熊猫中不同元素的成对距离

Question

我有一个包含一些不同元素的数据框，由 ID 标识。对于它们中的每一个，都提供了 LAT、LON。下面提供了一个示例：

ID       LAT        LON

2426  0.351649  36.921941

2451  0.351666  36.921939

2457  0.351687  36.921966

我想要一个由元组 (ID1,ID2) 和距离作为值标识的字典：

{(2426,2451):d1, (2426,2457):d2, (2451,2457):d3}

现在我正在使用以下代码计算每对之间的距离：

distances = {}

ids = to_network['ID'].values

for id_1 in ids:

    ids = np.delete(ids, np.where(ids == id_1), axis=0)

    for id_2 in ids:

        distances[(id_1,id_2)] = compute_distance_m(to_network.loc[(to_network['ID'] == id_1),'LAT'].values[0],to_network.loc[(to_network['ID'] == id_1),'LON'].values[0],to_network.loc[(to_network['ID'] == id_2),'LAT'].values[0],to_network.loc[(to_network['ID'] == id_2),'LON'].values[0])

# Result in m

def compute_distance_m(lat1,lon1,lat2,lon2):

    coords_1 = (lat1, lon1)

    coords_2 = (lat2, lon2)

    return geopy.distance.vincenty(coords_1, coords_2).km*1000

#returns

{(2426, 2451): 1.9917619328904765,

 (2426, 2457): 5.083739036769186,

 (2451, 2457): 3.7473346626876483}

问题是这段代码真的很慢，我在数据集中有十亿个实例，所以我正在寻找一个可以直接处理初始数据帧的更好的版本。