我有多个传感器的按月份和年份分类的传感器数据:
import pandas as pd
df = pd.DataFrame([
['A', 'Jan', 2015, 13],
['A', 'Feb', 2015, 10],
['A', 'Jan', 2016, 12],
['A', 'Feb', 2016, 11],
['B', 'Jan', 2015, 7],
['B', 'Feb', 2015, 8],
['B', 'Jan', 2016, 4],
['B', 'Feb', 2016, 9]
], columns = ['sensor', 'month', 'year', 'value'])
In [2]: df
Out[2]:
sensor month year value
0 A Jan 2015 13
1 A Feb 2015 10
2 A Jan 2016 12
3 A Feb 2016 11
4 B Jan 2015 7
5 B Feb 2015 8
6 B Jan 2016 4
7 B Feb 2016 9
我使用groupby计算了每个传感器和每个月的平均值:
month_avg = df.groupby(['sensor', 'month']).mean()['value']
In [3]: month_avg
Out[3]:
sensor month
A Feb 10.5
Jan 12.5
B Feb 8.5
Jan 5.5
现在我想要给
df
添加一列,其值为每月平均值与该行值之间的差异,类似于以下内容: sensor month year value diff_from_avg
0 A Jan 2015 13 1.5
1 A Feb 2015 10 2.5
2 A Jan 2016 12 0.5
3 A Feb 2016 11 0.5
4 B Jan 2015 7 2.5
5 B Feb 2015 8 0.5
6 B Jan 2016 4 -1.5
7 B Feb 2016 9 -0.5
我尝试了类似的多索引 df
和 avgs_by_month
,并尝试简单的减法,但效果不佳:
df = df.set_index(['sensor', 'month'])
df['diff_from_avg'] = month_avg - df.value
感谢您提供的任何建议。
谢谢。
AttributeError: 'NoneType' object has no attribute 'transform'
。你有什么想法吗? - robrocassign
是因为我不喜欢覆盖df
.. 特别是当我可能会计时操作的时候。 - piRSquareddiff_from_avg=df.value - df.groupby(['sensor', 'month'])['value'].transform('mean')
- robrocpd.__version__
- piRSquared