将二维多元时间序列数组转换为带滞后的多级索引DataFrame

需求分析 #

需要将形状为(n_samples, n_channels)的多元时间序列，转换为以通道名为第一级、时间滞后标签为第二级的多级列索引DataFrame，每一行对应一个不重叠的时间窗口，窗口大小为最大滞后值+1（包含当前点lag0和L个滞后点），最终行数为原始样本数除以窗口大小（需确保整除，或自行处理剩余行）。

代码实现 #

以下是基于Pandas和NumPy的实现方案，完全匹配你给出的示例：

import pandas as pd
import numpy as np

# 1. 构造原始数据（示例）
df = pd.DataFrame({
    'x1': [0.23, 0.80, 0.39, 0.2, -1., 5],
    'x2': [0.32, 0.68, 0.33, 0.4, -1, 8]
})

# 2. 定义最大滞后值
max_lag = 2
window_size = max_lag + 1  # 窗口大小=滞后数+1（包含当前点）

# 3. 数据转换核心步骤
data = df.values
n_samples, n_channels = data.shape
n_windows = n_samples // window_size

# 处理无法整除的情况（可选：丢弃剩余行）
if n_samples % window_size != 0:
    data = data[:n_windows * window_size]

# 重塑为三维数组：(窗口数, 窗口内时间点数, 通道数)
windows = data.reshape(n_windows, window_size, n_channels)
# 反转每个窗口的时间顺序，让lag0（最新点）排在最前
windows_reversed = windows[:, ::-1, :]
# 重塑为二维数组：(窗口数, 通道数*窗口大小)
reshaped_data = windows_reversed.reshape(n_windows, -1)

# 4. 构建多级列索引
channel_names = df.columns
lag_labels = [f'lag{i}' for i in range(window_size)]
multi_columns = pd.MultiIndex.from_product(
    [channel_names, lag_labels],
    names=['channel', 'time-lag']
)

# 5. 生成最终DataFrame
result_df = pd.DataFrame(reshaped_data, columns=multi_columns)
print(result_df)

输出结果 #

channel    x1                x2              
time-lag lag0 lag1  lag2 lag0 lag1 lag2
0        0.39  0.80  0.23  0.33  0.68  0.32
1        5.00 -1.00  0.20  8.00 -1.00  0.40

关键逻辑说明 #

• 窗口分割：通过reshape将原始数据分割为不重叠的时间窗口，每个窗口包含max_lag+1个连续时间点
• 滞后顺序调整：反转窗口内的行顺序，确保lag0对应窗口的最新时间点，lag1对应前一个时间点，以此类推
• 多级索引构造：用from_product生成通道名与滞后标签的笛卡尔积，作为DataFrame的多级列索引

内容的提问来源于stack exchange，提问作者ajl123