使用Pandas统计DataFrame中位于给定半径范围内的点位数量

实现代码（按要求使用索引遍历方式） #

import pandas as pd

# 定义参数和样例数据
radius = 3
df = pd.DataFrame({'spot_id':[1,2,3,4,5],'x_pos':[5,4,10,3,8],'y_pos':[4,10,8,6,3]})

# 初始化结果列
df['spots_within_radius'] = 0

# 两层遍历索引实现计数
for current_idx in df.index:
    # 获取当前点位坐标
    curr_x = df.loc[current_idx, 'x_pos']
    curr_y = df.loc[current_idx, 'y_pos']
    within_count = 0
    for compare_idx in df.index:
        # 跳过自身点位
        if current_idx == compare_idx:
            continue
        # 计算距离平方（避免开根号提升效率，判断逻辑和直接对比距离一致）
        dist_square = (curr_x - df.loc[compare_idx, 'x_pos'])**2 + (curr_y - df.loc[compare_idx, 'y_pos'])**2
        if dist_square <= radius**2:
            within_count += 1
    # 写入当前点位的统计结果
    df.loc[current_idx, 'spots_within_radius'] = within_count

print(df)

输出结果 #

运行上述代码后得到的df和你要求的结果完全一致：

spot_id  x_pos  y_pos  spots_within_radius
0        1      5      4                    1
1        2      4     10                    0
2        3     10      8                    0
3        4      3      6                    1
4        5      8      3                    0

补充优化建议 #

如果后续数据量较大，两层遍历的时间复杂度为O(n²)效率较低，可以替换为向量化计算方案，不需要修改核心逻辑就能大幅提升运行速度。

内容的提问来源于stack exchange，提问作者Adam