Python 熊猫-计算与最早值相关的每日差异

这可能相当容易，但出于某种原因，我发现完成它相当困难。任何提示都将不胜感激。我有一些时间序列数据，包括每天5分钟的间隔，阿拉巴马州：

Date                   Values
2012-12-05 09:30:00    5
2012-12-05 09:35:00    7
2012-12-05 09:40:00    3
2012-12-05 09:45:00    2
2012-12-05 09:50:00    15
2012-12-06 09:30:00    4
2012-12-06 09:35:00    3
2012-12-06 09:40:00    8
2012-12-06 09:45:00    1

我想计算与当天第一个值（在本例中始终为9:30）相关的差值，即以以下数据帧结束：

Date                   Values
2012-12-05 09:30:00    0
2012-12-05 09:35:00    2
2012-12-05 09:40:00    -2
2012-12-05 09:45:00    -3
2012-12-05 09:50:00    10
2012-12-06 09:30:00    0
2012-12-06 09:35:00    -1
2012-12-06 09:40:00    4
2012-12-06 09:45:00    -3

---

您可以使用广播：

df.Values - df.Values.iloc[0]

---

您需要使用和创建的减法

系列

：

---

@jezrael我认为输出是正确的，上面的表达式只需要分配给

df。值

，然后

print（df）

产生与问题中给出的预期输出相同的输出。有一个问题，你不能用第一个值减去所有

系列

，而是用多天的第一个值，所以需要

transform

你是对的。我使用

pandas.read_clipboard（）

来读取导致

pandas

的数据，使用datetime字符串的日期部分作为

str

索引，因此结果是“意外”正确的。我想如果@Myggen-指定他的专栏的类型会很好。谢谢！我稍微调整了您的建议：df.Values.groupby（pd.TimeGrouper（“D”））.transform（“first”））

print (df.Values.groupby(df.Date.dt.day).transform('first'))
0    5
1    5
2    5
3    5
4    5
5    4
6    4
7    4
8    4
Name: Values, dtype: int64

df.Values = df.Values - df.Values.groupby(df.Date.dt.day).transform('first')

print (df)
                 Date  Values
0 2012-12-05 09:30:00       0
1 2012-12-05 09:35:00       2
2 2012-12-05 09:40:00      -2
3 2012-12-05 09:45:00      -3
4 2012-12-05 09:50:00      10
5 2012-12-06 09:30:00       0
6 2012-12-06 09:35:00      -1
7 2012-12-06 09:40:00       4
8 2012-12-06 09:45:00      -3