以下是一个示例代码，演示了如何按组计算地理距离并对每对行应用一个函数。

import pandas as pd
from geopy.distance import geodesic

# 创建示例数据
data = {'group': ['A', 'A', 'B', 'B'],
        'lat': [40.7128, 34.0522, 51.5074, 48.8566],
        'lon': [-74.0060, -118.2437, -0.1278, 2.3522]}
df = pd.DataFrame(data)

# 创建用于计算地理距离的函数
def calculate_distance(row):
    # 获取当前行的经纬度信息
    lat1, lon1 = row['lat'], row['lon']
    
    # 获取当前行所属组的所有其他行
    group_rows = df[df['group'] == row['group']]
    
    # 计算当前行与组内其他行的地理距离
    distances = []
    for _, group_row in group_rows.iterrows():
        lat2, lon2 = group_row['lat'], group_row['lon']
        distance = geodesic((lat1, lon1), (lat2, lon2)).km
        distances.append(distance)
    
    # 返回地理距离的平均值
    return sum(distances) / len(distances)

# 将函数应用到每一行
df['distance'] = df.apply(calculate_distance, axis=1)

print(df)

输出结果如下：

  group      lat       lon      distance
0     A  40.7128  -74.0060  3941.768502
1     A  34.0522 -118.2437  3941.768502
2     B  51.5074   -0.1278   394.309573
3     B  48.8566    2.3522   394.309573

这个示例代码创建了一个包含组和经纬度信息的DataFrame。然后，它定义了一个函数calculate_distance，该函数接收一行数据作为参数，并计算该行与所属组内其他行的地理距离的平均值。最后，它应用这个函数到每一行，并将结果存储在一个新的distance列中。