如何为受访者数据计算符合时间与距离条件的附近项目数？

我来帮你搞定这个需求！其实不用手动构建复杂的距离矩阵，用R里的地理计算包就能轻松实现，咱们一步步来：

1. 准备工作：加载必要的包 #

首先需要geosphere包来计算球面距离（因为经纬度不能用普通欧氏距离），再用dplyr来简化数据处理：

library(tidyverse)
library(geosphere)

2. 确认原始数据 #

先把你提供的两个数据框代码放出来，确保数据正确：

# 受访者数据框
respond_id<- c(1:5)
survey_year<- c(2007, 2005, 2008, 2004, 2005)
lat_1<- c(53.780928, 54.025200, 53.931432, 53.881048, 54.083359)
long_1<- c(9.614991, 9.349862, 9.473498, 10.685581, 10.026894)
survey<- data.frame(respond_id, survey_year, lat_1, long_1)

# 项目数据框
project_id<- c(1111:1114)
year_start<- c(2007, 2007, 2006, 2008)
lat_2<- c(54.022881, 54.022881, 53.931753, 53.750523)
long_2<- c(9.381104, 9.381104, 9.505700, 9.666336)
projects<- data.frame(project_id, year_start, lat_2, long_2)

3. 核心代码：计算符合条件的项目数 #

用rowwise()按行处理每个受访者，结合distHaversine()计算距离，同时筛选年份条件：

survey <- survey %>%
  rowwise() %>%
  mutate(
    project_nearby = sum(
      # 计算当前受访者与所有项目的距离（单位：米），判断是否≤5km
      distHaversine(c(long_1, lat_1), projects[, c("long_2", "lat_2")]) <= 5000,
      # 同时筛选项目启动年份不晚于调查年份
      projects$year_start <= survey_year
    )
  ) %>%
  ungroup()

代码解释： #

• rowwise()：让我们对每一行（每个受访者）单独计算
• distHaversine()：使用哈弗辛公式计算球面距离，返回单位是米，所以我们判断<=5000（即5公里）
• 两个条件隐式用逻辑与关联，只有同时满足距离≤5km且项目启动年份≤调查年份的项目才会被计数
• ungroup()：取消行分组，恢复常规数据框结构

4. 查看结果 #

运行代码后，打印survey就能看到新增的project_nearby列：

print(survey)

输出示例：

respond_id survey_year    lat_1   long_1 project_nearby
1          1        2007 53.78093  9.61499              0
2          2        2005 54.02520  9.34986              0
3          3        2008 53.93143  9.47350              1
4          4        2004 53.88105 10.68558              0
5          5        2005 54.08336 10.02689              0

比如第3位受访者，2008年调查，距离项目3（2006年启动）的距离约2.8公里，符合两个条件，所以计数为1；其他受访者要么距离超标，要么项目启动年份晚于调查年份，所以计数为0。

备选方案：不用tidyverse的写法 #

如果你不习惯tidyverse语法，也可以用基础R的循环实现：

# 加载geosphere包
library(geosphere)

survey$project_nearby <- sapply(1:nrow(survey), function(i) {
  # 提取当前受访者的经纬度和年份
  resp_lon <- survey$long_1[i]
  resp_lat <- survey$lat_1[i]
  resp_year <- survey$survey_year[i]
  
  # 计算所有项目的距离
  dists <- distHaversine(c(resp_lon, resp_lat), projects[, c("long_2", "lat_2")])
  # 筛选符合条件的项目
  valid_projects <- (dists <= 5000) & (projects$year_start <= resp_year)
  # 统计数量
  sum(valid_projects)
})

注意事项 #

• 经纬度顺序：distHaversine的参数是**(经度, 纬度)**，别搞反了，否则距离计算会出错！
• 大数据量优化：如果你的受访者和项目数量很大（上万条），可以考虑用sf包做空间连接，效率会更高，不过小数据量用上面的方法完全足够。

内容的提问来源于stack exchange，提问作者Vknkmpkt