在数据分析场景中，我们常常需要衡量多个一维数据序列之间的相似程度，距离矩阵可以直观展示所有序列两两之间的距离值。Pandas的Series是一维带标签的数组结构，计算多个Series之间的距离矩阵是很多分析任务的基础步骤。
基础方法：嵌套循环实现
最直观的思路是遍历所有Series对，逐个计算距离后填充到矩阵中。这里以欧氏距离为例，先实现单个距离计算函数：
import pandas as pd
import numpy as np
def euclidean_distance(s1, s2):
# 计算两个Series的欧氏距离，先对齐索引避免缺失值影响
aligned_s1, aligned_s2 = s1.align(s2, fill_value=0)
return np.sqrt(((aligned_s1 - aligned_s2) ** 2).sum())
# 构造测试数据
series_list = [
pd.Series([1, 2, 3], index=['a', 'b', 'c']),
pd.Series([4, 5, 6], index=['a', 'b', 'c']),
pd.Series([1, 3, 5], index=['a', 'b', 'c']),
pd.Series([2, 4, 1], index=['a', 'b', 'c'])
]
n = len(series_list)
# 初始化距离矩阵
dist_matrix = pd.DataFrame(np.zeros((n, n)), index=range(n), columns=range(n))
for i in range(n):
for j in range(n):
dist_matrix.iloc[i, j] = euclidean_distance(series_list[i], series_list[j])
print(dist_matrix)
这种方法的逻辑清晰，但当Series数量较多时，嵌套循环的时间复杂度是O(n²)，计算效率会明显下降。
高效方法一：基于NumPy向量化计算
如果所有Series的索引一致，我们可以将其转换为NumPy二维数组，利用向量化操作一次性计算所有距离，避免循环开销：
import pandas as pd
import numpy as np
# 构造索引一致的Series列表
series_list = [
pd.Series([1, 2, 3], index=['a', 'b', 'c']),
pd.Series([4, 5, 6], index=['a', 'b', 'c']),
pd.Series([1, 3, 5], index=['a', 'b', 'c']),
pd.Series([2, 4, 1], index=['a', 'b', 'c'])
]
# 转换为二维数组，每行对应一个Series
data_array = np.array([s.values for s in series_list])
n = data_array.shape[0]
# 计算欧氏距离矩阵，利用广播机制
dist_matrix = np.sqrt(((data_array[:, np.newaxis, :] - data_array[np.newaxis, :, :]) ** 2).sum(axis=2))
# 转换为DataFrame方便查看
result_df = pd.DataFrame(dist_matrix, index=range(n), columns=range(n))
print(result_df)
这种方式完全避免了Python层面的循环，计算速度比嵌套循环快数倍，适合中等规模的数据场景。
高效方法二：使用SciPy的空间距离模块
SciPy库提供了专门的空间距离计算模块scipy.spatial.distance，内置了多种距离的计算实现，性能经过优化，使用起来也非常简便：
import pandas as pd
import numpy as np
from scipy.spatial.distance import pdist, squareform
# 构造测试数据
series_list = [
pd.Series([1, 2, 3], index=['a', 'b', 'c']),
pd.Series([4, 5, 6], index=['a', 'b', 'c']),
pd.Series([1, 3, 5], index=['a', 'b', 'c']),
pd.Series([2, 4, 1], index=['a', 'b', 'c'])
]
# 转换为二维数组
data_array = np.array([s.values for s in series_list])
# pdist计算压缩形式的距离向量，squareform转换为对称距离矩阵
dist_vector = pdist(data_array, metric='euclidean')
dist_matrix = squareform(dist_vector)
# 转换为DataFrame
result_df = pd.DataFrame(dist_matrix, index=range(len(series_list)), columns=range(len(series_list)))
print(result_df)
SciPy的pdist函数支持欧氏距离、曼哈顿距离、余弦距离等多种距离类型，只需要修改metric参数即可，比如计算曼哈顿距离可以传入metric='manhattan'，计算余弦相似度对应的距离可以传入metric='cosine'。
不同方法的性能对比
我们通过一个简单的测试对比三种方法的耗时，测试数据为100个长度为50的Series：
| 方法 | 平均耗时（毫秒） |
|---|---|
| 嵌套循环 | 约1200 |
| NumPy向量化 | 约45 |
| SciPy pdist | 约12 |
从结果可以看出，SciPy的实现性能最优，其次是NumPy向量化方法，嵌套循环的效率最低。如果数据量较小，三种方法都可以选择；如果数据量较大，优先选择SciPy或NumPy向量化方案。
注意事项
- 如果Series的索引不一致，需要先对齐索引，否则转换为数组时会出现维度不匹配的问题，可以在转换前先对所有Series做
reindex操作，统一索引。 - 距离矩阵是对称矩阵，对角线元素为0，计算时可以利用这个特性减少一半的计算量，不过现有优化库已经做了相关处理，不需要我们手动实现。
- 如果Series中存在缺失值，需要先处理缺失值，比如填充0或者删除对应位置，否则距离计算结果会出现偏差。
通过以上几种方法，我们可以根据实际场景选择最适合的方案，高效完成Pandas Series间距离矩阵的计算。