使用 SparkR 计算地理距离

Posted

技术标签:

【中文标题】使用 SparkR 计算地理距离【英文标题】:Geo distance calculation using SparkR 【发布时间】:2017-08-03 12:19:47 【问题描述】:

我在 R 中有一个 Spark 数据框,如下所示

head(df)
Lat1    Lng1    Lat2    Lng2
23.123  24.234  25.345  26.456
...     ...     ...     ...

DataFrame 包含两个点纬度和经度

我想计算每行中节点之间的地理距离并将其添加到新列中。

在 R 中,我使用来自 geosphere 库的 distCosine 函数。

df$dist = distCosine(cbind(df$lng1,df$lat1),cbind(df$lng2,df$lat2))

我想知道我应该如何在 SparkR 中计算它。

SparkR 产生以下错误,

Error in as.integer(length(x) > 0L) : 
cannot coerce type 'S4' to vector of type 'integer'

【问题讨论】:

【参考方案1】:

您不能直接在 Spark DataFrames 上使用标准 R 函数。如果您使用最近的 Spark 版本,您可以使用 dapply,但它有点冗长和缓慢:

df <- createDataFrame(data.frame(
  lat1=c(23.123), lng1=c(24.234),  lat2=c(25.345),  lng2=c(26.456)))

new_schema <- do.call(
  structType, c(schema(df)$fields(), list(structField("dist", "double", TRUE))))

attach_dist <- function(df) 
  df$dist <- geosphere::distCosine(
    cbind(df$lng1, df$lat1), cbind(df$lng2, df$lat2))
  df


dapply(df, attach_dist, new_schema) %>% head()
    lat1   lng1   lat2   lng2     dist
1 23.123 24.234 25.345 26.456 334733.4

在实践中,我宁愿直接使用公式。它会更快,所有需要的功能都已经可用并且不是很复杂:

df %>% withColumn("dist", acos(
  sin(toRadians(df$lat1)) * sin(toRadians(df$lat2)) + 
  cos(toRadians(df$lat1)) * cos(toRadians(df$lat2)) * 
  cos(toRadians(df$lng1) - toRadians(df$lng2))
) * 6378137) %>% head()
    lat1   lng1   lat2   lng2     dist
1 23.123 24.234 25.345 26.456 334733.4

【讨论】:

以上是关于使用 SparkR 计算地理距离的主要内容,如果未能解决你的问题,请参考以下文章

使用 PHP 和 MySQL 计算地理位置距离

使用sql oracle计算地理点之间的距离

如何计算两个地理坐标的距离?

高德地图相关api使用计算两点地理坐标之间的距离

高德地图相关api使用计算两点地理坐标之间的距离

高德地图相关api使用计算两点地理坐标之间的距离