如何高效在Pandas DataFrame中应用math.dist()计算距离

现有如下结构的DataFrame（df）：

Name            Point1                  Point2
name1     '[x_coord, y_coord]'     '[x_coord, y_coord]'
name2     '[x_coord, y_coord]'     '[x_coord, y_coord]'
name3     '[x_coord, y_coord]'     '[x_coord, y_coord]'
...

需要新增一列Distance，计算每行Point1和Point2两点间的欧氏距离，预期逻辑为math.dist(ast.literal_eval(df['Point1']), ast.literal_eval(df['Point2']))，但遇到以下问题：

• 直接执行df['Distance'] = math.dist(ast.literal_eval(df['Point1']), ast.literal_eval(df['Point2']))无法生效
• 使用列表推导式循环itertuples的方法可行，但百万级数据量下速度极慢：

  dist_list = [math.dist(ast.literal_eval(row[2]), ast.literal_eval(row[3])) for row in df.itertuples()]
  

• 自定义函数结合apply的方式速度同样不理想：

  def get_dist(p1: str, p2: str):
      return math.dist(ast.literal_eval(p1), ast.literal_eval(p2))
  
  df['Distance'] = df.apply(lambda x: get_dist(x['Point1'], x['Point2']), axis=1)
  

同时，还拥有4个浮点型坐标列：Xcoord_point1, Ycoord_point1, Xcoord_point2, Ycoord_point2，可用于优化。

方案一：直接利用已有坐标列（最优） #

既然已经有拆分好的浮点型坐标列，无需处理字符串格式的Point1/Point2，直接用矢量运算计算欧氏距离，这是百万级数据下最快的方式：

方法1：手动计算平方和开根号 #

import numpy as np

df['Distance'] = np.sqrt(
    (df['Xcoord_point1'] - df['Xcoord_point2'])**2 + 
    (df['Ycoord_point1'] - df['Ycoord_point2'])**2
)

方法2：使用numpy的hypot函数（更简洁） #

df['Distance'] = np.hypot(
    df['Xcoord_point1'] - df['Xcoord_point2'], 
    df['Ycoord_point1'] - df['Ycoord_point2']
)

两种方法均为纯矢量运算，无逐行循环，速度比任何逐行处理方式快数个数量级。

方案二：优化字符串坐标列的处理（必须使用Point1/Point2时） #

如果必须基于字符串格式的坐标列计算，可通过pandas字符串方法批量解析，避免逐行调用ast.literal_eval：

步骤1：批量解析字符串坐标 #

# 解析Point1的x、y坐标
df[['p1_x', 'p1_y']] = df['Point1'].str.strip('[]').str.split(',', expand=True).astype(float)
# 解析Point2的x、y坐标
df[['p2_x', 'p2_y']] = df['Point2'].str.strip('[]').str.split(',', expand=True).astype(float)

步骤2：矢量计算距离 #

用numpy的矢量运算计算距离：

df['Distance'] = np.hypot(df['p1_x'] - df['p2_x'], df['p1_y'] - df['p2_y'])

这种批量解析+矢量计算的组合，效率远高于循环或apply方法。

内容的提问来源于stack exchange，提问作者fschuch