R语言中如何基于标准数据集按平方距离阈值完成观测分类
R语言中基于坐标距离规则的分类实现
场景说明
我们需要给待分类的坐标数据集R1匹配对应的类别标签,规则如下:
- 基准标签数据集为
R2,每条记录带有参考坐标和对应的place类别 - 对
R1的每条观测,计算其到R2所有参考点的平方欧氏距离 - 若某观测到任意参考点的距离小于3,就将该观测归为对应参考点的place类别
- 若所有参考点的距离都大于等于3,该观测的place值设为NA
示例数据集构建
先复现题目中的两个数据集,所有代码基于tibble格式数据运行:
library(tibble) # 待分类的坐标点集R1 R1 <- tibble( lon = c(1, 3, 6, 5, 3), lat = c(2, 5, 8, 10, 2) ) # 带分类标签的基准参考点集R2 R2 <- tibble( lon = c(1, 3, 5), lat = c(2, 6, 8), place = c("A", "B", "C") )
实现方法
方法1:逐行循环计算(逻辑直观,适合小数据调试)
逐行遍历R1的每个点,计算和所有R2参考点的距离,匹配符合阈值条件的标签:
# 初始化place列,默认填充NA R1$place <- NA_character_ # 逐行计算匹配 for (idx in seq_len(nrow(R1))) { # 取出当前待匹配点的坐标 cur_lon <- R1$lon[idx] cur_lat <- R1$lat[idx] # 计算当前点到所有参考点的平方欧氏距离 dist_sq_vec <- (cur_lon - R2$lon)^2 + (cur_lat - R2$lat)^2 # 筛选满足距离<3的参考点索引 valid_match <- which(dist_sq_vec < 3) # 存在有效匹配时,写入对应place标签 if (length(valid_match) > 0) { R1$place[idx] <- R2$place[valid_match] } }
运行后输出结果完全符合预期:
R1 # # A tibble: 5 × 3 # lon lat place # <dbl> <dbl> <chr> # 1 1 2 A # 2 3 5 B # 3 6 8 C # 4 5 10 NA # 5 3 2 NA
方法2:全交叉连接向量化计算(适合大规模数据)
如果待分类数据量较大,逐行循环运行效率低,可以通过交叉连接批量计算所有点对的距离,再筛选有效匹配:
library(dplyr) library(tidyr) # 批量计算并匹配 cross_join(R1, R2, suffix = c("_r1", "_r2")) %>% # 计算所有点对的平方距离 mutate(dist_sq = (lon_r1 - lon_r2)^2 + (lat_r1 - lat_r2)^2) %>% # 保留距离符合阈值的匹配记录 filter(dist_sq < 3) %>% # 关联回R1的原始所有记录(无匹配的行自动填充NA) right_join(R1, by = c("lon_r1" = "lon", "lat_r1" = "lat")) %>% # 整理输出列 select(lon = lon_r1, lat = lat_r1, place)
该方法运行速度远快于逐行循环,输出结果和方法1完全一致。
注意事项
- 如果出现单个R1点同时匹配多个R2参考点的情况,可以在筛选后按距离升序排序,仅保留距离最小的标签,避免标签冲突
- 若使用实际地理经纬度坐标做距离计算,需要先将经纬度转换为平面投影坐标后再计算距离,避免球面坐标带来的距离计算偏差
内容的提问来源于stack exchange,提问作者Jane Yang
相关产品推荐
相关产品推荐

