如何用Numpy/Pandas实现3D数组的滑动窗口遍历？

问题根源 #

你手里的(270,5,22)数组是把连续1350天的特征数据拆成了270个不重叠的5天块。直接对这个块数组用as_strided会导致跨块访问超出数组内存范围，这就是尾部出现随机值的原因——你访问到了数组外的未初始化内存。

要生成步长1天的连续滑动窗口（比如01-05、02-06这种），必须先把数组还原成按天连续排列的2D结构，再基于此生成滑动窗口。

Numpy 实现（推荐） #

简洁版：用sliding_window_view（Numpy 1.20+） #

这是官方推荐的安全方法，不用手动计算步长：

import numpy as np

# 第一步：把原3D数组展开成按天排列的2D数组 (1350, 22)
daily_data = X_train.reshape(-1, 22)
# 第二步：生成滑动窗口，窗口大小5，步长1
slide_windows = np.lib.stride_tricks.sliding_window_view(daily_data, window_shape=(5, 22))

# 最终结果shape是(1346,5,22)，1346 = 1350 - 5 + 1
print(slide_windows.shape)

兼容旧版本：手动用as_strided #

如果你的Numpy版本低于1.20，可以手动计算步长，但必须严格控制窗口数量避免越界：

import numpy as np

# 替换成你的X_train
X_train = np.random.rand(270,5,22)
# 展开为按天的2D数组
daily_data = X_train.reshape(-1,22)
total_days, num_features = daily_data.shape
window_size =5
# 计算有效窗口数量：总天数 - 窗口大小 +1
num_windows = total_days - window_size +1

# 获取数组的内存步长
day_stride, feat_stride = daily_data.strides
# 构建滑动窗口：每个窗口的步长是一天的内存长度，窗口内每行也是一天的步长
slide_windows = np.lib.stride_tricks.as_strided(
    daily_data,
    shape=(num_windows, window_size, num_features),
    strides=(day_stride, day_stride, feat_stride)
)

print(slide_windows.shape)

Pandas 实现 #

如果习惯用Pandas处理数据，可以先转成DataFrame再用滚动窗口：

import pandas as pd
import numpy as np

# 1. 展开原数组为按天的DataFrame
daily_data = X_train.reshape(-1,22)
df = pd.DataFrame(daily_data, columns=[f'feature_{i}' for i in range(22)])

# 2. 遍历滚动窗口，收集完整的5天窗口
slide_windows = []
for window in df.rolling(window=5):
    if len(window) ==5:  # 跳过前4个不足5天的窗口
        slide_windows.append(window.values)

# 转成numpy数组，最终shape(1346,5,22)
slide_windows = np.array(slide_windows)

或者更高效的无循环写法：

# 利用rolling+apply批量生成窗口
slide_windows = df.rolling(window=5).apply(
    lambda x: x.values.flatten(), raw=True
).dropna().values
# 把扁平化的窗口还原成(5,22)的形状
slide_windows = slide_windows.reshape(-1,5,22)

内容的提问来源于stack exchange，提问作者Ruben Guillemyn