如何用Pythonic方法将节点距离矩阵CSV转换为三列节点距离长表

用pandas向量化操作即可完成，不需要手动写嵌套循环遍历单元格，是适配这个场景最简洁的Pythonic方案，全流程没有多余处理步骤：

1. 环境准备 #

如果还没安装pandas，先执行安装：

pip install pandas

2. 核心转换代码 #

代码完全匹配你描述的文件结构：左上角为空白单元格、首行存储列向节点ID、第一列存储行向节点ID、交叉单元格存储两节点的距离值，转换后会覆盖所有单元格的记录，不会遗漏：

import pandas as pd

# 读取CSV：将第一列设为行索引，自动适配左上角无表头的矩阵结构
dist_matrix = pd.read_csv("你的距离矩阵文件路径.csv", index_col=0)

# 宽表转长表，生成三列结构
long_table = (
    dist_matrix
    # 堆叠列维度：把每个列名和行索引配对成独立的记录行
    .stack()
    # 将多级索引重置为普通列，方便后续重命名
    .reset_index()
    # 按需求命名列，得到Node1、Node2、Distance三列
    .rename(columns={
        "level_0": "Node1",  # 原行索引对应的节点
        "level_1": "Node2",  # 原列名对应的节点
        0: "Distance"        # 交叉单元格的距离值
    })
)

# 导出为CSV文件，不携带额外的自增索引列
long_table.to_csv("转换后的节点距离长表.csv", index=False)

3. 可选过滤逻辑 #

根据你提到的规则：单元格值为0时，要么是同节点的自身距离，要么是两节点无连通关系。如果需要剔除无效的无连接记录（即两个不同节点之间距离为0的条目），可以在导出前追加过滤代码：

# 过滤后仅保留：同节点的0值（自身距离）、不同节点的有效连接（非0距离）
long_table = long_table[
    ~((long_table["Node1"] != long_table["Node2"]) & (long_table["Distance"] == 0))
]

方案特点 #

• 处理效率高：面对8000+节点的矩阵（全量转换约6400万条记录），pandas向量化操作的处理速度远快于原生Python写的嵌套循环
• 适配性强：不需要手动对齐行列节点顺序、不需要专门处理左上角的空白单元格结构，仅靠index_col=0参数就能适配常规导出的距离矩阵格式
• 结果完全匹配要求：生成的长表结构和你给出的示例完全一致，覆盖所有节点对的连接关系

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