Python 从数据帧创建滑动窗口组

我正在尝试对数据进行预处理，以解决ML回归问题。
使用以下（简化）数据框：

   grp day  score
0    A   1      2
1    A   1      4
2    A   2      6
3    A   2      8
4    A   3     10
5    A   3     12
6    A   4     14
7    A   4     16
8    A   5     18
9    A   5     20
10   B   1      2
11   B   2      4
12   B   3      8
13   B   4     16
14   B   5     32

我正试图根据day列创建一个“滑动窗口”序列列表，因此如果我有X天，则前两天的目标分数为Y天

在下面的示例中，我在每组中有5天，每2天我都会看到未来2天的目标，当我到达数据帧末尾时停止：

   grp day  score
0    A   1      2
1    A   1      4
2    A   2      6
3    A   2      8
4    A   3     10
5    A   3     12
6    A   4     14
7    A   4     16
8    A   5     18
9    A   5     20
10   B   1      2
11   B   2      4
12   B   3      8
13   B   4     16
14   B   5     32

例如，这里是A组的前两组：

   grp day  score   target
0    A   1      2    16
1    A   1      4    16
2    A   2      6    16
3    A   2      8    16 <- last score value of day 4 (group A)

   grp day  score   target
0    A   2      6    20
1    A   2      8    20
2    A   3      10   20
3    A   3      12   20 <- last score value of day 5 (group A)

但是我有点迷路了。。。任何帮助都将不胜感激 更新：

我已经写了以下笨拙的代码，让我去。。。我怎样才能改进它

import pandas as pd
df = pd.DataFrame({'grp':['A','A','A','A','A','A','A','A','A','A','B','B','B','B','B'],
                   'day':['1','1','2','2','3','3','4','4','5','5','1','2','3','4','5'],
                   'score':[2,4,6,8,10,12,14,16,18,20,2,4,8,16,32]
                   })

print(df.head(15))

df2 = pd.DataFrame({'grp':[],
                    'day':[],
                    'score':[]})

groups = df.groupby(['grp'])
GROUP_SIZE = 2
LOOK_AHEAD = 2
sequences = []

for _,grp in groups:
  days_row_index = grp['day'].factorize()[0]
  days_group = grp.groupby(days_row_index)
  for _,day in days_group:
    day_index = int(day['day'].values[0])
    if day_index + LOOK_AHEAD < len(days_group):
      target = days_group.get_group(day_index + LOOK_AHEAD)['score'].values[-1]
      print(day_index,day_index + LOOK_AHEAD,day['score'].values[-1],"----------->",target)
      day['target'] = target
      df2 = pd.concat([df2,day])
      for i in range(0, GROUP_SIZE-1):
        if day_index + i >= len(days_group):
          break
        next_day = days_group.get_group(day_index + i)
        next_day['target'] = target
        df2 = pd.concat([df2,next_day])
      sequences.append(df2.copy())
      df2 = df2.iloc[0:0]
sequences

将熊猫作为pd导入
df=pd.DataFrame（{'grp'：['A'，'A'，'A'，'A'，'A'，'A'，'A'，'A'，'A'，'A'，'B'，'B'，'B'，'B'，]，
“day”：['1'，'1'，'2'，'2'，'3'，'3'，'4'，'4'，'5'，'5'，'1'，'2'，'3'，'4'，'5']，
“分数”：[2,4,6,8,10,12,14,16,18,20,2,4,8,16,32]
})
打印（测向头（15））
df2=pd.DataFrame（{'grp'：[]，
“日”：[]，
“分数”：[]}）
groups=df.groupby（['grp']）
组大小=2
向前看=2
序列=[]
对于组中的grp：
天\行\索引=grp['day'].factorize（）[0]
天数组=grp.groupby（天数行索引）
对于u，天中的天u组：
day_index=int（day['day'].值[0]）
如果日指数+前瞻”，目标）
日期['target']=目标
df2=pd.concat（[df2，天]）
对于范围内的i（0，组大小为1）：
如果天索引+i>=len（天组）：
打破
下一天=天组。获取天组（天索引+i）
下一天['target']=目标
df2=pd.concat（[df2，下一天]）
sequences.append（df2.copy（））
df2=df2.iloc[0:0]
序列

在您提出的解决方案的基础上，我编写了这段代码，我确信它可以被优化，所以任何人都可以改进它。让我知道这是否是您想要的（我冒昧地创建了另一个“混合”组“C”，以测试更通用的方法）

将熊猫作为pd导入
#创建测试数据帧
df=[
[A'，1，2]，
[A'，1，4]，
[A'，2，6]，
[A'，2，8]，
[A'，3，10]，
[A'，3，12]，
[A'，4，14]，
[A'，4，16]，
[A'，5，18]，
[A'，5,20]，
[B'，1，2]，
[B'，2，4]，
[B'，3，8]，
[B'，4,16]，
[B'，5,32]，
[C'，1，2]，
[C'，1，4]，
[C'，2，8]，
[C'，3，16]，
[C'，3，20]，
[C'，4，24]，
[C'，5，28]
]
df=pd.DataFrame（df，列=['grp'，'day'，'score']）
#加工
groups=df.groupby（['grp']）
对于组中的grp：
天\行\索引=grp['day'].factorize（）[0]
i=最小值（天数、行数、索引）
而i

那是一个打字错误，谢谢，很抱歉删除了评论，我意识到这是一个明显的打字错误，所以它实际上不需要评论。无论如何，我还有一个问题，B组第2天和第4分的目标应该是32，对吗？没关系，我现在明白为什么是16而不是32了。

import pandas as pd
df = pd.DataFrame({'grp':['A','A','A','A','A','A','A','A','A','A','B','B','B','B','B'],
                   'day':['1','1','2','2','3','3','4','4','5','5','1','2','3','4','5'],
                   'score':[2,4,6,8,10,12,14,16,18,20,2,4,8,16,32]
                   })

print(df.head(15))

df2 = pd.DataFrame({'grp':[],
                    'day':[],
                    'score':[]})

groups = df.groupby(['grp'])
GROUP_SIZE = 2
LOOK_AHEAD = 2
sequences = []

for _,grp in groups:
  days_row_index = grp['day'].factorize()[0]
  days_group = grp.groupby(days_row_index)
  for _,day in days_group:
    day_index = int(day['day'].values[0])
    if day_index + LOOK_AHEAD < len(days_group):
      target = days_group.get_group(day_index + LOOK_AHEAD)['score'].values[-1]
      print(day_index,day_index + LOOK_AHEAD,day['score'].values[-1],"----------->",target)
      day['target'] = target
      df2 = pd.concat([df2,day])
      for i in range(0, GROUP_SIZE-1):
        if day_index + i >= len(days_group):
          break
        next_day = days_group.get_group(day_index + i)
        next_day['target'] = target
        df2 = pd.concat([df2,next_day])
      sequences.append(df2.copy())
      df2 = df2.iloc[0:0]
sequences

import pandas as pd

# Create test dataframe
df = [
     ['A', 1, 2],
     ['A', 1, 4],
     ['A', 2, 6],
     ['A', 2, 8],
     ['A', 3, 10],
     ['A', 3, 12],
     ['A', 4, 14],
     ['A', 4, 16],
     ['A', 5, 18],
     ['A', 5, 20],
     ['B', 1, 2],
     ['B', 2, 4],
     ['B', 3, 8],
     ['B', 4, 16],
     ['B', 5, 32],
     ['C', 1, 2],
     ['C', 1, 4],
     ['C', 2, 8],
     ['C', 3, 16],
     ['C', 3, 20],
     ['C', 4, 24],
     ['C', 5, 28]
     ]
df = pd.DataFrame(df, columns = ['grp', 'day', 'score'])

# Processing
groups = df.groupby(['grp'])
for _,grp in groups:
  days_row_index = grp['day'].factorize()[0]
  i = min(days_row_index)
  while i < max(days_row_index) - 2:
      idx = (days_row_index == i) | (days_row_index == i + 1)
      # Create list of targets for every subgroup
      print([grp['score'].values[days_row_index == i + 3][-1]]*sum(idx))
      i += 1