我的数据集是系列数据实例的形式，每个都包含相关的元数据。类似于CD集合，其中每个CD轨道具有元数据（艺术家，专辑，长度等）和一系列音频数据。或者想象一下道路状况调查数据集 - 每次进行调查时，记录位置，日期，时间，操作员等的元数据，以及每个单位长度道路的道路状况的一些物理系列数据。调查（{metadata，data}对）的集合是数据集。
我想利用pandas来帮助导入，存储，搜索和分析该数据集。 pandas没有内置支持这种类型的数据集，但许多人试图添加它。
典型的解决方案是：
将metadata添加到pandas DataFrame中，但这是错误的方法 - 我想要一组元数据记录，每个记录都包含相关数据，而不是带有相关元数据的数据。
Casting data是DataFrame中的有效字段，并将其存储为元数据字段之一，但转换过程会丢弃显着的完整性。
使用multiple indices创建3D DataFrame，但这会对您选择的索引强加设计细节，这会限制实验。
这种数据集很常见，我看到很多人试图弯曲熊猫来容纳它。我想知道正确的方法是什么，或者即使大熊猫是正确的工具。
答案 0 :(得分：0)
我现在有一个有效的解决方案，但由于我还没有看到这种方法的记录，我想知道是否会有龙。
我的＆＃34;数据库＆＃34;是一个像这样的pandas DataFrame：
| | Description | Time | Length | data_uuid |
| 0 | My first record | 2017-03-09 11:00:00 | 502 | f7ee-11e6-b702 |
| 1 | My second record | 2017-03-10 11:00:00 | 551 | f7ee-11e6-a996 |
也就是说，我的元数据是DataFrame的行，它给了我大熊猫的所有力量，但我的数据在输入时被赋予了uuid。每个元数据的数据实际上是一个单独的DataFrame，序列化为名称为uuid的文件。
这样，查找记录和提取数据的说明性示例如下所示：
display(df_database[df_database['Length'] >= 550.0])
idx = df_database[df_database['Length'] >= 550.0].index[0]
df_data = pd.read_pickle(DATA_DIR + str(df_database.at[idx, 'data_uuid']))
display(df_data)
通过合适的输入，存储和查找功能，这似乎给了我大熊猫的力量（伴随着相关的麻烦！）而没有过多的限制性技巧。