历年各省市区县邻接矩阵、质心距离矩阵、质心距离倒数矩阵数据

今天给大家分享一份中国历年各省市区县的邻接矩阵、质心距离矩阵以及质心距离倒数矩阵。

这份数据是根据之前分享的 1949～2021 年中国各省市区县地理矢量数据，使用 R 语言计算的。

关于这份数据的来源：

1820 年的数据来源于：https://geodata.lib.berkeley.edu/catalog/stanford-wd799pc4692
1949～2014 年的数据来源于：https://geodata.lib.berkeley.edu/?f%5Bdct_isPartOf_sm%5D%5B%5D=Administrative+Boundary+Maps+of+China%2C+1949-2014
2015～2018 年的数据是根据 2014 年的数据和民政部公布的「县级以上行政区划变更情况」调整得到的：http://xzqh.mca.gov.cn/description?dcpid=1
2019 年数据来源于 1：100万公众版基础地理信息数据（2021）：https://www.webmap.cn/commres.do?method=result100W
2020～2021 年的数据是根据 2019 年的数据和民政部公布的「县级以上行政区划变更情况」调整得到的：http://xzqh.mca.gov.cn/description?dcpid=1

虽然 1949～2018 年的数据来源于国外，不过准确性不错，境界线符合国内的要求。

为了计算历年各省市区县的邻接矩阵、质心距离矩阵以及质心距离倒数矩阵，在计算之前我进行了下面两部的处理：

每年的数据中只保留省-市-县不重复的，重复的只保留数据中的第一个；
合并台湾省的区划。

例如 2020 年区县数据的处理：

library(tidyverse)
library(sf)

# 合并
read_sf("2020行政区划/县.shp") %>%
  st_make_valid() %>%
  select(-contains("类型")) %>%
  distinct(省, 市, 县, .keep_all = T) -> county

# 合并台湾省的区划
bind_rows(
  county %>%
    dplyr::filter(省 != "台湾省"),
  county %>%
    dplyr::filter(省 == "台湾省") %>%
    group_by(省代码, 省) %>%
    summarise() %>%
    ungroup() %>%
    mutate(市 = 省, 县 = 省, 市代码 = 省代码, 县代码 = 省代码)
) -> county