如何计算两个含经纬度的DataFrame间每行的最小地理距离

嘿，我来帮你搞定这个问题！在R里处理经纬度的地理距离，geosphere包是个绝佳选择——它专门针对地球表面的距离计算做了优化，下面一步步给你演示实现方法：

1. 准备工作：加载包与示例数据 #

首先得装上并加载geosphere包，然后把你提供的示例DataFrame创建出来：

# 安装包（如果还没装的话）
install.packages("geosphere")
library(geosphere)

# DF1 (机构数据)
DF1 <- data.frame(
  latitude = c(41.49532, 36.26906, 40.06599),
  longitude = c(-98.77298, -101.40585, -80.72291),
  institution = letters[seq(from = 1, to = nrow(DF1))]
)

# DF2 (事件数据)
DF2 <- data.frame(
  latitude = c(32.05, 32.62, 30.23),
  longitude = c(-86.82, -87.67, -88.02),
  ID = seq_len(nrow(DF2))
)

2. 计算每个机构到事件的最小距离 #

核心思路是：对DF1里的每个机构，计算它到DF2所有事件的地理距离，然后取最小值。这里给你三种常用方法，按需选择：

方法一：基础apply循环（直观易懂） #

这种写法最直白，适合刚接触的朋友：

# 给DF1新增一列存储最小距离（单位：米）
DF1$min_distance_m <- apply(DF1, 1, function(row) {
  # 注意！distGeo要求坐标格式是「先经度，后纬度」，别搞反了
  inst_coords <- c(as.numeric(row["longitude"]), as.numeric(row["latitude"]))
  # 计算当前机构到所有事件的距离
  all_distances <- distGeo(inst_coords, DF2[, c("longitude", "latitude")])
  # 返回最小距离
  min(all_distances)
})

方法二：tidyverse风格写法（简洁优雅） #

如果你习惯用dplyr和purrr，可以这样写：

library(dplyr)
library(purrr)

DF1 <- DF1 %>%
  mutate(min_distance_m = pmap_dbl(., function(latitude, longitude, ...) {
    # 同样遵循「经度在前，纬度在后」的规则
    all_distances <- distGeo(c(longitude, latitude), DF2[, c("longitude", "latitude")])
    min(all_distances)
  }))

方法三：向量化矩阵计算（大数据量更高效） #

如果你的数据行数很多，循环效率低，用outer生成距离矩阵再取最小值会更快：

# 生成所有机构-事件对的距离矩阵
distance_matrix <- outer(
  1:nrow(DF1), 1:nrow(DF2),
  function(i, j) distGeo(DF1[i, c("longitude", "latitude")], DF2[j, c("longitude", "latitude")])
)
# 提取每行的最小值（每个机构的最小距离）
DF1$min_distance_m <- apply(distance_matrix, 1, min)

3. 可选：转换距离单位 #

默认distGeo返回的是米，如果需要公里，直接除以1000就行：

DF1$min_distance_km <- DF1$min_distance_m / 1000

注意事项 #

• 确保你的经纬度数据是WGS84坐标系（GPS默认的坐标系），如果是其他坐标系，需要先做转换。
• distGeo计算的是大圆距离，也就是地球表面两点间的最短路径，完全满足大多数地理距离计算场景。

内容的提问来源于stack exchange，提问作者P. Bear