用于网格数据时间序列的最实用Python数据结构是什么？

Question

我正在处理一组时间序列的网格数据：

'2014-01-01'

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

'2014-01-02'

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

等等...

我之前使用的是三维的numpy数组，但我对把第三维作为datetime对象来处理不太满意，所以我想试试用pandas的时间序列来处理这些数据。

在python中处理这种数据有没有什么公认的最佳实践呢？

更新：

我上面用1和0来简化问题，但我的数据其实是不同类型的值，分布在一个地理空间网格（WGS84经纬度）上，随着时间变化。

我希望能够在整个网格或网格的某个切片上（通过网格索引）对一段时间内的数据进行计算。pandas的时间序列很不错，因为它结合了datetime对象的优点（可以使用.month、.year等方法）和datetime64的简单性（比如可以直接写数据.date=1995）。

Answer 1

也许使用一个结构化数组（或者叫记录数组）会更符合你的需求：

举个例子，如果n是你需要的条目数量，并且假设你的数字数组是布尔类型的：

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