你可以直接使用crosstab计算“枢轴”，然后使用默认的“欧几里得”度量计算与scipy.spatial.distance.cdist的距离，你只需要平方它：

from scipy.spatial.distance import cdist

pivot = pd.crosstab(df['person'], df['hasa'])

out = pd.DataFrame(cdist(pivot, pivot)**2,
                   index=pivot.index,
                   columns=pivot.index,
                  )

或者，您也可以使用corr和自定义函数进行第二步：

out = pivot.T.corr(lambda a,b: sum(a!=b))

或者手动使用numpy广播（对于大输入，内存很昂贵）：

a = pivot.to_numpy()
out = (a[..., None] != a.T).sum(axis=1)

输出：

person  Alice  Bob  Carol
person                   
Alice     0.0  1.0    2.0
Bob       1.0  0.0    3.0
Carol     2.0  3.0    0.0

让我们从简单的开始。您可以通过创建另一个DataFrame来计算数据透视表中所有行之间的距离，该DataFrame将存储这些距离。这里的主要逻辑是遍历透视表的每一行并计算到每隔一行的距离。

# Create initial DataFrame
df = pd.DataFrame({
    'person': ['Alice', 'Bob', 'Carol', 'Bob'],
    'hasa': ['Apple', 'Banana', 'Carrot', 'Apple']
})

# Pivot DataFrame
pivot_df = pd.pivot_table(df, index='person', columns='hasa', aggfunc=len, fill_value=0)

# Create empty DataFrame for distances
distance_df = pd.DataFrame(index=pivot_df.index, columns=pivot_df.index)

# Fill DataFrame with distances
for person1 in pivot_df.index:
    for person2 in pivot_df.index:
        distance_df.loc[person1, person2] = (pivot_df.loc[person1] - pivot_df.loc[person2]).abs().sum()

现在，distance_df应该有正确的值。请注意，生成的DataFrame沿着主对角线对称（因为从Alice到Bob的距离与从Bob到Alice的距离相同）。主对角线用零填充（因为从人到自己的距离总是零）。