R语言循环与判断实现空间数据建筑ID分配及中位经纬度计算

现有代码的核心问题 #

• 目标逻辑本质为逐行累计分组：遍历数据行时，遇到Spatial_id == 1即切换为新建筑编号，后续连续Spatial_id == 0的行全部沿用当前已分配的建筑号，直到下一个Spatial_id == 1出现。
• 第一版测试代码的缺陷：仅向Spatial_id == 1的行追加赋值，完全未覆盖后续连续0值行的编号填充。
• 第二版嵌套while代码的缺陷：内层循环判断merge.tc01$spatial_id == 0是对整列做全量判断，未定位逐行推进的游标位置，只要列中存在0值就会持续触发循环，导致游标无法推进、重复输出索引值，无实际逐行填充效果。
• 两版代码均未维护“当前激活建筑号”的全局游标，无法实现“0值行继承上一个有效建筑号”的逻辑。

可直接运行的修正实现 #

循环逻辑修正（匹配原有代码使用习惯） #

核心改动点：去掉冗余嵌套while，提前预分配存储向量长度，维护全局当前建筑ID游标，逐行完成判断与赋值，大幅减少循环内的append操作开销。

# 预分配结果向量长度，避免循环中反复append拖慢速度
spatial_bldg_id <- numeric(nrow(merge.tc01))
current_bldg_id <- 100000 # 建筑ID起始值
district_vec <- merge.tc01$District # 提前提取分区字段减少索引开销

for (i in seq_len(nrow(merge.tc01))) {
  # 遇到新建筑起点时，更新当前激活的建筑ID
  if (merge.tc01$Spatial_id[i] == 1) {
    current_bldg_id <- current_bldg_id + 1
  }
  # 无论当前是0还是1值，都将当前激活ID赋值给对应行
  spatial_bldg_id[i] <- current_bldg_id
}

# 拼接生成目标建筑标识列
merge.tc01$spatial_bldg <- paste0(district_vec, "_", spatial_bldg_id)

向量化高性能实现（无循环） #

针对“每遇到1就累计编号、0值沿用前值”的逻辑，可直接用累计求和函数cumsum一行实现，运行速度比循环快1~2个数量级，适合十万行以上规模的空间点位数据。

# 累计求和生成建筑组号：每遇到1就累计+1，0值不改变累计值
merge.tc01$bldg_group <- cumsum(merge.tc01$Spatial_id) + 100000
# 拼接生成建筑标识列
merge.tc01$spatial_bldg <- paste0(merge.tc01$District, "_", merge.tc01$bldg_group)

逻辑验证：若Spatial_id序列为c(1,0,0,1,0,1,0,0,0)，对应累计求和结果为c(1,1,1,2,2,3,3,3,3)，加起始值100000后生成的组号完全匹配业务逻辑要求。

建筑中位坐标计算 #

基于已生成的建筑组号分组，分别计算每组内Latitude、Longitude的中位数作为建筑代表坐标，回写为新列即可修正GPS跳点偏差。

base R实现 #

# 按建筑组计算经纬度中位数
bldg_median_coords <- aggregate(
  cbind(spatial_x = Latitude, spatial_y = Longitude) ~ bldg_group,
  data = merge.tc01,
  FUN = \(x) median(x, na.rm = TRUE) # 自动剔除坐标中的NA值
)
# 将中位坐标合并回原数据表
merge.tc01 <- merge(merge.tc01, bldg_median_coords, by = "bldg_group", all.x = TRUE)

大数据量加速实现 #

若数据规模超过10万行，可使用data.table替代base R操作，运行效率提升百倍以上：

library(data.table)
setDT(merge.tc01)[, 
  c("spatial_x", "spatial_y") := .(median(Latitude, na.rm = T), median(Longitude, na.rm = T)),
  by = bldg_group
]

常见踩坑提示 #

• R语言对列名大小写敏感，代码中需统一Spatial_id/spatial_id的命名，避免因列名不匹配返回全空值
• 建筑组号累计计算前，需确认数据表行序是按点位采集时间/空间出现顺序排序的，行序打乱会直接导致分组逻辑失效
• 中位数计算时需显式加入na.rm = TRUE参数，否则遇到坐标缺失值会返回全NA结果

内容的提问来源于stack exchange，提问作者Travis