从R中的距离矩阵中找到每个索引的最短平均距离

Question

第三年，我正在帮助组建一个空间 R 实验室 class，其中一项任务是确定距离最近（即平均最短距离）的特定站点一组多个其他站点。

我有一个距离矩阵 dist_m，它是我使用 gdistance::costDistance 生成的，看起来像这样：

# Sample data
m <- matrix(c(2, 1, 8, 5,
              7, 6, 3, 4,
              9, 3, 2, 8,
              1, 3, 7, 4),
            nrow  = 4,
            ncol  = 4,
            byrow = TRUE)

# Sample distance matrix
dist_m <- dist(m)

dist_m 打印时看起来像：

          1         2         3
2  8.717798
3  9.899495  5.477226
4  2.645751  7.810250 10.246951

所需输出： 从这个 dist 我希望能够识别索引值（1、2、3 或4) 具有最短的平均距离。在此示例中，它将是索引 4，其平均距离为 6.90。理想情况下，我也希望返回平均距离 (6.90)。

我可以通过执行以下操作找到单个索引的平均距离：

# Convert distance matrix to matrix
m = as.matrix(dist_m)

# Set diagonals and upper triangle to NA
m[upper.tri(m)] = NA
m[m == 0] = NA

# Calculate mean for index
mean(c(m[4,], m[,4]), na.rm = TRUE)

但是，我理想的解决方案是直接识别具有最小平均距离的索引，而不是必须手动插入索引值（实际数据集将比这大得多）。

由于这是针对大学的 class，我希望任何解决方案都尽可能简单：for 循环和 apply 函数对于没有 R 经验的学生来说可能很难掌握.

Answer 1

试试这个：

rMeans <- rowMeans(m, na.rm = T)
names(rMeans) <- NULL
which(rMeans == min(rMeans, na.rm = T))
# [1] 4

或作为函数：

minMeanDist <- function(x) {
  m <- as.matrix(x)
  m[upper.tri(m)] <- NA
  m[m == 0] <- NA
  rMeans <- rowMeans(m, na.rm = T)
  names(rMeans) <- NULL
  mmd <- min(rMeans, na.rm = T)
  ind <- which(rMeans == mmd)
  list(index = ind, min_mean_dist = mmd)
}
minMeanDist(dist_m)
# $index
# [1] 4
# 
# $min_mean_dist
# [1] 6.900984

Answer 2

如果您想使用 tidyverse 这是一种方法：

as.matrix(dist_m) %>%
    as.tibble() %>%
    rownames_to_column(var = "start_node") %>%
    gather(end_node, dist, -start_node) %>% # go long
    filter(dist != 0) %>% # drop identity diagonal
    group_by(start_node) %>% # now summarise
    summarise(mean_dist = mean(dist)) %>%
    filter(mean_dist == min(mean_dist)) # chose minimum mean_dist

# A tibble: 1 x 2
  start_node mean_dist
       <chr>     <dbl>
1          4  6.900984

它有点长，但是通过管道可以很容易地看到每一行发生了什么，并且你会得到一个很好的输出。

从R中的距离矩阵中找到每个索引的最短平均距离

Finding shortest mean distances per index from a distance matrix in R

r

distance-matrix

tidyverse