Python循环计算点间欧氏距离出错，求排查及与SAS Proc SQL对齐

我想用Python循环计算每个点到所有点的欧氏距离，已有SAS Proc SQL的实现方案，但Python循环得到的结果不符合预期，麻烦帮忙找出循环里的问题。

数据与单点正确计算代码 #

import pandas as pd
import numpy as np

data = {
    'object': ['A', 'B', 'C', 'D'],
    'value1': [79.826732673, 78.268876611, 64.04744255, 58.866103739],
    'value2': [2.7227722772, 2.7624309392, 2.8910303929, 3.6188178528]
}
df = pd.DataFrame(data) 

针对点A的正确计算代码（能得到该点到所有点的距离及平均值）：

x = df["value1"]
y = df["value2"]

x_ref = 79.826732673
y_ref = 2.7227722772

dist = np.sqrt((x-x_ref)**2 + (y-y_ref)**2) # 欧氏距离
np.mean(dist)

错误的循环代码 #

运行下面的循环后，只得到了最后一个点的距离结果，且不符合预期：

for i in range(0,3):
    x_ref = df.iloc[i]["value1"]
    y_ref = df.iloc[i]["value2"]
    
    eklidean = np.sqrt((df["value1"] - x_ref)**2 + (df["value2"] - y_ref)**2)

eklidean
# 输出结果：
# object
# A    15.780187
# B    14.222015
# C     0.000000
# D     5.232203
# dtype: float64

循环中的错误分析 #

1. 循环范围缺失：range(0,3)只遍历了索引0、1、2（对应点A、B、C），漏掉了索引3的点D，导致D点的距离完全没计算。
2. 结果被覆盖：每次循环都把计算结果赋值给同一个变量eklidean，前三次循环的结果（A、B点的距离）被最后一次循环（C点）的结果覆盖，最终只保留了C点的计算值。
3. 未保存与汇总结果：没有保存每个点对应的距离数据，也没有像SAS代码那样计算每个点到所有点距离的平均值。

修正后的实现方式 #

方式1：修正循环逻辑 #

import pandas as pd
import numpy as np

# 初始化空字典保存每个点的距离结果
dist_results = {}
for i in range(len(df)):
    obj = df.iloc[i]['object']
    x_ref = df.iloc[i]['value1']
    y_ref = df.iloc[i]['value2']
    
    # 计算当前点到所有点的距离
    dist = np.sqrt((df['value1'] - x_ref)**2 + (df['value2'] - y_ref)**2)
    # 保存距离序列和对应的平均值
    dist_results[obj] = {
        'distances': dist,
        'avg_distance': np.mean(dist)
    }

# 查看每个点的结果
for obj, res in dist_results.items():
    print(f"点{obj}的距离结果：")
    print(res['distances'])
    print(f"平均距离：{res['avg_distance']}\n")

方式2：无循环高效实现（推荐） #

利用numpy广播或scipy的距离计算函数，无需手动循环：

from scipy.spatial.distance import cdist

# 提取数值列
points = df[['value1', 'value2']].values
# 计算所有点对的欧氏距离
distance_matrix = cdist(points, points, metric='euclidean')
# 转换为DataFrame，方便查看
dist_df = pd.DataFrame(distance_matrix, index=df['object'], columns=df['object'])
# 计算每个点的平均距离
dist_df['avg_distance'] = dist_df.mean(axis=1)

print(dist_df)

SAS Proc SQL参考实现 #

DATA points;
    INPUT object $ value1 value2;
    DATALINES;
A 79.826732673 2.7227722772
B 78.268876611 2.7624309392
C 64.04744255 2.8910303929
D 58.866103739 3.6188178528
;
RUN;

PROC SQL;
   CREATE TABLE kombinations AS
   SELECT a.object, A.value1, B.value1 as value1_dup, A.value2, B.value2 as value2_dup
   FROM points a, points b;
QUIT;

proc sql; create table calculation as select *, sqrt((value1 - value1_dup)**2 + (value2 - value2_dup)**2) as euklidean from kombinations; quit;

proc sql; create table object_group as select object, avg(euklidean) as avg_euklidean from calculation group by object; quit;

内容的提问来源于stack exchange，提问作者Kristián Övári