IDと座標のデータフレームがあります。すべての ID 間の地理的距離を計算し、互いに離れすぎている ID を削除してから、分析を続行する必要があります。
30k x 30k のマトリックスを生成する 30k の ID があります。以下にサンプルを示します。
latitude longitude id
-23.52472 -46.47785 917_62346
-23.62010 -46.69345 244_42975
-23.61636 -46.48148 302_75289
-23.53826 -46.46756 917_96304
-23.58266 -46.54495 302_84126
-23.47005 -46.70921 233_97098
-23.49235 -46.49342 917_62953
-23.52226 -46.72710 244_42245
-23.64853 -46.72237 635_90928
-23.49640 -46.61215 244_2662
x2 = structure(list(latitude = c(-23.5247247, -23.6200954, -23.6163624,
-23.5382557, -23.5826609, -23.4700519, -23.4923465, -23.5222581,
-23.6485288, -23.4964047), longitude = c(-46.4778499, -46.6934512,
-46.4814794, -46.4675563, -46.5449536, -46.7092093, -46.4934192,
-46.7270957, -46.7223717, -46.6121477), id = c("917_62346", "244_42975",
"302_75289", "917_96304", "302_84126", "233_97098", "917_62953",
"244_42245", "635_90928", "244_2662")), .Names = c("latitude",
"longitude", "id"), row.names = c(12041L, 18549L, 13641L, 28386L,
9380L, 6064L, 12724L, 21671L, 18939L, 3396L), class = "data.frame")
geosphere最初に、パッケージを使用して、まっすぐに行こうとしました：
library(geosphere)
library(data.table)
d.matrix <- distm(cbind(x2$longitude, x2$latitude))
メモリの問題のため、これは機能しませんError: cannot allocate vector of size 15.4 Gb。私の2番目の試みは、最初にすべてのペアワイズ組み合わせを事前に生成し、元のデータセットとマージして緯度と経度を取得してから、次のような距離を計算することでした.
dis.long <- expand.grid(x2$id, x2$id)
dis.long <- merge(dis.long, x2, by.x = "Var1", by.y = "id")
dis.long <- merge(dis.long, x2, by.x = "Var2", by.y = "id")
dis.long <- dis.long[ , dist_km2 := distGeo(matrix(c(longitude.x, latitude.x), ncol = 2),
matrix(c(longitude.y, latitude.y), ncol = 2))/1000]
ただし、expand_grid はメモリ不足になります。結果の行列は 900mi 行 x 2 列になるので、これは私には奇妙です。私はすでに、より大きなデータセット (200 mi x 50 行列など) を扱っています。
別の観察として、整数で解決できるかどうかを確認するために などの ID を使用してnew_id = seq(1L,30000L,1L)みましたが、展開しようとすると同じメモリの問題が発生します。
私は現在、16 GB RAM デスクトップに加えて、これらの構成を使用しています。
> sessionInfo()
R version 3.3.3 (2017-03-06)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
locale:
[1] LC_COLLATE=English_United States.1252 LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] xlsx_0.5.7 xlsxjars_0.6.1 rJava_0.9-8 geosphere_1.5-5 sp_1.2-5 haven_1.0.0
[7] stringr_1.2.0 data.table_1.10.4
これらの距離を計算する方法を誰か教えてもらえますか? そして、より大きなオブジェクトを構築できるのに、なぜこの特定の expand.grid を生成できないのでしょうか?