如何基于pandas DataFrame生成时间序列预测用的滚动窗口数据集

下面提供两种无遍历的高效实现方式，均可以满足你的需求：

方法1：NumPy滑动窗口视图（推荐，大内存数据最优） #

该方法基于NumPy的内存视图实现，不会产生额外的数据拷贝，性能远高于循环遍历，适合处理大规模时间序列数据。

import numpy as np
import pandas as pd
from numpy.lib.stride_tricks import sliding_window_view

# 读取数据后可根据需要先按时间正序排序
# df = df.sort_values("Date").reset_index(drop=True)
value_arr = df["Failures"].values

# 窗口长度为4，加1位目标值，总窗口长度为5
window_total_len = 5
windows = sliding_window_view(value_arr, window_shape=window_total_len)

输出的windows是二维数组，每一行的格式为[特征1, 特征2, 特征3, 特征4, 目标值]，完全符合你给出的示例格式。

方法2：Pandas Rolling实现（小数据量写法更简洁） #

如果你更习惯用pandas接口，小数据量场景下可以直接用rolling方法实现，你之前使用rolling未成功是因为没有提取完整窗口的数值：

window_len = 4
# 滑动窗口长度设为4+1，每个窗口返回完整的特征+目标序列
window_series = df["Failures"].rolling(window_len + 1).apply(lambda x: x).dropna()
# 转成numpy数组格式：window_arr = np.stack(window_series.values)

可选：转成结构化DataFrame #

如果需要保留表格格式，可以给生成的窗口设置列名：

cols = [f"lag_{i}" for i in range(4, 0, -1)] + ["target"]
window_df = pd.DataFrame(windows, columns=cols)

内容的提问来源于stack exchange，提问作者hkj447