Python 沿另一个数据帧移动数据帧并映射相关性

我有一个充满了无意义信息（长度=M）的数据集，其中隐藏了我实际查找的数据范围。因为我事先知道“真实数据”部分大致是什么样子，所以我有一个“主数据集”（长度=n，其中n远小于M），我沿着测量的数据集移动它。我使用的逻辑是：

我首先将主数据集与测量数据的前n个元素进行比较

计算相关性

在测量数据集中移动一个元素。将主数据集与测量数据进行比较[1:n+1]

计算相关性

由另一个元素移位。与测量数据的相关性[2:n+2]

等等

这样，我可以通过查找数据与主数据之间的最大相关性来定位数据。以下是我的代码的简化版本：

a_list = [0,1,2,3,4,5,6,7,8,9,10,9,8,7,6,5,4,3,2,1,0]
b_list = [6,7,8,7,6]
a_array = np.array(a_list)
b_array = np.array(b_list)

a_dataframe = pd.DataFrame(a_array)
b_dataframe = pd.DataFrame(b_array)

correlations = []
for i in range (0,len(a_dataframe)-len(b_dataframe)):
    correlations.append(a_dataframe[i:len(b_dataframe)+i].corrwith(b_dataframe)[0])

这段代码工作得很好（尽管在这个例子中出现的相关性是无意义的），它找到了我想要的东西。问题是，每次用循环移动一个元素，并将每个计算出的相关性附加到一个列表中，对我来说似乎是一种非常低效的方法。这一步实际上是我整个软件计算时间的瓶颈之一

我正在寻找更有效、更优雅、更通情达理的方法来基本上做到这一点。帮忙

事先非常感谢

D

在SCOTT THOPSON的评论后编辑

---

我已经纠正了指出的错误。

在这一行中：correlations.append（a_dataframe[I:len（b_dataframe）+I].corrwith（a_dataframe）[0]）那应该是b_dataframe而不是corrwith内部的a_dataframe吗？是的，Scott Boston，你是对的。谢谢你的意见。我在编写简化示例时犯了错误。幸运的是，在最初的程序中，一切都是应该的：）