为多索引数据框应用函数

Question

我有一个按日期和股票编制索引的多索引数据框。 这是一个例子：

                     Column1
Date        Ticker
2008-08-01  AAPL     value1
            MSFT     value2
            IBM      value3
            etc.
2008-08-02  AAPL     value4
            MSFT     value5
            IBM      value6
            etc.

我想做的是在每个日期对该列应用一个函数，然后替换该列。 例如，说从2008-08-01开始的每个日期，我要对Column1求平均值，并取每个报价器值与该平均值之间的差。 然后，Column1将被这些值替换。 我最终会遇到：

                     Column1
Date        Ticker
2008-08-01  AAPL     avg(Column1, 8/1/08) - value1
            MSFT     avg(Column1, 8/1/08) - value2
            IBM      avg(Column1, 8/1/08) - value3
            etc.
2008-08-02  AAPL     avg(Column1, 8/2/08) - value4
            MSFT     avg(Column1, 8/2/08) - value5
            IBM      avg(Column1, 8/2/08) - value6
            etc.

我可以这样做：

df = df.copy()
col1_adjusted = [func(df.loc[df.index.get_level_values('Date') == date]['Column1']) for date in dates]
col1_adjusted = [item for sublist in col1_adjusted for item in sublist]
df.Column1= col1_adjusted 

但这要花很长时间，因为我有很多约会。 有一个更好的方法吗？

Answer 1

Debasish对拆分应用合并方法是正确的。 举个简单的例子：

# Use groupby to find the average by date; sub in w/e func for mean    
df['Column2'] = df.groupby(level='Date').transform('mean')

# Replace Column1 with the desired value
df['Column1'] = df['Column2'] - df['Column1']

上面的示例是为了清楚起见，但这是更好的单行代码：

df['Column1'] = df.groupby(level='Date')['Column1'].transform('mean').sub(df['Column1'])