Высокомерные данные с временными рядами

Question

Я пытаюсь создать информационный фрейм панд для хранения моих экспериментальных данных. Данные описаны ниже:

У меня есть ~ 300 человек, участвующих в эксперименте, состоящем из ~ 200 испытаний, где каждое испытание имеет ряд экспериментально контролируемых параметров (~ 10 параметров). Для каждого испытания и каждого отдельного человека у меня есть временной ряд некоторого измерения, который длится 30 временных точек.

Каков наилучший способ структурировать эти данные в фрейм данных? Мне нужно будет иметь возможность делать такие вещи, как получение экспериментальных значений для каждого индивидуума в определенное время в течение всех испытаний с определенными параметрами или получение средних значений за определенное время и испытаний для индивида и т. Д. В основном мне нужно будет возможность разрезать эти данные наиболее мыслимыми способами.

Спасибо!

РЕДАКТИРОВАТЬ: Если вы хотите посмотреть, как у меня есть мои данные в настоящее время, прокрутите вниз до последних 3 ячеек в этой записной книжке: https://drive.google.com/file/d/1UZG_S2fg4MzaED8cLwE-nKHG0SHqevUr/view?usp=sharing

Переменная данных имеет все параметры для каждого испытания, а переменная interp_traces представляет собой массив измерений временных рядов для каждого момента времени, отдельного случая и испытания.

Я бы хотел сложить все в одну вещь, если это возможно. Мультииндекс выглядит многообещающе.

Answer 1

На мой взгляд нужно MultiIndex.

Образец :

individuals = list('ABCD')
trials = list('ab')
par = list('xyz')

dates = pd.date_range('2018-01-01', periods=5)
n = ['ind','trials','pars']
mux = pd.MultiIndex.from_product([individuals, trials, par], names=n)

df = pd.DataFrame(index=mux, columns=dates)

---

print (df)
                2018-01-01 2018-01-02 2018-01-03 2018-01-04 2018-01-05
ind trials pars                                                       
A   a      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
    b      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
B   a      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
    b      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
C   a      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
    b      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
D   a      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN
    b      x           NaN        NaN        NaN        NaN        NaN
           y           NaN        NaN        NaN        NaN        NaN
           z           NaN        NaN        NaN        NaN        NaN