如何在Python中将squareform距离矩阵转换为长格式？

这题用Pandas处理简直是小菜一碟，而且完全不需要手动循环，用内置的向量化操作就能搞定，效率拉满！咱们直接上完整流程：

完整代码实现 #

import numpy as np
import pandas as pd
from scipy.spatial.distance import pdist, squareform

# 原始数据
ids = ['1', '2', '3']
points = [(0,0), (1,1), (3,3)]

# 生成距离矩阵
distances = pdist(np.array(points), metric='euclidean')
distance_matrix = squareform(distances)

# 核心转换步骤
# 1. 把矩阵转成带索引和列名的DataFrame
df = pd.DataFrame(distance_matrix, index=ids, columns=ids)
# 2. 用stack()把宽表转成长表，自动生成多级索引
long_df = df.stack().reset_index()
# 3. 重命名列名到目标格式
long_df.columns = ['id1', 'id2', 'distance']

# 查看结果
print(long_df)
# 写入CSV（去掉index=False会保留默认索引列，按需选择）
long_df.to_csv('distance_long.csv', index=False)

代码解释 #

• 第一步：用pd.DataFrame把距离矩阵包装成DataFrame，同时指定index和columns为ids，让每一行每一列都对应具体的id，为后续转换打好基础。
• 第二步：stack()是Pandas处理宽表转长表的神器，它会把列名转为二级索引，和原有的行索引组成多级索引，同时把矩阵里的数值作为新的列值。之后用reset_index()把多级索引拆成普通列，这一步是整个转换的核心，完全是向量化操作，效率极高。
• 第三步：给列重命名成你需要的id1、id2、distance格式即可。

输出结果 #

运行后得到的长格式DataFrame完全符合你的要求：

id1 id2  distance
0    1    1   0.000000
1    1    2   1.414214
2    1    3   4.242641
3    2    1   1.414214
4    2    2   0.000000
5    2    3   2.828427
6    3    1   4.242641
7    3    2   2.828427
8    3    3   0.000000

如果不需要对角线id1=id2的行，只需要加一行long_df = long_df[long_df['id1'] != long_df['id2']]就能快速过滤。

这种方式的效率最高，因为stack()是Pandas底层优化过的向量化操作，比手动遍历矩阵快得多，数据量越大优势越明显。

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