python-将多个时间序列数据组合到一个2d numpy数组

我有一年中来自三个不同传感器的时间序列数据,这些传感器大约每3分钟产生一个数据点,传感器不同步,因此它们在彼此相对的不同时间产生一个数据点输出.

该数据位于一个大约有500万条记录的表的sqlite db中.我打算使用javascript图表库dygraph显示此数据,我已经通过按传感器名称执行SQL查询并分别保存到csv来分别为每个传感器生成了时间序列图.我希望有一个图表显示所有数据点,并用一条线代表每个传感器.

我创建了一个名为’minutes_array’的字符串类型的numpy 2d数组,第一列为unix时间戳,四舍五入到从传感器时间序列开始到结束的每一分钟的最近分钟,并用三个空列填充每个列中的数据可用的3个传感器中的一个.

minutes_array

[['1316275620' '' '' '']
 ['1316275680' '' '' '']
 ['1316275740' '' '' '']
 ..., 
 ['1343206920' '' '' '']
 ['1343206980' '' '' '']
 ['1343207040' '' '' '']]

然后,将传感器时间序列数据也四舍五入到最接近的分钟,我使用numpy.in1d并从上述“ minutes_array”和“ sensor_data”数组中获取时间戳,并为与该传感器相关的记录创建掩码.

sensor_data

[['1316275680' '215.2']
 ['1316275860' '227.0']
 ['1316276280' '212.2']
 ..., 
 ['1343206380' '187.7']
 ['1343206620' '189.4']
 ['1343206980' '192.9']]

 mask = np.in1d(minutes_array[:,0], sensor_data[:,0])

 [False  True False ..., False  True False]

然后,我希望修改minutes_array中对于该掩码正确的记录,并将sensor_data值放置在minutes_array中时间戳之后的第一列中.从我的尝试来看,在将其应用于蒙版时似乎无法更改原始的“ minutes_array”,有没有办法在numpy中实现此结果而无需单独使用for循环和匹配时间戳？

解决了

根据来自@eumiro的以下答案,我使用了solution from the Pandas Docs和上述的’sensor_data’numpy数组

sensors = ['s1','s2','s3']    
sensor_results = {}
for sensor in sensors:
    sensor_data = get_array(db_cursor, sensor)
    sensor_results[sensor] = pd.Series(sensor_data[:,1], \
                                   index=sensor_data[:,0])
df = pd.DataFrame(buoy_results)
df.to_csv("output.csv")

解决方法:

五百万不是一个无法用python字典管理的数字.

从数据库中读取所有传感器的数据,填写字典,然后构建一个numpy数组,甚至更好的是,将其转换为pandas.DataFrame：

import pandas as pd

inp1 = [(1316275620,   1), (1316275680,   2)]
inp2 = [(1316275620,  10), (1316275740,  20)]
inp3 = [(1316275680, 100), (1316275740, 200)]

inps = [('s1', inp1), ('s2', inp2), ('s3', inp3)]

data = {}
for name, inp in inps:
    d = data.setdefault(name, {})
    for timestamp, value in inp:
        d[timestamp] = value
df = pd.DataFrame.from_dict(data)

df现在是：

            s1  s2   s3
1316275620   1  10  NaN
1316275680   2 NaN  100
1316275740 NaN  20  200