如何计算每帧总距离的绝对变化？非列表整体欧氏距离

你要的是相邻帧之间的空间位置欧氏距离（每帧相对于前一帧的位移绝对值），完全不需要嵌套循环，用numpy的向量化运算就能高效搞定，比for循环快得多，尤其是长列表场景。

实现代码 #

基于你已有的numpy数组，直接添加以下代码即可：

# 计算相邻帧的坐标差值（后一帧减前一帧）
dx = X_cords1[1:] - X_cords1[:-1]
dy = Y_cords1[1:] - Y_cords1[:-1]
dz = Z_cords1[1:] - Z_cords1[:-1]

# 计算每帧的绝对距离变化（三维欧氏距离）
frame_dist_changes = np.sqrt(dx**2 + dy**2 + dz**2)

# 可选：补全第一帧的NaN值，让结果长度与原数据一致
frame_dist_changes_full = np.insert(frame_dist_changes, 0, np.nan)
data['dist_change'] = frame_dist_changes_full

关键说明 #

• 数组切片[1:]和[:-1]可以一次性生成所有相邻元素的差值，避免手动写循环。
• 用勾股定理直接计算三维空间的欧氏距离，得到的就是每帧相对于前一帧的位移大小（即你要的“总距离绝对变化”）。
• 补全NaN是因为第一帧没有前一帧，没有变化值，这样结果可以直接和原DataFrame的每一行对应。

内容的提问来源于stack exchange，提问作者Stallionz1707