使用XArray实现光谱数据逐样本扣除组均值的校正问题

你的问题核心是分组求均值后维度不匹配：原数据的system维度对应每个样本的重复项，而groupby('Sample').mean('system')得到的是每个Sample的均值数组（维度为Sample×x），没法直接和原system×x的数组做运算。

XArray里的groupby.transform方法正好解决这个问题——它会把分组计算的结果映射回原数据的维度结构，也就是为每个system项填充对应Sample的均值，保持system×x的维度，这样就能直接和原y做减法了。

修改后的关键代码 #

# 计算每个Sample在x维度上的均值，并映射回原system维度
ds['sample_mean_y'] = ds.y.groupby('Sample').transform('mean')
# 扣除均值得到校正后的y
ds['y_corr'] = ds.y - ds['sample_mean_y']

完整可运行代码 #

import numpy as np
import pandas as pd
import xarray as xr

# 生成模拟数据集
ds_list = []
for i in [1,2,3]:
    for j in [1,2,3]:
        data = pd.DataFrame()
        data['x'] = np.arange(0, 3*np.pi, np.pi/6)
        noise = np.random.normal(0, 0.1, len(data['x']))
        data['y'] = np.sin(data['x'])+noise    
        dataset = data.set_index('x').to_xarray()
        dataset['System'] = f'y{i}_{j}'
        dataset['Sample'] = f'S{i}'
        dataset['Repeat'] = j
        ds_list.append(dataset)
ds = xr.concat(ds_list,dim='system')

# 均值中心化（原代码逻辑保留）
reference = ds.y.groupby('system').mean('x')
ds['y_mean'] = reference
ds['y_MCC'] = ds.y - reference

# 样本均值扣除核心实现
ds['sample_mean_y'] = ds.y.groupby('Sample').transform('mean')
ds['y_corr'] = ds.y - ds['sample_mean_y']

验证结果 #

可以检查某个样本的所有重复项校正后均值是否接近0，确认逻辑正确性：

# 查看S1样本的校正后y值在重复项上的均值
print(ds.sel(Sample='S1').y_corr.mean('system'))

输出会是接近全0的数组，说明每个重复项都正确扣除了对应样本的均值。

内容的提问来源于stack exchange，提问作者Bradley Sutliff