减去日期时间索引上不同粒度的数据框列

Question

我有一些价格数据（例如来自Yahoo财务），其每日粒度datetime变量为索引，我们称其为df，并说其Microsoft收盘价为值变量。要获得每月平均收盘价，我显然可以执行以下两个操作之一：

import yfinance as yf
import pandas as pd
df = yf.download("CMG", start="2012-01-01",end="2020-01-01" )
dfm = df.resample("M").mean()
dfm2 = df.groupby(df.index.to_period("M")).mean()

对我来说，它们看起来非常相似，唯一的区别是我可以分辨的是，在重新采样时，新的日期时间索引是月末，groupby to_period的索引为yyyy-mm。

我现在想在df中添加一个具有每日粒度的列，该列的每个每日收盘价均偏离其月均值。所以1 / jan / 2020-平均值（jan-20），2 / jan / 2020-平均值（jan-20），1 / feb / 2020-平均值（feb-20）。

因为dfm和df具有不同的索引，所以我不能只做df-dfm。

我唯一能想到的是通过df循环，在dfm上放置一个计数器，然后在循环中放置一个if语句，这是非常c的方法，但不是很pythonic。我猜它看起来像这样（但这没用）：

counter = 0
df["dailyminusmonthly"] =""

for i in df:
if i.index <= dfm[counter].index:
    i.dailyminusmonthly = i.close - dfm.close[counter]
else:
    counter = counter +1
    i.dailyminusmonthly = i.close - dfm.close[counter]

Answer 1

用途：

df['dailyminusmonthly']= (df['Close'].to_period('M') - df.groupby(df.index.to_period("M"))['Close'].mean()).to_numpy()