在python元组列表上循环并应用函数

我有一个以下格式的数据框：

  vid            points
0 1              [[0,1], [0,2, [0,3]]
1 2              [[1,2], [1,4], [1,9], [1,7]]
2 3              [[2,1], [2,3], [2,8]]
3 4              [[3,2], [3,4], [3,5],[3,6]]

每一行都是轨迹数据，我必须用函数func_dist计算轨迹之间的距离，如下所示：

 x = df.iloc[0]["points"].tolist() 
 y = df.iloc[3]["points"].tolist()
 func_dist(x, y)

  traj1       traj2       distance
  0           1           some_val
  0           3           some_val
  1           3           some_val

我有一个感兴趣的轨迹索引列表

l = [0,1,3]

我必须找到所有可能的轨迹对之间的距离；在上述情况下，这是0-1、0-3和1-3。我知道如何使用

 pairsets = list(itertools.combinations(l, 2)) 

返回

 [(0,1), (0,3), (1,3)]

由于该列表可能有100多个索引，我正在尝试将此过程自动化，并将计算出的每对之间的距离存储在新的_df数据帧中

我尝试了以下距离计算代码：

for pair in pairsets:
    a, b = [m[0] for m in pairssets], [n[1] for n in pairsets]
    for i in a:
        x = df.iloc[i]["points"].tolist()
    for j in b:
        y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y) 

但它只计算最后一对，1-3。如何计算所有对并创建新的数据帧，如下所示：

 x = df.iloc[0]["points"].tolist() 
 y = df.iloc[3]["points"].tolist()
 func_dist(x, y)

  traj1       traj2       distance
  0           1           some_val
  0           3           some_val
  1           3           some_val

---

这只是正确处理索引的问题。 对于每一对，您获取两个索引，分配数据集，并计算距离

dist_table = []

for pair in pairsets:
    i, j = pair
    x = df.iloc[i]["points"].tolist()
    y = df.iloc[j]["points"].tolist()
    dist = func_dist(x, y)
    dist_table.append( [i, j, dist] )

您可以合并前两行：

for i, j in pairsets:

dist_表提供了一个2D列表，您应该能够通过一个简单的调用将其转换为新的数据帧

---

这能让你动起来吗？

这太完美了。我用成对：你能告诉我如何将输出转换成df吗？好的。原始代码中的一个问题是，一旦进入循环，就完全忽略了pair。我必须查找数据帧转换，尽管我知道这很容易。我对数据帧使用内部包，而不是熊猫。