如何用Pandas GroupBy计算分组内的平均点对距离？

核心思路 #

不用提前构造点对DataFrame，直接通过groupby结合组合生成工具，对每个分组内的坐标点生成所有两两组合，计算距离后求平均值即可。

实现步骤 #

1. 导入依赖库

import pandas as pd
import numpy as np
from itertools import combinations

2. 定义分组平均距离计算函数

def avg_group_distance(group):
    # 提取当前分组的坐标点，转为二维数组格式
    points = group[['x', 'y']].values
    # 生成所有不重复的点对组合（无序，避免重复计算）
    point_pairs = combinations(points, 2)
    # 计算每对点的欧氏距离，存入列表
    distances = [np.linalg.norm(p1 - p2) for p1, p2 in point_pairs]
    # 返回该分组的平均距离
    return np.mean(distances)

3. 执行分组计算

df = pd.DataFrame({
    'id': ['A','A','B','B','B'],
    'x': [1,1,2,2,3],
    'y': [1,2,2,3,3]
})

# 按id分组，应用自定义函数
result = df.groupby('id').apply(avg_group_distance)
print(result)

结果验证 #

运行后输出：

id
A    1.000000
B    1.138071
dtype: float64

完全匹配示例结果：

• 分组A仅1对点，距离为1，平均值1
• 分组B的3对点距离分别为1、1、√2≈1.4142，平均值≈1.138

内容的提问来源于stack exchange，提问作者d_frEak