python - Pandas DataFrame 减去横截面

Question

我有一个 pandas DataFrame，其中包含来自 3D 测量的数据(约 27k 行)。我已经创建了一个由 3 个坐标列(x、y、z)组成的多索引。数据如下所示(沿 y 方向的多个 xz 平面):

                                  Analog 1
Position Y Position X Position Z          
   y0         x0          z0       value0
   y0         x0          z1       value1
   y0         x0          z2       value2
   y0         x1          z0       value3
   y0         x1          z1       value4
   y0         x1          z2       value5
   y1         x0          z0       value6
   y1         x0          z1       value7
   y1         x0          z2       value8
   y1         x1          z0       value9
   y1         x1          z1       value10
   y1         x1          z2       value11

这是一个示例:sample data

在下一步中，我想从每个其他 xz 平面中减去 y=y0 处的横截面/切片的值，以便标准化我的数据。目前，我通过循环每一行来做到这一点:

for row in data.itertuples():
    ind = row[0]
    value = row[1]
    ref = data["Analog 1"].ix[(y0, ind[1], ind[2])]
    data["Analog 1"].ix[ind] = value - ref

有没有更优雅的方式？

Answer 1

在我看来，reset_index 将索引值恢复为列然后调用 sub 会更容易。从感兴趣的行中减去所有行:

In [65]:
df = df.reset_index()
df.sub(df[df['Position Y'] == -27.0].iloc[0], axis=1)

Out[65]:
   Position Y  Position X  Position Z  Analog 1
0         0.0         0.0         0.0      0.00
1         0.5         0.0         0.0      0.00
2         1.0         0.0         0.0      0.00
3         1.5         0.0         0.0      0.00
4         2.0         0.0         0.0     -0.02

请注意，过滤 df[df['Position Y'] == -27.0] 返回一个 DataFrame 因此，如果您尝试减去它，它只会给出对于所有其他行，您NaN，因此通过使用iloc[0]索引第一行也是唯一一行，这将返回一个Series，因此它将一起广播完整的 df。

如有必要，您可以稍后设置索引:

In [80]:
df = df.reset_index()
df = df.sub(df[df['Position Y'] == -27.0].iloc[0], axis=1)
df = df.set_index(df.columns[:3].tolist())
df

Out[80]:
                                  Analog 1
Position Y Position X Position Z          
0.0        0.0        0.0             0.00
0.5        0.0        0.0             0.00
1.0        0.0        0.0             0.00
1.5        0.0        0.0             0.00
2.0        0.0        0.0            -0.02