我想构建一个模型，该模型应该计算接收过程的参数值，以优化仓库的容量。
该参数在接收过程中决定SKU将要存储的位置 - 作为高架货架中的palett（更昂贵）或作为自动纸箱架中的纸箱（更便宜）。
参数根据此数据设置：
关于所有SKU的总和：
货架和货架的容量取决于所有SKU的当前库存水平和离开存储的数量（因为SKU已售出）。
关于每个SKU和每天的单个值（20.000 SKU和365天）：
现在，我想知道我应该使用哪种数据结构来导入和使用Python中我的过程中的数据，因为数据包含两个值，分别为20.000个SKU和365天。
我认为我应该使用Pandas Dataframe，因为它在构建模型和可视化方面非常强大。但由于表格形式只具有2D性质，据我所知，我无法为20.000 SKU和所有365天的数据建模，因为这有点像3D。 因此，我想知道是否必须使用关系数据库，其中每个上述数据集（每SKU的接收量，每SKU的销售量，每SKU预计销售量，每个SKU的纸箱数量）将弥补一张桌子。
我在这里回答了一个问题时发现了以下问题，我觉得回答我的问题非常重要。以下是我的答案：
1）数据大小，行数，列数，列类型;你要追加行，还是只追加列？
行数：20.000 SKU
列数：如果为每个数据集采用单独的表，则为365列（=天）;如果是一张桌子，则为365 * 4（365天*每SKU收到的量，每SKU的销售量，每SKU的预计销售量，每个SKU的纸箱量）
列类型：浮点数，布尔值
据我了解，我没有附加数据，但我使用数据计算每个SKU的值，然后从底部（SKU的详细数据）到顶部（所有SKU的总和=容量，库存）电平）
2）典型的操作是什么样的。例如。对列进行查询以选择一堆行和特定列，然后执行操作（内存中），创建新列，保存这些列。
求和，减法，乘法，除法，大于，小于，等于......
3）给出一个玩具示例可以使我们提供更具体的建议。 示例：
SKU 123456：
参数设置为600升（如果接收的音量较高，则进入palett racking，否则进入纸箱架）
因此您需要存储以下卷：
为650＆gt; 600,250升存放在纸箱架上，另外650个存放在高架货架中
总计： 收到此SKU后，库存高架货架为+ 650升 库存纸箱货架为+ 50升
如果高架货架的容量已满，并且无法达到+650升，则必须重新计算参数，以便当天的总数适合。
- ＆GT;计算在接下来的364天内进行......
4）经过那个处理，那你做什么？第2步是临时的，还是可重复的？
可重复，因为它需要每天完成
5）输入平面文件：Gb中有多少粗略的总大小。这些如何组织，例如按记录？每个字段是否包含不同的字段，或者每个文件中是否包含一些记录以及每个文件中的所有字段？
我猜他们需要按SKU和日期组织
6）您是否曾根据标准选择行（记录）的子集（例如，选择字段A> 5的行）？然后做一些事情，或者你只选择包含所有记录的字段A，B，C（然后做一些事情）？
是 - ＆gt;它总是检查是否满足容量;是否需要将一些体积放入纸箱架，......
7）你在＆＃39;工作吗？您的所有列（以组为单位），或者您只能用于报告的比例很高（例如，您希望保留数据，但不需要明确列出该列，直到最终结果时间） ？
我想，大多数情况下，都会对数据进行计算，因此不仅仅是保持数据...
非常感谢你们！