python - 如何在 Python 中使用 TimeSeries 模块最好地保存 1000 个不同的数据系列？

Question

我想创建一个巨大的 TimeSeries 对象，它将容纳 1000 个不同的金融市场数据系列，每个数据系列存储 1500 个每日数据点。我对 TimeSeries 模块相当陌生，并且对于如何最好地进行它感到有点困惑。那么几个基本问​​题:

1) 我应该使用一个 1000x1500 的巨大 numpy 数组并将其简单地提供给时间序列构造函数 time_series() 吗？

2) 如果我这样做，我将如何按名称索引每个系列(例如“S&P500”或“GOLD”)？我知道我将能够按日期访问数组，但是我是否必须有一个单独的数据结构来将系列名称与其在大数组中的列号链接起来？

3)或者我应该按照文档中给出的示例使用结构化数据类型(http://pytseries.sourceforge.net/core.timeseries.html)？如果是这样，我如何将系列一一附加到时间序列中，因为我不想创建一个巨大的非 numpy 结构来一次性提供给 time_series() 构造函数？

关于我在哪里可以获得金融市场和时间序列模块的一些好的例子的建议，我也将不胜感激。

谢谢。

Answer 1

1) 我曾经为一小组(~10K)链接文档实现了 pagerank 算法，因此在计算过程中必须处理 10Kx10K 矩阵，为此使用 numpy 数组实现- 我记得 - 快得。

2)恕我直言，在外部存储系列名称等元数据不会造成太大伤害..

3)我没有使用过 scikits.timeseries，但肯定会研究它；据我所知，该项目与 numpy 处于相同的 scipy 轨道..