如何在Pandas中处理C#导出的Vector3 CSV并完成向量计算？

1. 导入CSV并解析Vector3字符串 #

先通过Pandas读取CSV文件，再将每个Vector3格式的字符串转换为NumPy数组，为后续向量运算做准备。

实现解析函数 #

编写一个轻量解析函数，去除字符串中的引号、括号，按逗号分割后转为浮点型数组：

import pandas as pd
import numpy as np

def parse_vector3(s):
    # 清理字符串格式，转换为NumPy数组
    return np.fromstring(s.strip('"()'), sep=',', dtype=np.float64)

读取并转换CSV数据 #

读取CSV后，对所有以bBin开头的列应用解析函数：

# 读取第一个CSV文件
df1 = pd.read_csv('file1.csv')
# 筛选所有Vector3类型的列
vec_cols = [col for col in df1.columns if col.startswith('bBin')]
# 批量解析向量列
df1[vec_cols] = df1[vec_cols].applymap(parse_vector3)

# 以相同方式读取并解析第二个CSV（需确保结构完全一致）
df2 = pd.read_csv('file2.csv')
df2[vec_cols] = df2[vec_cols].applymap(parse_vector3)

2. 计算对应位置向量距离并求和 #

需要计算两个DataFrame中相同aBin行、相同bBin列的向量欧氏距离，最终将所有距离累加为单个值。

基础循环实现（适合小数据量） #

total_distance = 0.0

# 遍历每一行（按aBin对应）
for idx in df1.index:
    # 遍历每个向量列
    for col in vec_cols:
        vec1 = df1.loc[idx, col]
        vec2 = df2.loc[idx, col]
        # 计算欧氏距离并累加
        distance = np.linalg.norm(vec1 - vec2)
        total_distance += distance

print(f"所有对应向量的距离总和：{total_distance:.6f}")

向量化高效实现（适合大数据量） #

利用NumPy广播特性批量计算，避免循环提升效率：

# 将向量列转换为3D数组：(行数, 列数, 3个坐标值)
arr1 = np.stack(df1[vec_cols].values.tolist(), axis=1)
arr2 = np.stack(df2[vec_cols].values.tolist(), axis=1)

# 批量计算所有向量对的欧氏距离并求和
total_distance = np.linalg.norm(arr1 - arr2, axis=2).sum()

print(f"所有对应向量的距离总和：{total_distance:.6f}")

注意事项 #

• 确保两个CSV的aBin顺序完全一致，若不一致需先通过merge或设置aBin为索引对齐数据
• 解析函数可根据实际字符串格式调整，比如无引号时去掉.strip('"')部分
• 欧氏距离也可手动计算：np.sqrt(np.sum((vec1 - vec2)**2))，效果与np.linalg.norm一致

内容的提问来源于stack exchange，提问作者Ling