Euclidean Distance(欧氏距离)：如何用循环函数批量计算样本距离

代码笔误修正 #

你原来计算第一条距离的代码中data.iloc[0,1+1]属于笔误，按照你给出的第一条距离结果0.156433反推，应该取索引为1的NORMALIZED_SAT字段，否则会误取ACCEPT_NUM列导致计算结果错误。

方法1：for循环实现（符合你要求的重复计算逻辑） #

如果需要沿用你原本的计算逻辑用循环完成所有行的赋值，代码如下：

import numpy as np

# 遍历所有24行计算，会覆盖已计算的第0行结果
for i in range(len(data)):
    distance2 = (data.iloc[i, 0] - 0.5) ** 2 + (data.iloc[i, 1] - 0.5) ** 2
    distance = np.sqrt(distance2)
    data.iloc[i, 3] = distance

如果只想计算剩余23条、跳过已经算好的第0行，把循环起始值改为1即可：

# 仅计算第1到第23行
for i in range(1, len(data)):
    distance2 = (data.iloc[i, 0] - 0.5) ** 2 + (data.iloc[i, 1] - 0.5) ** 2
    distance = np.sqrt(distance2)
    data.iloc[i, 3] = distance

方法2：向量化运算（更推荐，无需手动写循环） #

如果你使用的是pandas DataFrame结构，直接用向量化操作一行就能完成所有距离计算，效率更高且不会出现索引写错的问题：

data['distance'] = np.sqrt((data['NORMALIZED_GPA'] - 0.5) ** 2 + (data['NORMALIZED_SAT'] - 0.5) ** 2)

内容的提问来源于stack exchange，提问作者Sid