Pandas 什么'；在时间序列数据中生成滚动窗口嵌入的最快方法是什么？

我感兴趣的是将一个典型的时间序列数据集（一维）转换成一个由原始数据集的每个可能的顺序组合组成的矩阵。我的步幅总是1（将来可能会改变），窗口大小应该根据偏好而改变，鼓励重叠，我的重点是日内数据，这意味着组合只能来自同一天，一次一天

这是一个示例数据集

import pandas as pd
date_1 = pd.date_range('2015-02-24', periods=5, freq='1T')
date_2 = pd.date_range('2015-02-25', periods=5, freq='1T')
date = date_1.union(date_2)
values = range(len(date))

df = pd.DataFrame({'date': date, 'values': values})

如果窗口大小为3，您知道有什么快速的、最好是python式的方法可以得到以下输出吗

0 1 2
1 2 3
2 3 4
5 6 7
6 7 8
7 8 9

---

我把

group\u by

搞得一团糟，但没能得出演示的结果。

在

date

将列

值

分组，然后在列表中遍历每个组并应用

滑动窗口视图

转换，然后垂直堆叠每个组对应的所有滑动视图

对于numpy版本>=

1.20

from numpy.lib.stride_tricks import sliding_window_view

grp = df['values'].groupby(df['date'].dt.floor('D'))
np.vstack([sliding_window_view(v, 3) for _, v in grp])

def sliding_view(a, w):
    s = a.strides[0]
    shape = a.shape[0] - w + 1, w
    return np.lib.stride_tricks.as_strided(a, shape, (s, s))


grp = df['values'].groupby(df['date'].dt.floor('D'))
np.vstack([sliding_view(v.values, 3) for _, v in grp])

对于numpy版本1.20

from numpy.lib.stride_tricks import sliding_window_view

grp = df['values'].groupby(df['date'].dt.floor('D'))
np.vstack([sliding_window_view(v, 3) for _, v in grp])

def sliding_view(a, w):
    s = a.strides[0]
    shape = a.shape[0] - w + 1, w
    return np.lib.stride_tricks.as_strided(a, shape, (s, s))


grp = df['values'].groupby(df['date'].dt.floor('D'))
np.vstack([sliding_view(v.values, 3) for _, v in grp])

---

---

感谢您的快速响应，如何在每个循环中测量时间？@civy您可以在代码块上运行

timeit

分析。奇怪的是，我越来越担心：无法从“numpy.lib.stride\u tricks”导入名称“slide\u window\u view”@civy

slide\u window\u view

是在numpy版本

1.20

中添加的。如果您的系统上安装了numpy版本<

1.20

，我已经提供了另一种解决方案