如何用更高效/Pythonic方法计算Pandas DataFrame每行与其他行的最大距离？

你的嵌套循环实现虽然直观，但iterrows()遍历效率极低，且时间复杂度为O(n²)，当数据量较大时速度会严重下降。以下是两种更高效、更符合Python/Pandas风格的实现方式：

方法一：利用Numpy广播计算距离矩阵 #

通过Numpy的广播机制一次性生成所有行对的欧氏距离，避免显式循环：

import numpy as np
import pandas as pd

# 提取X、Y列的数值数组
coords = df[['X', 'Y']].values
# 生成所有行对的坐标差值（形状为(n, n, 2)）
diff = coords[:, np.newaxis, :] - coords[np.newaxis, :, :]
# 计算欧氏距离矩阵
dist_matrix = np.sqrt(np.sum(diff ** 2, axis=2))
# 对每行取最大距离，添加为新列
df['max_dist'] = dist_matrix.max(axis=1)

方法二：使用Scipy的distance_matrix（更简洁高效） #

Scipy提供了优化过的距离计算函数，底层基于C实现，速度更快：

from scipy.spatial import distance_matrix
import pandas as pd

coords = df[['X', 'Y']].values
# 直接生成所有点对的欧氏距离矩阵
dist_matrix = distance_matrix(coords, coords)
# 提取每行的最大值
df['max_dist'] = dist_matrix.max(axis=1)

原代码的注意点 #

• 原代码中df.loc['max_dist'][i_df]属于链式索引，可能触发SettingWithCopyWarning，正确的赋值方式应为df.loc[i_df, 'max_dist']
• 嵌套iterrows()的遍历方式在数据量超过几百行后会变得非常缓慢，向量化操作能将计算效率提升数倍甚至数十倍

内容的提问来源于stack exchange，提问作者statHacker