R - Spatstat - 使用数据表按 ID 搜索最近邻

Question

我有两个名为intersections(代表街道系统的交叉路口)和users(代表网络用户)的大型数据框，如下所示:

intersections 有三列:x、y 和 label_street。它们分别表示十字路口在方形观察窗口中的位置(比如 [0,5] x [0,5])及其所在的街道。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

一个十字路口位于几条街道的交叉口，intersections表中的每个(x,y)组合至少出现两次，但不同label_street(例如上例中的第 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, ID .它们分别表示用户的位置、所在的街道以及每个用户唯一的ID。此数据框中没有重复项，因为用户位于唯一的街道上并且具有唯一的 ID。下面是一个示例(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 intersections 的每个点 (x,y)，获取 ID 和距离users

与其最近的邻居 共享相同 street_label

我有一个工作解决方案，使用 spatstat 函数 nncross 进行最近邻搜索，使用 plyr 函数 adply 进行工作在数据上。

我的工作解决方案如下:

1) 编写一个用户定义的函数，获取查询表中行的 ID 和到最近邻的距离

 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) 将这个用户定义的函数逐行应用到我的数据框“交叉点”，查询是与行共享相同街道标签的用户的子集:

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

示例结果如下:

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

由于我的真实数据帧会很大，我认为计算最近邻的距离矩阵效率不高，而且 adply 会很慢。有没有人知道类似 data.table 的解决方案？我现在才了解 data.table 的基础知识，并且一直发现它与 plyr 相比非常有效。

Answer 1

此解决方案使用 RANN 包来查找最近的邻居。诀窍是首先确保具有不同 label_street 的元素之间的距离比相同 label_street 中的元素之间的距离更大。我们通过添加一个额外的数字列来实现这一点，该列具有非常大的值，该值在同一 label_street 中是常量，但在 label_street 的不同值之间不同。总而言之，您将获得:

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

希望对您有所帮助。它应该非常快，因为它只调用一次 nn2，运行时间为 O(N * log(N))。