如何生成基于时序数组的移位汉克尔矩阵？

你需要的这种矩阵本质是固定窗口大小的滑动窗口矩阵，而非传统补0的汉克尔矩阵。针对大规模数据，优先使用基于numpy内存视图的方法，避免数据复制，保证效率。

方法1：使用numpy滑动窗口视图（推荐） #

numpy 1.20.0及以上版本提供了np.lib.stride_tricks.sliding_window_view，它直接返回原数组的视图，不复制数据，内存效率和运算速度都极高，适合处理超大规模时序数组。

import numpy as np

X2 = np.array([1, 2, 3, 4, 5, 6, 7])
window_size = 4  # 对应原问题中用于生成汉克尔矩阵的初始元素长度

# 生成目标矩阵
target_matrix = np.lib.stride_tricks.sliding_window_view(X2, window_shape=window_size)
print(target_matrix)

输出结果：

array([[1, 2, 3, 4],
       [2, 3, 4, 5],
       [3, 4, 5, 6],
       [4, 5, 6, 7]])

方法2：低版本numpy兼容实现 #

如果你的numpy版本低于1.20.0，可以用np.lib.stride_tricks.as_strided手动实现滑动窗口，同样基于内存视图，效率一致：

import numpy as np

def sliding_window(arr, window_size):
    arr_length = arr.size
    if window_size > arr_length:
        raise ValueError("窗口大小不能超过数组长度")
    elem_stride = arr.strides[0]
    return np.lib.stride_tricks.as_strided(
        arr,
        shape=(arr_length - window_size + 1, window_size),
        strides=(elem_stride, elem_stride)
    )

X2 = np.array([1, 2, 3, 4, 5, 6, 7])
target_matrix = sliding_window(X2, 4)

方法3：使用scipy.linalg.hankel（内存效率稍低） #

如果一定要用scipy的hankel函数，可以通过指定c参数（矩阵最后一行）来实现，但该方法会创建数据副本，大规模数据下内存占用更高：

from scipy.linalg import hankel

X2 = np.array([1, 2, 3, 4, 5, 6, 7])
window_size = 4

target_matrix = hankel(X2[:window_size], X2[window_size-1:])

内容的提问来源于stack exchange，提问作者Volti