如何基于pandas DataFrame生成包含前序行、当前行和后x行的序列

你的需求是构造包含1个前序行、当前行、x个后续行的序列，过滤首尾无效条目，我们提供两种实现方案：

方案1：索引切片法（更直观易维护） #

直接通过数组索引切片构造序列，逻辑完全匹配你的规则，不需要额外处理窗口滑动逻辑：

import numpy as np

x = 3  # 替换为你需要的后续行数量
# 拆分特征和标签，和原有代码逻辑保持一致：每行除最后一个元素为特征，最后一个为标签
features = df.iloc[:, :-1].values
labels = df.iloc[:, -1].values

sequential_data = []
total_row = len(df)
# 遍历所有有效当前行的索引：最小为1（有前序行索引0），最大为 total_row - 1 -x（后面有x个后续行）
for current_idx in range(1, total_row - x):
    # 切片范围：前序行（current_idx-1）到最后一个后续行（current_idx +x）
    seq = features[current_idx - 1 : current_idx + x + 1]
    # 标签默认取当前行的标签，可根据需求自行调整
    current_label = labels[current_idx]
    sequential_data.append([np.array(seq), current_label])

效果验证 #

和你给出的示例完全匹配：df为0~10的单列数据、x=3时，current_idx=4对应切片为索引3到7，返回序列为[[3],[4],[5],[6],[7]]。

方案2：deque改造方案（和原有代码风格一致） #

如果你希望沿用原有deque滑动窗口的写法，可以调整窗口大小和标签匹配逻辑：

import numpy as np
from collections import deque

sequential_data = []
x = 3  # 替换为你需要的后续行数量
window_size = x + 2  # 窗口总长度：1前序 +1当前 +x后续
slide_window = deque(maxlen=window_size)
all_rows = []  # 存储所有行的特征和标签，用于后续匹配当前行的标签

for row in df.values:
    feat = [n for n in row[:-1]]
    label = row[-1]
    all_rows.append((feat, label))
    slide_window.append(feat)
    # 窗口存满时构造序列
    if len(slide_window) == window_size:
        # 匹配当前行对应的标签：当前行是窗口的第二个元素，对应索引为当前总行数 -x -1
        current_label = all_rows[len(all_rows) - x -1][1]
        sequential_data.append([np.array(slide_window), current_label])

补充说明 #

如果你不需要拆分特征和标签，希望把整行数据都放入序列，直接把features = df.iloc[:, :-1].values替换为features = df.values即可。

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