighted.mean函数，权重设为银行资产即可：

Data_firm$weighted_avg_dist <- sapply(1:nrow(Data_firm), function(i) {
  firm_lon <- Data_firm$Longfirm[i]
  firm_lat <- Data_firm$Latfirm[i]
  all_dist <- mapply(haversine, firm_lon, firm_lat, Data_bank$Longbank, Data_bank$Latbank)
  return(weighted.mean(all_dist, w = Data_bank$Assets))
})

效率优化提示 #

如果你处理的样本量较大，可直接使用geosphere包的内置distHaversine函数替代自定义函数，计算效率更高，整体逻辑无需修改。

内容的提问来源于stack exchange，提问作者Nicolas