如何基于两个DataFrame的多条件计算国际组织成员国平均距离

步骤1：预处理df2，转换为长表格式 #

你当前的df2是宽表结构，每列对应一个国家，先转换为「年份-国际组织-成员国」的长表，过滤出成员身份为1的记录：

import pandas as pd

# 预处理df2：转长表+筛选成员国
df2_long = df2.melt(
    id_vars=["year", "ioname"],
    var_name="country",
    value_name="is_member"
).query("is_member == 1")

步骤2：按年份+国际组织分组计算平均距离 #

对每个分组的成员国列表，匹配df1中两国都属于该组织当前年份成员国的距离记录，再求平均值：

def calc_mean_dist(member_countries, df_dist):
    # 筛选两国都在成员国列表中的距离记录
    mask = df_dist["countryA"].isin(member_countries) & df_dist["countryB"].isin(member_countries)
    return df_dist.loc[mask, "dist"].mean()

# 分组计算得到最终结果
result = df2_long.groupby(["year", "ioname"])["country"].apply(
    lambda x: calc_mean_dist(x, df1)
).reset_index(name="mean_distance")

注意事项 #

• 如果df1中同时存在(A,B)和(B,A)的重复无向配对，计算前可先去重：

# 去重df1的无向国家配对
df1[["min_country", "max_country"]] = df1[["countryA", "countryB"]].apply(sorted, axis=1, result_type="expand")
df1 = df1.drop_duplicates(subset=["min_country", "max_country"]).drop(columns=["min_country", "max_country"])

• 需保证两个表的国家名称拼写完全一致，没有译名差异，否则会出现匹配失效的问题。
• 若某组织当年成员国数量小于2，计算得到的mean_distance会是NaN，可通过result = result.dropna(subset=["mean_distance"])过滤掉这类无效记录。

内容的提问来源于stack exchange，提问作者user14237226