对于时间序列的网格数据，最实用的python数据结构是什么？

Question

我正在使用时间序列的网格数据：

＆＃39; 2014年1月1日＆＃39;

0 1 1 0 0 1
0 1 1 0 1 1
1 1 1 0 0 1
0 1 0 0 0 1
0 1 1 0 1 1

＆＃39; 2014年1月2日＆＃39;

0 1 0 0 0 1
0 1 1 0 1 1
1 0 1 0 1 1
0 1 0 0 0 1
1 1 1 0 1 0

等 ...

我一直在使用3d numpy数组，但我不满意将第3维处理为datetime个对象，并且可能希望使用pandas时间序列。

在python中使用这些数据是否有普遍接受的最佳做法？

更新：

我使用上面的1和0来使事情变得太乱，但我的数据是地理空间网格（WGS84 lon / lat）随时间变化的值（不同类型）。

我希望能够对整个网格上的日期范围内的数据或网格的某个切片（使用网格索引）执行计算。 pandas时间序列很不错，因为您可以同时拥有datetime个对象（.month，.year等方法）和datetime64标量简单性（即data.date = 1995）。

Answer 1

也许structured array（或记录数组）更适合您的需求：

例如，如果n是您需要的条目数，并假设您的数字数组是布尔值：

n=1
np.zeros(n, dtype=[('date','|S10'),('data','b1',(5,6))])