如何在Pandas中直接计算两个Series的元素间距离矩阵？

针对你需求的场景，有几种更健壮的Pandas原生实现方式，无需手动处理Numpy数组维度：

方法1：利用Pandas自动广播（最简洁，适合简单算术运算） #

直接将其中一个Series转为单列DataFrame，再与另一个Series做运算，Pandas会自动完成广播，同时保留原索引和列名：

import pandas as pd
a = pd.Series([1,2,3], ['a', 'b', 'c'] )
b = pd.Series([4, 5, 6, 7], ['k', 'l', 'm', 'n'])

# 直接运算，自动生成目标DataFrame
result = b.to_frame() - a
print(result)

输出结果：

a  b  c
k -3 -2 -1
l -4 -3 -2
m -5 -4 -3
n -6 -5 -4

方法2：apply配合自定义距离函数（适合复杂自定义逻辑） #

如果你的距离函数不是简单算术运算，可通过嵌套apply实现，完全基于Pandas对象操作：

def dist(x, y):
    return x - y  # 替换为任意自定义距离逻辑

result = b.apply(lambda x: a.apply(lambda y: dist(x, y)))
print(result)

该方式会自动保留b的索引作为结果行索引，a的索引作为结果列索引。

方法3：结合numpy ufunc的outer方法（兼顾性能与Pandas结构） #

若想利用numpy的向量化性能，同时避免手动处理数组维度，可直接使用numpy通用函数的outer方法，再用Pandas索引构建DataFrame：

import numpy as np

result = pd.DataFrame(np.subtract.outer(b, a), index=b.index, columns=a.index)
print(result)

此方法无需提取values属性，直接传入Series对象即可，比你原有的Numpy实现更健壮。

内容的提问来源于stack exchange，提问作者endive1783