以下の距離計算プロセスを最適化する方法があるかどうか知りたいです。以下に小さな例を残しましたが、6000 行を超えるスプレッドシートを使用しており、変数 d の計算にかなりの時間がかかります。これを調整して同じ結果を得ることができますが、最適化された方法です。
library(rdist)
library(tictoc)
library(geosphere)
time<-tic()
df<-structure(list(Industries=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19), Latitude = c(-23.8, -23.8, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9, -23.9,
+ + -23.9, -23.9, -23.9, -23.9, -23.9), Longitude = c(-49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.6, -49.7,
+ + -49.7, -49.7, -49.7, -49.7, -49.6, -49.6, -49.6, -49.6)), class = "data.frame", row.names = c(NA, -19L))
k=3
#clusters
coordinates<-df[c("Latitude","Longitude")]
d<-as.dist(distm(coordinates[,2:1]))
fit.average<-hclust(d,method="average")
clusters<-cutree(fit.average, k)
nclusters<-matrix(table(clusters))
df$cluster <- clusters
time<-toc()
1.54 sec elapsed
d
1 2 3 4 5 6 7 8
2 0.00
3 11075.61 11075.61
4 11075.61 11075.61 0.00
5 11075.61 11075.61 0.00 0.00
6 11075.61 11075.61 0.00 0.00 0.00
7 11075.61 11075.61 0.00 0.00 0.00 0.00
8 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00
9 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
10 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
11 15048.01 15048.01 10183.02 10183.02 10183.02 10183.02 10183.02 10183.02
12 15048.01 15048.01 10183.02 10183.02 10183.02 10183.02 10183.02 10183.02
13 15048.01 15048.01 10183.02 10183.02 10183.02 10183.02 10183.02 10183.02
14 15048.01 15048.01 10183.02 10183.02 10183.02 10183.02 10183.02 10183.02
15 15048.01 15048.01 10183.02 10183.02 10183.02 10183.02 10183.02 10183.02
16 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
17 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
18 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
19 11075.61 11075.61 0.00 0.00 0.00 0.00 0.00 0.00
9 10 11 12 13 14 15 16
2
3
4
5
6
7
8
9
10 0.00
11 10183.02 10183.02
12 10183.02 10183.02 0.00
13 10183.02 10183.02 0.00 0.00
14 10183.02 10183.02 0.00 0.00 0.00
15 10183.02 10183.02 0.00 0.00 0.00 0.00
16 0.00 0.00 10183.02 10183.02 10183.02 10183.02 10183.02
17 0.00 0.00 10183.02 10183.02 10183.02 10183.02 10183.02 0.00
18 0.00 0.00 10183.02 10183.02 10183.02 10183.02 10183.02 0.00
19 0.00 0.00 10183.02 10183.02 10183.02 10183.02 10183.02 0.00
17 18
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18 0.00
19 0.00 0.00
比較
> df$cluster <- clusters
> df
Industries Latitude Longitude cluster
1 1 -23.8 -49.6 1
2 2 -23.8 -49.6 1
3 3 -23.9 -49.6 2
4 4 -23.9 -49.6 2
5 5 -23.9 -49.6 2
6 6 -23.9 -49.6 2
7 7 -23.9 -49.6 2
8 8 -23.9 -49.6 2
9 9 -23.9 -49.6 2
10 10 -23.9 -49.6 2
11 11 -23.9 -49.7 3
12 12 -23.9 -49.7 3
13 13 -23.9 -49.7 3
14 14 -23.9 -49.7 3
15 15 -23.9 -49.7 3
16 16 -23.9 -49.6 2
17 17 -23.9 -49.6 2
18 18 -23.9 -49.6 2
19 19 -23.9 -49.6 2
> clustered_df
Industries Latitude Longitude cluster Dist Cluster
1 11 -23.9 -49.7 3 0.00 1
2 12 -23.9 -49.7 3 0.00 1
3 13 -23.9 -49.7 3 0.00 1
4 14 -23.9 -49.7 3 0.00 1
5 15 -23.9 -49.7 3 0.00 1
6 3 -23.9 -49.6 2 10183.02 2
7 4 -23.9 -49.6 2 0.00 2
8 5 -23.9 -49.6 2 0.00 2
9 6 -23.9 -49.6 2 0.00 2
10 7 -23.9 -49.6 2 0.00 2
11 8 -23.9 -49.6 2 0.00 2
12 9 -23.9 -49.6 2 0.00 2
13 10 -23.9 -49.6 2 0.00 2
14 16 -23.9 -49.6 2 0.00 2
15 17 -23.9 -49.6 2 0.00 2
16 18 -23.9 -49.6 2 0.00 2
17 19 -23.9 -49.6 2 0.00 2
18 1 -23.8 -49.6 1 11075.61 3
19 2 -23.8 -49.6 1 0.00 3