长格式多索引DataFrame如何将列除以其在指定日期的对应取值？

你之前代码报错的核心原因是：groupby返回的是分组对象，而非可直接索引的Series/DataFrame，因此无法直接调用.loc属性。我们可以通过以下两种方式实现需求： #

方法1：groupby + transform （简洁写法） #

transform方法会将分组计算得到的标量基准值，广播到对应分组的所有行，自动和原数据长度对齐：

import pandas as pd

# 定义基准日期
t = '2020-07-01'

df['d2'] = df['d'] / df.groupby(level='country')['d'].transform(
    lambda group: group.xs(key=t, level='date').iloc[0]
)

方法2：预提取基准值（高性能写法，适合大数据量） #

提前把所有国家在基准日的取值提取出来，再按国家索引对齐后做除法，避免分组逐组运算的开销：

t = '2020-07-01'
# 提取基准日各国家的d值，返回索引为country的Series
base_series = df.xs(key=t, level='date')['d']
# 按原数据的country索引对齐基准值后做除法
df['d2'] = df['d'] / base_series.reindex(df.index.get_level_values('country')).values

效果说明 #

用你提供的示例数据运行上述代码后：

• US分组在2020-07-01的d2取值为1，其余日期取值为当日d值除以100.957790
• IL分组在2020-07-01的d2取值为1，其余日期取值为当日d值除以101.168879
  完全符合你要求的重缩放规则。

小提示：如果部分国家不存在基准日的观测值，对应分组的所有d2结果会返回NaN，可以提前用dropna或者fillna处理基准值序列避免异常。

内容的提问来源于stack exchange，提问作者nutix