使用ICSNP包spatial.median计算几何中位数时遇维度报错

我之前也碰到过这个坑！当你的数据里有完全重合的坐标点时，spatial.median函数的内部计算逻辑会出现维度处理异常，直接抛出Error in array(STATS, dims[perm]) : 'dims' cannot be of length 0这个错误。

先复现一下问题 #

首先用你提供的数据集来验证这个错误：

library(ICSNP)

# 报错的测试数据
error_data <- data.frame(
  latitude = c(-20.35808333, -20.35808333, -20.35810666),
  longitude = c(-40.29396500, -40.29396500, -40.29414666)
)

# 执行会触发错误
spatial.median(error_data)

错误原因 #

这个问题的本质是：当存在多个完全重合的点时，函数内部在进行矩阵运算或维度推导时，某个中间步骤的维度参数变成了长度0，导致R无法创建符合要求的数组。

可行的解决方案 #

1. 给重复点添加微小扰动（推荐）

这是最直接的方法，就像你尝试的那样，给重复的坐标点加一个极小的数值（比如1e-10），既不会显著改变数据的几何特征，又能避免完全重合的情况：

fixed_data <- error_data
# 给第一个重复点的纬度添加微小扰动
fixed_data$latitude[1] <- fixed_data$latitude[1] + 1e-10

# 现在可以正常运行
spatial.median(fixed_data)

2. 先去重再计算（按需使用）

如果你的业务场景允许忽略重复点的权重（比如重复点只是数据录入重复），可以先去除完全重复的行再计算：

unique_data <- unique(error_data)
spatial.median(unique_data)

⚠️ 注意：几何中位数会考虑点的权重，去重会丢失重复点的权重信息，可能影响计算结果，所以请根据实际需求选择。

3. 自定义几何中位数实现（备选）

如果不想依赖ICSNP包，可以用R的优化函数手动实现几何中位数的计算，比如用optim函数最小化所有点到候选点的欧氏距离之和：

geometric_median <- function(data) {
  # 定义目标函数：计算所有点到候选点的欧氏距离之和
  distance_sum <- function(candidate) {
    sum(sqrt((data$latitude - candidate[1])^2 + (data$longitude - candidate[2])^2))
  }
  
  # 以坐标均值作为初始猜测值，用Nelder-Mead方法优化
  initial_guess <- colMeans(data)
  opt_result <- optim(initial_guess, distance_sum, method = "Nelder-Mead")
  
  return(opt_result$par)
}

# 用报错的数据集测试，正常输出结果
geometric_median(error_data)

内容的提问来源于stack exchange，提问作者Lucas Martinuzzo