在空間分析中，nearest point problem是乙個十分基本而重要的問題。對於小樣本量的點集而言，通過計算距離矩陣並進行排序即可暴力解決。而對於上萬甚至幾十萬以上的點集而言，通過計算距離矩陣顯然需要耗費太多的資源，一般採用kd樹等方法進行搜尋。背後的演算法我也不太懂，這裡僅把r語言中面向st_point型別的點集時運用兩種方法的**記錄一下。point_set為st_point型別的點集。
d=st_distance(point_set) #生成距離矩陣
cols=order_matirx[,2] #提取距離每個點最近的點序號
rowcols=cbind(1:nrow(sf_points),as.vector(cols)) #生成最鄰近點在原距離矩陣中對應的行列號
d_real=sum(d[rowcols]) #d[rowcols]即為各點距其最鄰近點的距離
indice_matrix <- d *0
indice_matrix[rowcols]=1 #此兩步可生成最鄰近點矩陣
d=st_distance(point_set) #生成距離矩陣library(rann)
p_co=st_coordinates(point_set) #獲取點座標。由於這個包只返回歐式距離，不是專門針對地理空間開發的，所以在計算前還是先把點座標轉換成投影座標係為宜。
d=nn2(p_co,p_co,k=2) #k=2即為設定k級最鄰近點，因為這個包只支援計算兩個點集之間的最鄰近點關係，所以只能計算包含自身的2級最鄰近點。該函式還有其他引數可以設定搜尋方法、查尋樹的型別、搜尋半徑等。
d_indice=d[[1]][,2] #返回值包括兩個list元素，第乙個元素就是最鄰近點序號矩陣。第二列就是我們要找的最鄰近點序號。
R語言中的空間插值
這個方法可用於類別變數的插值。實際上是利用點生產沃諾尼多邊形，每個點所在的沃諾尼多邊形的值就等於點值，這樣就實現了由點到面的變化，完成了插值。裡的p是乙個由很多點組成的空間物件，boundry即是我們的研究區域。p裡的所有點應該在boundry的範圍之內。在製作柵格 插值的過程中，都是基於p的外廓邊...
R語言中的引號
aa this is an example.1 this is an example.bb this is an example.1 this is an example.identical aa,bb 1 true anne s home 1 anne s home anne s home 1 a...
R語言中的陣列
陣列 不同於矩陣和資料框，維度大於2。r中最簡單的陣列 3維。行，列，面 如下兩行 三列 四面的陣列。dim1 c a1 a2 dim2 c b1 b2 b3 dim3 c c1 c2 c3 c4 dat array 1 24,c 2,3,4 dimnames list dim1,dim2,dim3...