如何创建以city1为索引、city2为列的累积距离透视表并设对角线为0？

你的原始数据是城市间的相邻距离链，直接用cumsum()和pivot()无法生成完整的累积距离矩阵——pivot()只会填充现有(city1,city2)对的值，其余位置为NaN，且全局cumsum()不是按起点分组的累积。以下是可行的解决步骤：

步骤1：加载原始数据 #

先把数据集用pandas初始化：

import pandas as pd
import numpy as np

# 原始数据集
df3 = pd.DataFrame({
    'city1': [101, 102, 103, 104],
    'city2': [102, 103, 104, 105],
    'distance': [56, 34, 6, 15]
})

步骤2：生成完整城市列表并初始化零矩阵 #

提取所有涉及的城市，创建一个对角线为0的空矩阵：

# 获取所有城市并排序
cities = sorted(set(df3['city1'].tolist() + df3['city2'].tolist()))
# 初始化全零透视表，索引和列均为城市
pivot_df = pd.DataFrame(0, index=cities, columns=cities)

步骤3：计算并填充累积距离 #

先计算全局累积距离数组，再根据城市位置映射填充矩阵：

# 生成包含起点0的累积距离数组（对应101→101:0, 101→102:56, 101→103:90...）
cumulative_distances = np.cumsum([0] + df3['distance'].tolist())
# 创建城市到数组索引的映射
city_to_idx = {city: idx for idx, city in enumerate(cities)}

# 填充上三角区域的累积距离
for start_city in cities:
    start_idx = city_to_idx[start_city]
    for end_city in cities[start_idx+1:]:
        end_idx = city_to_idx[end_city]
        pivot_df.loc[start_city, end_city] = cumulative_distances[end_idx] - cumulative_distances[start_idx]

最终结果 #

运行后得到的pivot_df就是符合要求的透视表：

如果需要双向距离（比如102→101也显示56），可以在循环中添加pivot_df.loc[end_city, start_city] = cumulative_distances[end_idx] - cumulative_distances[start_idx]。

内容的提问来源于stack exchange，提问作者Kishore Kumar