У меня есть два больших фрейма данных, которые называются intersections
(представляющие пересечения уличной системы) и users
(представляющие пользователей сети) следующим образом:
intersections
имеет три колонки: x
, y
и label_street
. Они соответственно представляют положение перекрестка в квадратном окне наблюдения (скажем [0,5] x [0,5]) и улицу, на которой он расположен. Вот пример:
intersections <- data.frame(x=c(0.147674, 0.235356, 0.095337, 0.147674), y=c(0.132956, 0.150813, 0.087345, 0.132956), label_street = c(5,6,5,6))
head(intersections)
x y label_street
1 0.147674 0.132956 5
2 0.235356 0.150813 6
3 0.095337 0.087345 5
4 0.147674 0.132956 6
Поскольку перекресток находится на пересечении нескольких улиц, каждая (x,y)
комбинация в intersections
таблице появляется как минимум дважды, но с разными label_street
(например, строки 1 и 4 в предыдущем примере). label_street
Не может быть номер строки (именно поэтому он начинается в 5 в моем примере).
users
4 колонки: x
, y
, label_street
, ID
. Они соответственно представляют положение пользователя, улицу, на которой он расположен, и уникальны для ID
каждого пользователя. В этом фрейме данных нет дубликатов, так как пользователь находится на уникальной улице и имеет уникальный ID
. Вот пример ( ID
и label_street
может не быть номером строки)
users <- data.frame(x = c(0.20428152, 0.17840619, 0.12964668, 0.20423856, 0.19349761, 0.10861251), y = c(0.14448448, 0.13921481, 0.11724543, 0.14447573, 0.14228827, 0.09891443), label_street = c(6,6,5,6,6,5), ID = c(2703, 3460, 4325, 12506, 19753, 21282))
head(users)
x y label_street ID
1 0.20428152 0.14448448 6 2703
2 0.17840619 0.13921481 6 3460
3 0.12964668 0.11724543 5 4325
4 0.20423856 0.14447573 6 12506
5 0.19349761 0.14228827 6 19753
6 0.10861251 0.09891443 5 21282
То , что я хочу сделать , это следующее: для каждой точки (x,y)
из intersections
, получить ID
и расстояние до его ближайшего соседа разделяющего же street_label
по прибытиюusers
У меня есть рабочее решение, использующее spatstat
функцию nncross
поиска ближайшего соседа и plyr
функцию adply
для работы с данными.
Мое рабочее решение выглядит следующим образом:
1) Напишите определяемую пользователем функцию, которая получает идентификатор и расстояние до ближайшего соседа строки в таблице запросов.
NN <- function(row,query){
df <- row
window <- c(0,5,0,5) #Need this to convert to ppp objects and compute NN distance using nncross
NN <- nncross(as.ppp(row[,1:2],window),as.ppp(query[,1:2],window))
df$NN.ID <- query$ID[NN$which]
df$dist <- NN$dist
return(df)
}
2) Примените эту определяемую пользователем функцию построчно к моим «пересечениям» фреймов данных, при этом запрос будет подмножеством пользователей, использующих тот же street_label, что и строка:
result <- adply(intersections, 1, function(row) NN(row, users[users$label_street == row$label_street, ])
Результат на примере следующий:
head(result)
x y label_street NN.ID NN.dist
1 0.147674 0.132956 5 4325 0.02391247
2 0.235356 0.150813 6 2703 0.03171236
3 0.095337 0.087345 5 21282 0.01760940
4 0.147674 0.132956 6 3460 0.03136304
Поскольку мои реальные фреймы данных будут огромными, я думаю, что вычисление матриц расстояний для просмотра ближайшего соседа не будет эффективным и adply
будет медленным. Есть у кого-нибудь идея data.table
подобного решения? Я только сейчас об основах data.table
и всегда считал это очень эффективным по сравнению с plyr
.
Это решение использует RANN
пакет для поиска ближайших соседей. Хитрость заключается в том, чтобы сначала убедиться, что у разных элементов label_street
расстояние между ними больше, чем у элементов внутри одного label_street
. Мы делаем это, добавляя дополнительный числовой столбец с очень большим значением, которое является постоянным внутри одного и того же, label_street
но разным между разными значениями label_street
. Всего вы получите:
intersections <- data.frame(x=c(0.147674, 0.235356, 0.095337, 0.147674), y=c(0.132956, 0.150813, 0.087345, 0.132956), label_street = c(5,6,5,6))
users <- data.frame(x = c(0.20428152, 0.17840619, 0.12964668, 0.20423856, 0.19349761, 0.10861251), y = c(0.14448448, 0.13921481, 0.11724543, 0.14447573, 0.14228827, 0.09891443), label_street = c(6,6,5,6,6,5), number = c(2703, 3460, 4325, 12506, 19753, 21282))
# add a numeric column that is constant within each category and has a very large value
intersections$label_street_large <- intersections$label_street * 1e6
users$label_street_large <- users$label_street * 1e6
# call the nearest neighbour function (k = 1 neighbour)
nearest_neighbours <- RANN::nn2(
intersections[, c("x", "y", "label_street_large")],
users[, c("x", "y", "label_street_large")],
k = 1
)
# get original IDs and distances
IDs <- users$number[c(nearest_neighbours$nn.idx)]
distances <- c(nearest_neighbours$nn.dists)
IDs
# [1] 3460 12506 2703 3460 3460 4325
distances
# [1] 0.03171236 0.03136304 0.02391247 0.03175620 0.04271763 0.01760940
Я надеюсь, это поможет вам. Он должен быть очень быстрым, потому что он вызывается только nn2
один раз, что выполняется за время O (N * log (N)).
Эта статья взята из Интернета, укажите источник при перепечатке.
Если есть какие-либо нарушения, пожалуйста, свяжитесь с[email protected] Удалить.
я говорю два предложения