Python Pandas：匹配ID后计算两DataFrame几何列间的距离

• 你的代码存在几个问题：循环逻辑错误（直接比较整列会返回布尔数组而非逐行判断）、固定取df2.geometry[0]只计算与第一个几何对象的距离，且没有正确关联ID匹配的行。
• 正确的做法是先通过ID匹配合并两个DataFrame，再逐行计算距离，具体实现如下：

实现步骤 #

1. 合并DataFrame：基于ID列匹配df1和df2，只保留双方ID一致的行
2. 计算几何距离：对合并后的行，计算对应几何对象的距离
3. （可选）将结果映射回原df1：如果需要在原df1中保留距离值，可将合并结果关联回去

代码示例 #

# 1. 合并df1和df2，匹配ID列（注意左右ID列名不同）
merged_df = df1.merge(df2, left_on='system_id', right_on='systemID', how='inner')

# 2. 计算匹配行的几何距离（这里取df2几何对象的边界与df1几何对象的距离）
merged_df['distance'] = merged_df['geometry_x'].distance(merged_df['geometry_y'].boundary)

# 3. （可选）将距离结果合并回原df1，未匹配到ID的行distance会设为NaN
df1 = df1.merge(merged_df[['system_id', 'distance']], on='system_id', how='left')

代码说明 #

• 使用merge的inner方式确保只保留ID匹配的行，避免无效计算
• geometry_x来自df1，geometry_y来自df2，合并后可直接对应计算
• 如果不需要保留原df1中未匹配的行，直接使用merged_df即可；若要保留，用left合并将结果映射回去

内容的提问来源于stack exchange，提问作者Stephen