Python 3D Numpy数组时间索引

Question

有没有一种方法可以在第三维上使用某种形式的时间索引（日期时间等）来为三维数组建立索引？

我的问题是我正在对几千个雷达图像进行时间序列分析，因此我需要获取例如月平均值。 但是，如果我只是简单地对第3维中的每31个数组求平均值，则由于较短的月份和缺少数据等原因而导致计算不准确。

Answer 1

您可以使用pandas模块。 它支持按日期/日期时间范围编制索引。 它还支持多重索引，使您能够以2D方式处理多维数据。

>>> rng = pd.date_range('1/1/2016', periods=100, freq='D')
>>> rng[:5]

DatetimeIndex(['2016-01-01', '2016-01-02', '2016-01-03', '2016-01-04', '2016-01-05'], dtype='datetime64[ns]', freq='D')

>>> ts = pd.Series(np.random.randn(len(rng)), index=rng)
>>> ts.head()

2016-01-01    0.119762
2016-01-02   -0.010990
2016-01-03    0.226537
2016-01-04   -0.087559
2016-01-05    0.484426
Freq: D, dtype: float64

>>> ts.resample('M').mean()

2016-01-31   -0.171578
2016-02-29    0.055878
2016-03-31   -0.243225
2016-04-30   -0.015087
Freq: M, dtype: float64

检查以下一些详细信息：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DatetimeIndex.html http://pandas.pydata.org/pandas-docs/stable/timeseries.html http：//pandas.pydata。组织/大熊猫-DOCS /稳定/ advanced.html

Answer 2

发布我使用的伪解决方案：

这里的问题是缺乏3D阵列数据（如卫星，雷达）的日期时间索引。 虽然在熊猫中有时间序列函数，但没有数组（据我所知）。

该解决方案之所以可行，是因为我使用的数据文件的日期时间名为“ 200401010000”，即“ yyyymmddhhMM”。

1. 构造一个包含所有数据的3D数组（缺少时间）。
2. 使用数据文件列表（os.listdir），创建时间戳列表（长度与3d数组长度匹配）
3. 使用时间戳记（2）作为dfa索引创建dfa，并创建运行整数的列“ inx”（range（0，len（array）=整数= 3d数组的索引）
4. 使用数据的开始和结束时间以及已知的数据频率（不丢失日期时间）创建日期时间索引。 使用此作为索引创建一个新的dfb。
5. （4）中的dfb与（3）中的dfa合并。 Aka dfa现在具有准确的日期时间索引和包含3d数组索引位置的“ inx”列，并且在缺失数据时具有nan。

然后，您可以使用“ inx”的最小值和最大值将其映射为1天。 这为您提供了数组函数的开始-结束位置。

您还可以在错误的日期时间插入nans数组（即'inx'min max = nan），以便您的3d数组与实际日期时间的长度匹配。

评论您是否有Q，或者您知道此问题的更好的解决方案/包装。