R - Spatstat - 使用数据表按ID进行最近邻搜索

Question

R - Spatstat - 使用数据表按ID进行最近邻搜索

3

我有两个大数据框，分别称为intersections（表示街道系统的交叉口）和users（表示网络用户），如下所示： intersections有三列：x、y和label_street。它们分别表示在一个方形观察窗口（比如[0,5] x [0,5]）中交叉口的位置以及它所在的街道。这是一个例子：


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

一个交叉口位于几条街道的交叉处，intersections表中的每个(x,y)组合至少出现两次，但是使用不同的label_street（例如前面示例中的第1行和第4行）。label_street可能不是行号（这就是为什么它在我的示例中从5开始）。 users有4列：x、y、label_street和ID。它们分别表示用户的位置、他所在的街道和每个用户的唯一ID。在这个数据框中没有重复项，因为一个用户在唯一的街道上，且具有唯一的ID。这里是一个例子（ID和label_street可能不是行号）：


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

我想做的是：对于每个交点（x，y），获得具有相同street_label在users中最近邻居的ID和距离。

我使用spatstat函数nncross进行最近邻搜索，并使用plyr函数adply处理数据的解决方案。

我的解决方案如下： 1）编写一个用户定义的函数，以获取查询表中行的ID和最近邻居的距离。

 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) 将此用户定义函数按行应用于数据框“intersections”，查询为与行共享相同street_label的用户子集：

result <- adply(intersections, 1, function(row) NN(row, users[users$label_street == row$label_street, ])

以下是该示例的结果:

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

由于我的真实数据框将非常庞大，因此计算距离矩阵以查看最近邻居可能不太有效，并且使用 adply 会很慢。有人有类似于 data.table 的解决方案吗？我只知道 data.table 的基础知识，并始终发现它与 plyr 相比非常高效。

- QLG

非常感谢您的回答。那么您会如何循环呢？通过label_street进行split和ddply吗？ - QLG

说实话，我会使用for循环。这似乎是最简单的方法，而且我猜你只需要迭代几个标签 - 相对于你非常大的数据来说非常少？for循环的优点是，在每次迭代中，你可以相当容易地从两个数据框中选择正确的行。但也许还有其他方便的选项，我目前没有考虑到。 - M. Papenberg

或者，您可以定义一个函数来查找最近的邻居，并根据您的列“ID”返回正确的ID，然后使用lapply？也许这样更好... - M. Papenberg

抱歉，我还没有完全考虑清楚。我会尝试使用for循环解决方案，但如果有太多的“street_labels”，效率可能会严重受损（但是另一种循环在这里可能也不会有太大帮助）。RANN很有效，因为它可以应用于整个数据集，但如果您必须将其应用于几乎每一行，则会失去其意义。 - M. Papenberg

我刚有一个想法：你怎么觉得为每个类别添加一个非常大的值的列（例如，label_street = 1时添加1000，label_street = 2时添加2000等），然后你应该能够在整个数据集上仅调用一次 RANN::nn2 （带有列x、y和新列），同时确保邻居在同一条街道标签内？这样就不需要任何循环了！ - M. Papenberg

显示剩余3条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- M. Papenberg · Accepted Answer

此解决方案使用RANN包来查找最近的邻居。诀窍在于首先确保具有不同label_street的元素之间的距离高于同一label_street内的元素。我们通过添加一个附加的数值列来实现这一点，该列具有非常大的常量值，但在不同的label_street值之间是不同的，在同一label_street内是相同的。总的来说，你会得到：

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

希望这对你有所帮助。它应该非常快，因为它只调用一次nn2，它的运行时间为O(N * log(N))。