如何从已有Pandas Series的子数组优雅生成指定结构的DataFrame？

嘿，这个需求很常见，完全不用写循环就能搞定！我给你两种优雅的实现方式，按需选择就行：

方法一：用Pandas内置的shift方法（直观易读） #

这种方法逻辑清晰，新手也能一眼看懂，适合处理中小型数据集：

import pandas as pd

# 输入Series
s = pd.Series([1,2,3,4,5,6])
# 定义窗口大小（这里是3列，所以窗口为3）
window_size = 3

# 拼接移位后的Series，去掉空值，重命名列
df = pd.concat(
    [s.shift(-i) for i in range(window_size)], 
    axis=1
).dropna().astype(int)
df.columns = ['x', 'y', 'z']

print(df)

原理说明： #

• s.shift(-i) 会把原Series向右偏移i位，比如shift(-1)就得到[2,3,4,5,6,NaN]
• 把偏移0、1、2位的三个Series按列拼接，最后用dropna()去掉末尾带NaN的行，再转成整数类型就得到目标结构了。

方法二：用Numpy的as_strided（性能拉满） #

如果你的数据集很大，想要极致性能，推荐用这个方法——它直接操作内存视图，几乎没有额外的内存开销：

import pandas as pd
import numpy as np

s = pd.Series([1,2,3,4,5,6])
window_size = 3

# 转成Numpy数组
arr = s.to_numpy()
# 生成滑动窗口视图
strided_arr = np.lib.stride_tricks.as_strided(
    arr,
    shape=(len(arr) - window_size + 1, window_size),  # 输出的行数和列数
    strides=(arr.strides[0], arr.strides[0])          # 行和列的步长设置
)
# 转成DataFrame并命名列
df = pd.DataFrame(strided_arr, columns=['x', 'y', 'z'])

print(df)

注意事项： #

• as_strided是直接操作内存的高级方法，一定要确保shape参数计算正确（行数=原长度-窗口大小+1），否则会读取到内存里的无效数据。
• 这个方法的速度比shift快很多，数据量越大优势越明显。

两种方法运行后都会得到你想要的结果：

x  y  z
0  1  2  3
1  2  3  4
2  3  4  5
3  4  5  6

内容的提问来源于stack exchange，提问作者Roman Kazmin