Python DataFrame：给定多个列的条件，对其他一些列执行特定操作

给定数据帧：

将熊猫作为pd导入
将numpy作为np导入
分数=[[True，False，False，2,4,5,0,6,8,9,3,9]，
[假，真，假，3,6,2,8,9,3,2,3,0]，
[假，假，真，8，1，8，3，6，8，9，3，2]]
df=pd.DataFrame（点、列=['1isObj'、'2isObj'、'3isOb'，
‘X_1’、‘X_2’、‘X_3’、‘Y_1’、‘Y_2’、‘Y_3’、‘S_1’、‘S_2’、‘S_3’）
打印（df）
SOBJ 2 SOBJ 3 ISOB X_1 X_2 X_3 Y_1 Y_2 Y_3 S_1 S_2 S_3
0对错错错245068939
1假真假3628932300
2假假假真8183668932

每行包含3个点x，y坐标及其速度。每一点都有一排目标。 我需要找到最快的时间，让其他点朝着目标前进

对于第0行： 点1是目标，位于（2,0），要找到时间，我们首先必须使用距离公式找到从2到1和从3到的距离：

time_2=np.sqrt（np.square（df['X_2']-df['X_1']）+np.square（df['Y_2']-df['Y_1']）/df['S_2']

查找2到1所需的时间。我们对3和1也这样做，取最小值为

'MinTime'

对于第1行，它将查找介于1到2和3到2之间的时间

对所有行执行此操作，并将其与原始数据帧一起返回

def最小时间（df）：
df['MinTime']=#一些操作
返回df

问题: 这样做的一种方法是什么，它不涉及对所有行的For循环，这是非常低效的？

---

我正在处理超过100k行，目标点可以在行与行之间更改

您可以在数据帧中创建新列，然后按行获取这些列的最小值

df['time_2'] = np.sqrt(np.square(df['X_2']-df['X_1'])+np.square(df['Y_2']-df['Y_1']))/df['S_2']
df['time_3']= np.sqrt(np.square(df['X_3']-df['X_1'])+np.square(df['Y_3']-df['Y_1']))/df['S_3']

# Get the min between 'time_2' and 'time_3' for each row
df['MinTime']  = df[['time_2','time_3']].min(axis=1)

---

问题是，我正在处理100k+行的数据，并且目标点可能会因行而异。