您可以将函数用作的参数
np.vectorize()，然后可以将其用作的参数，
pandas.groupby.apply如下所示：
haver_vec = np.vectorize(haversine, otypes=[np.int16])distance = df.groupby('id').apply(lambda x: pd.Series(haver_vec(df.coordinates, x.coordinates)))例如，具有以下示例数据：
length = 500df = pd.Dataframe({'id':np.arange(length), 'coordinates':tuple(zip(np.random.uniform(-90, 90, length), np.random.uniform(-180, 180, length)))})比较500点：
def haver_vect(data): distance = data.groupby('id').apply(lambda x: pd.Series(haver_vec(data.coordinates, x.coordinates))) return distance%timeit haver_loop(df): 1 loops, best of 3: 35.5 s per loop%timeit haver_vect(df): 1 loops, best of 3: 593 ms per loop
