在Python中构造通用2D/3D/ND数据集的最健壮、最友好的交互方式是什么？

我是一名科学家，最近从MATLAB转换成Python。我正在寻找构造我的（主要是2D和3D）数据集的方法。我已经在网上搜索了很多次，在我看来，Python中健壮的通用数据结构仍然有点悬而未决。我认为这个问题和任何答案对于其他Python科学家来说都是非常重要的，他们正在寻找一种方法来构建数据，使他们能够专注于手头的问题，而不是底层的实现

我的数据结构的一个例子是time x altitude x parameter，其中的参数是密度、温度等。对于时间维度，我想使用

datetime

对象，因为这看起来非常健壮，便于转换、格式化等

到目前为止，我已经研究了熊猫和元阵列（来自SciPy食谱）

Pandas作为一种数据类型的主要缺点是它远远不止于此。例如，面板中的每个尺寸（项目、长轴、短轴）似乎都有某些首选用途，但我不知道是哪个。具体而言，索引根据维度的不同而不同，在创建数据结构后，可能无法扩展某些维度。因此，尽管Pandas的一些功能，如分组（

.groupby

）对于我的一小部分工作来说确实很有用，但Pandas对于交互式科学工作来说并不是很直观，我发现自己正在寻找其他选项作为我的日常数据类型

我还从SciPy的烹饪书中简要地了解了一下。这看起来更像是一种干净的数据类型，索引似乎非常直观和灵活，使其更适合交互式科学工作。然而，它不是（AFAIK）任何软件包的一部分，需要手动下载和安装，如果我需要与其他科学家合作，这使得可移植性更加困难。此外，我发现几乎没有使用它的例子，因此它似乎更像是构造N维数据集问题的一个特别解决方案

我也听说过Blaze，号称是“新一代NumPy”，但据我所知，它仍处于早期开发阶段。（欢迎体验Blaze！）

---

因此，我想要一些示例（模块、软件包等），说明如何用Python构建N维数据集（特别是3D），最重要的是为了方便交互使用。

我想说的是，在您更熟悉Pandas之前，请坚持使用Pandas。同意Pandas。如果索引没有意义，则始终可以使用

.values

属性访问底层numpy N维数组，同时仍然可以获得pandas的所有其他优点。对于三维数据集，您有两个主要选项，或者一个带有。此时面板缺少一些功能。您如何在Matlab中处理这些数据？@hpaulj只是一个简单的3D矩阵。它工作得相当好，只是做交互工作有点麻烦，因为你必须经常记住哪些数组维度对应于哪些轴，哪些参数对应于沿着特定轴的哪些索引，等等。这不是一个大问题，但我喜欢能够选择数据的想法，例如

数据['density'，'altitude'：200:400，'time'：'20131122'：'20131124']

（示例是类似元数组的语法，使用熊猫中的“部分日期字符串”索引）是一个关于阅读Matlab.mat文件的Scipy教程。可能会给出如何将Matlab结构与numpy结构关联的想法。NetCDF和HDF5是numpy/Scipy无法处理的其他面向科学的文件结构。