Python 如何用等指数提取均值和波动？

我有一个如下所示的CSV文件（按iy对数据帧进行排序后）：

我试图计算iy相等时的平均值和波动。例如，对于上面的CSV，我想要的是如下内容：

iy,u,U,u'
1,80,70,10
1,90,70,20
1,70,70,0
1,50,70,-20
1,60,70,-10
2,20,25,-5
2,30,25,5
2,35,25,10
2,15,25,-10
2,25,25,0

式中，当iy相等时，U是U的平均值，而U'只是U-U，波动。我知道pandas中有一个名为groupby.mean（）的函数，但我不想对数据帧进行分组，只需取平均值，将值放入新列中，然后计算波动

---

如何继续？

使用

groupby

和

transform

计算每组的平均值，并将该值分配给新列“U”，然后减去两列：

df['U'] = df.groupby('iy').transform('mean')
df["u'"] = df['u'] - df['U']
df

输出：

   iy   u   U  u'
0   1  80  70  10
1   1  90  70  20
2   1  70  70   0
3   1  50  70 -20
4   1  60  70 -10
5   2  20  25  -5
6   2  30  25   5
7   2  35  25  10
8   2  15  25 -10
9   2  25  25   0

你可以用一句话来想象：

df.assign(U=df.groupby('iy').transform('mean')).eval("u_prime = u-U")

---

您可以将数据传输到

Numpy

数组中，并使用

Numpy.where（）

按不同的iy值切割表格，使用

Numpy.mean（）

计算平均值。

df.assign(U=df.groupby('iy').transform('mean')).eval("u_prime = u-U")