Python 如何将数据帧转换为三维面板

我正在从一个CSV文件中读取数据，该文件包含爱尔兰海岸附近浮标网络的天气数据。它是一个时间序列数据集，每个浮标每小时都有读数。我想创建一个3D结构，其中每个浮标都有一个数据框，包含气象条件列，按日期和时间索引

我希望能够通过以下语法访问数据：

df['column']['anotherColumn']

我知道pandas有一个不推荐使用的Panel类，但我无法想出其他方法

---

任何帮助都将不胜感激，谢谢

熊猫

面板

被弃用，取而代之的是具有多级索引的

数据帧

。引自：

分层/多级索引非常令人兴奋，因为它打开了 一些非常复杂的数据分析和操作， 尤其适用于处理高维数据。本质上，它是 使您能够使用任意数量的 低维数据结构中的维度，如系列（1d）和 数据帧（2d）

下面是一个带有多索引的数据帧的快速示例，用于表示三维数据集：

In [1]: multi_index = pd.MultiIndex.from_arrays([
   ...:     ['buoy1', 'buoy1', 'buoy2', 'buoy2', 'buoy3', 'buoy3', 'buoy4', 'buoy4'],
   ...:     ['wind', 'water', 'wind', 'water', 'wind', 'water', 'wind', 'water'],
   ...: ])

In [2]: df = pd.DataFrame(np.random.randn(3, 8), columns=multi_index)

In [3]: df
Out[3]:
      buoy1               buoy2               buoy3               buoy4
       wind     water      wind     water      wind     water      wind     water
0  1.082442 -0.148975 -0.372837  0.075599  1.681150  0.910194  0.157064  0.183764
1 -0.019759  1.782505 -1.092751  0.324313 -2.217671  0.349224  1.085250 -0.715607
2 -1.308382 -0.994506 -0.306874  0.517858  1.356037 -0.024291  0.085105 -0.073061

随后，您可以将数据集切片为二维部分，如下所示：

In [4]: df['buoy3']
Out[4]:
       wind     water
0  1.681150  0.910194
1 -2.217671  0.349224
2  1.356037 -0.024291

In [5]: df['buoy3']['water']
Out[5]:
0    0.910194
1    0.349224
2   -0.024291
Name: water, dtype: float64

您可以将数据集切片为1D部分（即单列），如下所示：

In [4]: df['buoy3']
Out[4]:
       wind     water
0  1.681150  0.910194
1 -2.217671  0.349224
2  1.356037 -0.024291

In [5]: df['buoy3']['water']
Out[5]:
0    0.910194
1    0.349224
2   -0.024291
Name: water, dtype: float64

---

使用多级索引？我会调查的。我是新来的熊猫，所以还没有制定出更精细的细节，谢谢。