如何在Pandas中按分组计算行间差值（道路标记距离场景）

嘿，这个问题我熟！之前我也帮别人解决过类似的分组计算距离的需求，不用循环完全可以搞定～

核心就是利用groupby结合apply或agg，把需要的两个计算逻辑打包，不用手动循环每个道路分组，从根源避免跨道路计算的错误。

场景1：给每个标记点计算相邻路段距离+累计距离 #

假设你的数据是类似这样的结构（包含道路标识、标记点、里程/坐标）：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'road': ['A', 'A', 'A', 'B', 'B', 'B'],
    'marker_id': [1, 2, 3, 1, 2, 3],
    'mileage': [0, 450, 1200, 0, 600, 1500]  # 也可以替换成lat/lon地理坐标
})

步骤1：写一个自定义处理函数 #

把你需要的两个计算逻辑（比如相邻路段距离、累计距离）放到一个函数里，这个函数会接收每个道路的分组数据：

def process_road_group(group):
    # *一定要先对每个分组内的标记点排序！* 顺序乱了的话，距离计算完全失效
    sorted_group = group.sort_values('marker_id')
    
    # 计算同道路内相邻标记点的路段距离
    sorted_group['segment_distance'] = sorted_group['mileage'].diff()
    
    # 计算从道路起点到当前标记点的累计距离
    # 如果是地理坐标，把这里换成haversine公式计算实际地理距离即可
    sorted_group['cumulative_distance'] = sorted_group['mileage']
    
    return sorted_group

步骤2：分组后一次性应用函数 #

不用循环，直接用groupby+apply就能搞定所有道路的计算：

result_df = df.groupby('road', group_keys=False).apply(process_road_group)

运行后，result_df里会新增两个列，分别是同道路内的相邻路段距离和累计距离，完全不会出现跨道路计算的错误～

场景2：对每个道路统计两个指标（比如总长度、平均路段长度） #

如果你的需求是给每条道路计算两个统计值，不用给每个标记点加列，那用agg更高效：

summary_df = df.groupby('road').agg(
    # 第一个函数：计算道路总长度
    total_road_length=('mileage', lambda x: x.max() - x.min()),
    # 第二个函数：计算相邻路段的平均长度
    avg_segment_length=('mileage', lambda x: x.diff().dropna().mean())
)

这样直接得到每个道路的两个统计结果，同样不需要循环处理分组。

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